PsyBrain 脑心前沿 / 科研分析：认知神经科学前沿的结构化精读 / Y · 脑疾病与临床 / Y043 · NatNeurosci半年、20次扫描，密集纵向功能连接

Y043 Nat Neurosci | 半年、20次扫描，密集纵向功能连接组学揭示慢性疼痛的动态神经指纹

来源：公众号 PSY-Brain_Frontier ｜发布：2026-03-21 ｜原文链接

一键关注，点亮星标 ⭐️ 前沿不走丢！

认知神经科学前沿文献分享

基本信息

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

发表时间：2026-03-05

发表期刊: Nature Neuroscience

影响因子：20

获取原文：

*添加小助手:*PSY-Brain-Frontier即可获取PDF版本
点击页面底部“阅读原文”即可跳转论文原网页

精准疼痛指纹

自发性疼痛作为慢性疼痛的核心特征，其临床评估长期依赖于患者的自我报告。然而，自我报告虽然本质，却极易受到语境干扰且难以反映底层的生物过程。随着慢性疼痛被视为一种涉及中枢神经系统的疾病，功能磁共振成像（fMRI）已成为开发疼痛生物标志物的关键工具。但传统研究多受限于少数几次的时间采样，忽略了疼痛动态波动的本质，这限制了临床转化的潜能。为了突破这一瓶颈，研究者提出了一种高密度的纵向采样策略，试图在个体水平上捕捉疼痛的瞬时变化规律，这不仅是对传统横断面试验设计的挑战，更是迈向精准神经医学的关键一步。

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

在超过半年的时间里，两名纤维肌痛患者接受了20余次密集fMRI扫描，并在扫描过程中持续记录自发痛强度。研究者利用边缘时间序列方法估算随时间变化的功能连接模式，训练出的个性化机器学习模型成功实现了对疼痛波动的精确追踪。如Figure 1a所示，这种密集采样的实验设计使研究者能够获取涵盖不同天数和情绪状态的海量数据，确保模型能捕捉到分钟级、运行期级乃至会话级的疼痛趋势。这种精准映射方法捕捉的是疼痛在每个体大脑中的具象化呈现，而非群体层面的统计平均，预测结果与患者自述的高度一致性证明了该模型作为客观辅助工具的巨大潜力。

然而，这项研究最震撼的发现在于疼痛表征的极端个体化：针对一名患者训练的模型在另一名患者身上完全失效，无法进行任何有效的跨个体预测。如Figure 1b所示，对特征重要性的分析揭示，在预测疼痛时贡献最大的前五个脑区在两名受试者之间竟然没有任何重合，这直接证明了慢性疼痛是一种独特且个体化的状态。专家评论认为，这一结果是对传统“寻找通用疼痛签名”路径的有力补充，甚至可能改写未来的镇痛策略: 从开发通用药物转向针对个体神经特征的精准干预。尽管密集采样的成本与可行性仍是临床转化的障碍，但这一里程碑式的发现无疑为人类理解、评估并最终攻克慢性疼痛开辟了全新的视野。

省流总结

本研究通过对纤维肌痛患者进行长达半年的密集纵向脑成像，成功构建了能精准追踪个体自发痛波动的神经解码模型。研究证实疼痛在大脑中的表征具有显著的个体异质性，两名参与者的核心痛觉脑区完全不同，导致模型无法通用。这标志着慢性疼痛研究正从“普适模式”转向“个体化治疗”时代，虽然临床普及仍需克服数据采集成本等挑战，但其对精准镇痛的指导意义不言而喻。

分享人：天天

审核：PsyBrain 脑心前沿编辑部

💡 关于我们

👋 你好，这里是「PsyBrain 脑心前沿」

🧠 专注追踪全球认知神经科学的最尖端突破

🔍视野直击 Nature, Science, Cell 正刊及 Nat Neurosci, Nat Hum Behav, Neuron, Sci Adv 等核心子刊与顶级大刊

📄 每日速递「深度解读」与「前沿快讯」，为你打破信息差

科研是一场探索未知的长跑，但你无需独行。欢迎志同道合的你加入 PsyBrain 学术社群，和一群懂你的同行，共同丈量脑与心智的无垠前沿。

👇点击卡片进群，欢迎你的到来👇