中國科學院心理健康重點實驗室涂毅恒研究組和胡理研究組合作在《SCIENCE CHINA Life Sciences》上發表題為《Magnetic resonance imaging for chronic pain: diagnosis, manipulation, and biomarkers》的綜述文章，對磁共振成像技術在慢性疼痛領域取得的重要成果進行了回顧和展望。
圖1雜志封面介紹運用多模態磁共振成像和人工智能技術研究慢性疼痛
文章分為三大部分。第一部分首先依據國際疼痛研究學會對于慢性疼痛的分類，詳細介紹了磁共振成像技術研究局部和廣泛的慢性原發性疼痛、慢性原發性頭痛和慢性口面痛、慢性肌肉骨骼痛和慢性神經病理性疼痛的進展和成果，發現磁共振成像技術既能夠揭示不同種類慢性疼痛特異的異常腦機制，也能夠探明慢性疼痛(如偏頭痛)在不同條件和不同發病階段的異常腦機制。此外，通過使用元分析定位慢性疼痛相關的腦功能和腦結構異常，該研究發現慢性疼痛患者出現的功能異常主要位于島葉(INS)、中央后回(PoCG)、丘腦(THA)、扣帶回中部皮質(MCC)、杏仁核(AMY)、海馬(HIP)和扣帶回后部皮質(PCC);而結構異常主要位于內側前額葉(mPFC)、海馬(HIP)、中央后回(PoCG)和額下回(IFG)(圖2)。
圖 2 元分析(Meta-Analysis)結果
文章的第二部分介紹了磁共振成像技術如何將腦功能和結構的變化，與慢性疼痛的治療效果(包括藥物、神經調控和針灸治療)聯系起來：既揭示多種有效治療手段的相關腦機制，也促進了新治療方法的開發(如視頻引導的針刺治療)。此外，磁共振成像數據可以為新型神經調控技術提供更加精準甚至是個性化的調控靶點，有助于實現慢性疼痛的精準干預。文章的第三部分介紹了運用機器學習技術探索大規模、多維度的臨床數據和磁共振成像數據從而識別慢性疼痛生物學指標(包括診斷指標、預后指標和預測指標)的進展。文章以識別診斷生物學指標為例，介紹了開展相關研究的流程，并強調了評估診斷生物學指標的重要標準，包括敏感性(即診斷病人的準確率)、特異性(即特異于某一類慢性疼痛)以及泛化性(即在不同病人群體中泛化能力)。最后，文章總結了機器學習與腦成像的結合用于識別慢性疼痛生物標記物的潛力和應用價值，未來研究仍需在個體變異性、生物標記物的特異性和臨床轉化上做出努力。
圖 3 使用機器學習開發慢性疼痛診斷生物標記物的流程圖
該研究受國家自然科學基金委項目(32071061, 31822025, 31671141, 31800926)和中國科學院心理研究所科學基金會(E0CX521003)的資助。研究成果在線發表于：《中國科學：生命科學》(SCIENCE CHINA Life Sciences)。
