疼痛敏感性存在较大的个体差异。目前，学界对于疼痛敏感性个体差异的神经基础尚不明晰。近期，中国科学院心理研究所科研团队，开展了一项大样本研究，即利用总样本量达1046的六个功能磁共振数据集，系统探究了脑激活是否可反映疼痛敏感性个体差异这一问题，并开发了高度可泛化的疼痛敏感性神经生物标记物。研究团队通过分析自主采集的大样本功能磁共振数据集发现，疼痛刺激诱发的脑激活与疼痛敏感性存在显著相关，这一结果在另一个大样本数据集中也得到了验证。研究团队进一步利用重采样的方法，发现样本量对脑激活与疼痛敏感性的相关性有很大影响。随后，研究团队通过对非痛刺激诱发脑激活分析发现，脑激活和非痛感觉敏感性个体差异也存在相关，但其显著弱于脑激活和疼痛敏感性的相关。这说明脑激活和感觉敏感性个体差异的关系并非是疼痛特异的，但脑激活对疼痛敏感性的编码具有一定的偏向性。基于上述研究结果，研究团队利用机器学习技术开发了一个疼痛敏感性预测模型（NIPS）。该模型在激光热痛、接触式热痛、机械诱发痛中，均显示出对疼痛敏感性的显著预测能力。同时，NIPS可预测带状疱疹后遗神经痛（PHN）患者的疼痛敏感性。研究团队通过对比NIPS和经典疼痛预测模型发现，NIPS在所有数据集中，均可显著预测疼痛敏感性，且NIPS可预测安慰剂和经皮神经电刺激的镇痛作用。上述结果证明，NIPS具有高度可泛化性，且具备潜在的临床应用价值。该研究揭示了在样本量较大的前提下，疼痛诱发脑激活可稳定反映疼痛敏感性个体差异，并开发出高度可泛化的疼痛敏感性神经生物标记物，解决了脑激活是否可反映疼痛敏感性这一难题，为客观量化疼痛敏感性提供了关键脑指标。这一成果对基于脑活动的疼痛慢性化早期筛查，和开发个体化的疼痛干预手段，具有重要启示意义。相关研究成果发表在《先进科学》（Advanced Science）上。研究工作得到国家自然科学基金委员会、科学技术部等的支持。论文链接 研究问题、数据集和实验设计概况脑激活反映疼痛敏感性个体差异