解决慢性疼痛难题的机器学习搜索

UNIVERSITY OF CALIFORNIA, SAN FRANCISCO

旧金山加州大学的科学家和临床医生正在开发研究和潜在治疗慢性疼痛的新方法。在最近发表在《自然神经科学》上的一篇论文中，Prasad Shirvalkar博士和他团队的医生和研究人员研究了慢性疼痛类型如何在大脑活动记录中表现出来。

加州大学旧金山分校疼痛管理中心的神经学家和疼痛专家Shirvalkar正在研究和治疗中枢疼痛综合征，这是一种由中枢神经系统功能障碍引起的慢性疼痛。治疗这种情况很困难，部分原因是它不是由外部来源或受损的身体部位产生的。使问题进一步复杂化的是，缺乏关于不同类型的疼痛（包括急性和慢性）如何在神经系统中表现的具体知识。Shirvalkar说：“事情不会发生在大脑区域，而是发生在协调细胞的分布式回路中。” 他指的是疼痛如何在神经活动模式中表现出来。某些大脑区域可能有助于某些类型的信息处理，但它们本身并不能完成任何特定的任务。

慢性神经性疼痛样中枢疼痛综合征的一种治疗方法是使用脑深部刺激（DBS）来操纵引起疼痛的神经活动。DBS还用于治疗其他神经疾病，如帕金森氏症和更严重的抑郁症。然而，在慢性疼痛的情况下，很难确切知道DBS电极的位置，这样刺激它们可以有效地分流引起疼痛的大脑活动。

为了更好地了解中枢疼痛是如何从大脑功能中产生的，本研究观察了四名中枢性疼痛综合征患者的神经活动记录，其中三名患者在中风后恢复时出现慢性疼痛，一名患者在右腿膝盖以上截肢后出现幻肢疼痛，并将神经活动与问卷调查和每位患者报告的0至10分疼痛评分联系起来。研究人员记录了放置在患者眶额皮质（OFC）和前扣带皮质（ACC）的颅内电极的数据，这两个大脑区域以前与疼痛感有关。

每位患者都接受了手术，将神经记录和刺激平台植入他们的大脑。这种设备是便携式的，可以让每个患者了解自己的生活，并记录代表他们日常中枢疼痛经历的数据。手机应用程序定期提醒患者注意他们当前的疼痛程度，并记录神经植入物30秒的脑电波数据（皮层电图和局部场电位）。

Shirvalkar和他的合作者使用机器学习将神经活动的特征与每位患者在每次大脑记录前报告的疼痛水平联系起来。这些特征代表了从ACC和OFC的不同位置收集的神经记录中不同频率的相对存在，被发现与每个受试者的高和低疼痛状态可靠相关。然而，这些关联的模式——哪些频率具有最大的功率——大脑的位置因患者而异。

UNIVERSITY OF CALIFORNIA, SAN FRANCISCO

尽管他们观察到患者之间与慢性疼痛相关的大脑活动存在差异，但研究人员也确实发现了他们之间存在的一些共性。具体来说，Shirvalkar和他的团队发现，在所有患者中，低频功率，特别是1到4赫兹之间的德尔塔波，在较低的OFC区域增加。这些区域也位于大脑的一侧，与患者疼痛的一侧相对或对侧。Shirvalkar说：“模型中适合预测个体患者疼痛的前十个特征是不同的，但出现的主要模式是对侧OFC，这令人惊讶。这些患者的身体只有一个部位疼痛，这给了我们一个机会。当涉及到疼痛时，我们对大脑的偏侧性了解不多。这是一件模糊的事情。”

国家疼痛倡导中心创始人兼执行主任Kate Nicholson表示，这项研究可能会更好地量化疼痛，并为那些患有中枢性疼痛障碍和其他导致慢性疼痛的疾病的患者提供治疗。

Nicholson说：“寻找疼痛表型的客观指标是圣杯。除了主观报告外，这将有助于治疗疼痛。尽管这项研究只观察了四个人，以及一种非常特殊的神经性疼痛，但他们的发现确实很有趣。这非常令人兴奋，但这仅仅是第一阶段。”

接下来，Shirvalkar计划将他们的发现纳入更好的慢性疼痛刺激治疗中。“这项研究只是触及了表面，”Shirvalkar说，“未来，我们可以有一种刺激器来改变刺激的频率和位置。这是一个变化的目标：当你进行刺激时，会改变大脑的状态。你试图跟踪大脑的自然波动，然后试图了解该刺激在做什么，进而将这些整合到一个共同的模型中。”