Nat Neurosci | 半年、20次掃描，密集縱向功能連接組學揭示慢性疼痛的動態神經指紋

一鍵關注，點亮星標 ?? 前沿不走丟！

認知神經科學前沿文獻分享

基本信息

Title:Intensive longitudinal brain imaging reveals personalized signatures of chronic pain

發表時間：2026-03-05

發表期刊:Nature Neuroscience

影響因子：20

獲取原文：

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

精準疼痛指紋

自發性疼痛作為慢性疼痛的核心特征，其臨床評估長期依賴于患者的自我報告。然而，自我報告雖然本質，卻極易受到語境干擾且難以反映底層的生物過程。隨著慢性疼痛被視為一種涉及中樞神經系統的疾病，功能磁共振成像（fMRI）已成為開發疼痛生物標志物的關鍵工具。但傳統研究多受限于少數幾次的時間采樣，忽略了疼痛動態波動的本質，這限制了臨床轉化的潛能。為了突破這一瓶頸，研究者提出了一種高密度的縱向采樣策略，試圖在個體水平上捕捉疼痛的瞬時變化規律，這不僅是對傳統橫斷面試驗設計的挑戰，更是邁向精準神經醫學的關鍵一步。

Fig. 1 | Precision brain imaging reveals personalized brain signatures of spontaneous pain.

在超過半年的時間里，兩名纖維肌痛患者接受了20余次密集fMRI掃描，并在掃描過程中持續記錄自發痛強度。研究者利用邊緣時間序列方法估算隨時間變化的功能連接模式，訓練出的個性化機器學習模型成功實現了對疼痛波動的精確追蹤。如Figure 1a所示，這種密集采樣的實驗設計使研究者能夠獲取涵蓋不同天數和情緒狀態的海量數據，確保模型能捕捉到分鐘級、運行期級乃至會話級的疼痛趨勢。這種精準映射方法捕捉的是疼痛在每個體大腦中的具象化呈現，而非群體層面的統計平均，預測結果與患者自述的高度一致性證明了該模型作為客觀輔助工具的巨大潛力。

然而，這項研究最震撼的發現在于疼痛表征的極端個體化：針對一名患者訓練的模型在另一名患者身上完全失效，無法進行任何有效的跨個體預測。如Figure 1b所示，對特征重要性的分析揭示，在預測疼痛時貢獻最大的前五個腦區在兩名受試者之間竟然沒有任何重合，這直接證明了慢性疼痛是一種獨特且個體化的狀態。專家評論認為，這一結果是對傳統“尋找通用疼痛簽名”路徑的有力補充，甚至可能改寫未來的鎮痛策略: 從開發通用藥物轉向針對個體神經特征的精準干預。盡管密集采樣的成本與可行性仍是臨床轉化的障礙，但這一里程碑式的發現無疑為人類理解、評估并最終攻克慢性疼痛開辟了全新的視野。

省流總結

本研究通過對纖維肌痛患者進行長達半年的密集縱向腦成像，成功構建了能精準追蹤個體自發痛波動的神經解碼模型。研究證實疼痛在大腦中的表征具有顯著的個體異質性，兩名參與者的核心痛覺腦區完全不同，導致模型無法通用。這標志著慢性疼痛研究正從“普適模式”轉向“個體化治療”時代，雖然臨床普及仍需克服數據采集成本等挑戰，但其對精準鎮痛的指導意義不言而喻。

分享人：天天

審核：PsyBrain 腦心前沿編輯部

你好，這里是「PsyBrain 腦心前沿」

專注追蹤全球認知神經科學的最尖端突破

視野直擊 Nature, Science, Cell 正刊 及 Nat Neurosci, Nat Hum Behav, Neuron, Sci Adv 等核心子刊與頂級大刊

每日速遞「深度解讀」與「前沿快訊」，為你打破信息差

科研是一場探索未知的長跑，但你無需獨行。歡迎志同道合的你加入PsyBrain 學術社群，和一群懂你的同行，共同丈量腦與心智的無垠前沿。

點擊卡片進群，歡迎你的到來

一鍵分享，讓更多人了解前沿