基于功能磁共振和机器学习的疼痛神经标志研究进展

疼痛是一种主观感受及大部分疾病的主要症状之一。病人的自主报告是临床中测量疼痛的金标准,但缺乏客观性和灵敏度,且不适用于无法报告的病人群体。近年来,多变量模式分析(multivariate pattern analysis,MVPA)应用机器学习(machine learning,ML)方法分析疼痛状态下大脑的功能磁共振图像(functional magnetic resonance imaging,fMRI),以识别具有特异性的神经疼痛标志(Neurologic pain signature,NPS)。fMRI神经疼痛标志(fMRI-NPS)是疼痛刺激和神经调节系统共同作用的结果,因此fMRI-NPS可作为个体的客观疼痛量化指标,并用于研究疼痛的病理生理学机制。本文综述基于ML方法识别的急、慢性疼痛病人的fMRI-NPS,及其应用于疼痛评估的研究进展,并总结fMRI-NPS在疼痛临床研究如神经病理学机制研究、药物疗效评估等方面的意义。