癌症疼痛管理新突破：脑功能连接特征+VR技术的双轨创新方案
2025-12-24 来源:本站 点击次数:111
癌症疼痛管理新突破：脑功能连接特征 + VR 技术的双轨创新方案
引言
疼痛，尤其是癌症相关疼痛（cancer-related pain），是全球的重大健康挑战。据文献报道，估计有60–80% 的癌痛未得到妥善处理。无法得到有效控制的疼痛会严重影响许多癌症患者的生活质量以及他们对于治疗的依从性。目前临床评估疼痛严重程度的“金标准”仍是患者的主观自述量表，这种方法的固有局限是患者主观性可能引入偏差，且对于存在认知障碍或沟通困难的患者往往不适用。因此开发一种客观的疼痛评估方法，对于实现精准、个性化的疼痛管理至关重要。近年来功能性近红外光谱技术（functional near-infrared spectroscopy, fNIRS） 因其便携、非侵入、耐运动的特性，特别适合在临床环境中监测大脑皮层活动。与此同时，作为一种非药物干预手段，虚拟现实技术（Virtual Reality, VR） 在通过注意力分散管理疼痛方面展现出潜力，但其发挥镇痛作用的神经生理学机制尚不明确。
为此，Somayeh B. Shafiei团队开展了一项研究，旨在利用静息态fNIRS与机器学习对癌症患者的疼痛严重程度进行客观分类；以及评估VR干预对疼痛强度及大脑功能连接的即时影响。该研究以题“Pain classification using functional near infrared spectroscopy and assessment of virtual reality effects in cancer pain management”发表于《Scientific Reports》。
研究方法
被试
研究共纳入147名参与者，分为三组：
A组（健康对照组）：13名无疼痛的健康志愿者，用于建立基线； B组（VR干预组）：41名患有癌痛的患者，在接受VR干预前后分别进行评估；C组（癌痛对照组）：93名患有癌痛的患者，仅接受单次评估，不接受VR干预。
实验流程
A组与C组：完成疼痛自评后，进行10分钟的静息态fNIRS数据采集（闭眼、保持清醒）。B组：流程包括：疼痛自评 → 第一次rs-fNIRS记录（10分钟）→ 9分钟的“Oceania”海洋放松VR程序体验（使用Meta Quest 2头显）→ 第二次rs-fNIRS记录（10分钟）→ 疼痛自评。
疼痛评估：使用面部疼痛量表修订版（Faces Pain Scale–Revised, FPS-R, 0-10分）。将得分归类为三个临床等级：无/轻度疼痛（0-4分）、中度疼痛（5-7分）、重度疼痛（8-10分）。
脑活动记录：使用Artinis Medical Systems的无线Dual Brite fNIRS系统及Oxysoft 3.3软件。参与者佩戴装有44个通道（channels）的头帽，光源与探测器按特定排布覆盖前额叶皮层（PFC）、额上回（SFG）及左右顶叶皮层（parietal cortex） 等区域（如图2）。
数据分析
- fNIRS数据预处理：使用基于MATLAB的NIRS工具箱进行。步骤包括：将光强度转换为光密度、使用主成分分析（PCA）和运动校正函数去除生理噪声与运动伪影、应用0.01-0.1 Hz的带通滤波，最后依据修正的比尔-朗伯定律计算氧合血红蛋白（HbO） 和脱氧血红蛋白（HbR） 的相对浓度变化。
- 特征提取：计算所有44个通道两两之间HbO与HbR信号在频域的相干性，共提取1892个功能连接特征（functional connectivity features）。
- 统计分析：VR干预前后疼痛评分及脑特征的比较，采用威尔科克森符号秩检验（Wilcoxon signed-rank test）。以 P值 < 0.05 为具有统计学显著性。
客观疼痛分类
结合主观评估的疼痛程度标签（无 / 轻度、中度、重度三类），研究者对提取出的 1892 个反映大脑网络协作模式的 fNIRS 功能连接特征（HbO 和 HbR 信号各 946 个）进行分类训练。首先，采用包含三类输出的多项式逻辑回归（MLR）作为核心模型。为优化模型关键参数并控制偏倚，在留一参与者交叉验证（LOPO-CV）的外层框架下，嵌套了重复 5 次的分层 5 折交叉验证，分层设计确保各折中疼痛类别分布与原数据一致。
模型训练中，为应对不同疼痛等级样本数量不均的问题，研究者仅在每层交叉验证的训练折中，应用 k 近邻数 = 5 的合成少数类过采样技术（SMOTE），通过在少数类样本与其 5 个最近邻样本间插值生成合成样本，平衡三类疼痛的样本数量，且同一参与者的样本仅归入训练折或验证折中的一类，避免产生虚假泛化能力。
模型在LOPO-CV框架下进行严格测试，具体做法为：每次预留 1 名 “完整参与者” 的所有样本作为测试集，其余所有参与者的样本作为训练集，循环至所有参与者均单独作为测试集一次，彻底避免同一被试的多个样本分散到训练集和测试集，同样避免产生虚假泛化能力。最终，运用递归特征消除交叉验证（RFECV）（以 MLR 为估计器）从海量特征中自动筛选出 15 个对区分疼痛等级最关键的大脑连接特征。
主要结果
对疼痛严重程度的主观和客观评估分类
疼痛主观量表评分：B组疼痛评分：VR前4±2.01分，VR后2±1.59分；C组疼痛评分：5±2.7分。
疼痛客观模型算法评分：本研究共筛选出 15 个特征用于模型构建。嵌套在留一参与者交叉验证框架内的所有交叉验证步骤，其平均验证准确率为 82% ± 1.8%。
将测试样本的真实标签与预测标签构建混淆矩阵，同样采用留一法对所有参与者重复执行，结果（图3）显示MLR模型在对测试样本中的疼痛程度进行分类时表现出了良好的性能，这一事实证明了该模型在临床疼痛管理中的可靠性——准确的疼痛程度分类有助于制定个性化的治疗方案。
评估VR技术在缓解疼痛方面的效果
Wilcoxon符号秩检验结果表明，VR干预后感知疼痛严重程度显著降低（P < 0.001）。在临床环境中，疼痛程度降低30%或以上通常被认为是一个具有实际意义的基准标准，这一变化往往与患者的生活质量、功能状态以及整体健康状况的显著改善密切相关。75.61%的患者疼痛缓解超过30%（见图4以及图5），疼痛评分平均从VR前4分降至VR后2分，下降50%。这些结果强烈支持VR作为癌症患者疼痛管理的有效非药物干预措施。
VR技术对fNIRS功能连接特征的影响
VR干预导致多个通道对之间的功能连接发生显著变化，研究制作了热图来展示相应的p值（见图6）。具体发现包括：前额叶皮层内的HbO功能连接发生显著变化，例如通道17和11之间的连接（P = 0.001）。
本研究结果表明，虚拟现实（VR）作为一种非药物、无创的干预工具，能有效降低癌症患者的疼痛感知，其作用机制可能在于特异性调节与疼痛相关的神经回路——这一点得到了基于功能性近红外光谱（fNIRS）的机器学习模型的高准确性以及所观测到的脑功能连接显著变化的支持。与以往多数聚焦于诱发痛的研究不同，本工作在对临床自然状态癌痛的客观分类与机制探索方面取得了重要进展。未来研究可在此基础上，进一步优化模型以实现对疼痛的精准区分，并探究VR干预的长期效应与个性化方案，从而为疼痛管理提供更具突破性的神经调控策略。
原文链接
Shafiei, S.B., Shadpour, S., Pangburn, B. et al. Pain classification using functional near infrared spectroscopy and assessment of virtual reality effects in cancer pain management. Sci Rep 15, 8954 (2025).
https://doi.org/10.1038/s41598-025-93678-y
研究团队介绍
本研究由美国罗斯威尔公园综合癌症中心牵头，汇集了来自智能癌症护理实验室、疼痛医学科、门诊与支持护理部以及加拿大圭尔夫大学的多学科专家。团队深度融合临床医学、神经工程与数据科学，致力于利用前沿科技破解癌症疼痛管理的难题。
关于维拓启创
维拓启创（北京）信息技术有限公司成立于2006年，是一家专注于脑科学、康复工程、人因工程、心理学、体育科学等领域的科研解决方案供应商。公司与国内外多所大学、研究机构、企业长期保持合作关系，致力于将优质的产品、先进的技术和服务带给各个领域的科研工作者，为用户提供有竞争力的方案和服务，协助用户的科研工作，持续提升使用体验。
相关产品
引言
疼痛，尤其是癌症相关疼痛（cancer-related pain），是全球的重大健康挑战。据文献报道，估计有60–80% 的癌痛未得到妥善处理。无法得到有效控制的疼痛会严重影响许多癌症患者的生活质量以及他们对于治疗的依从性。目前临床评估疼痛严重程度的“金标准”仍是患者的主观自述量表，这种方法的固有局限是患者主观性可能引入偏差，且对于存在认知障碍或沟通困难的患者往往不适用。因此开发一种客观的疼痛评估方法，对于实现精准、个性化的疼痛管理至关重要。近年来功能性近红外光谱技术（functional near-infrared spectroscopy, fNIRS） 因其便携、非侵入、耐运动的特性，特别适合在临床环境中监测大脑皮层活动。与此同时，作为一种非药物干预手段，虚拟现实技术（Virtual Reality, VR） 在通过注意力分散管理疼痛方面展现出潜力，但其发挥镇痛作用的神经生理学机制尚不明确。
文章信息
为此，Somayeh B. Shafiei团队开展了一项研究，旨在利用静息态fNIRS与机器学习对癌症患者的疼痛严重程度进行客观分类；以及评估VR干预对疼痛强度及大脑功能连接的即时影响。该研究以题“Pain classification using functional near infrared spectroscopy and assessment of virtual reality effects in cancer pain management”发表于《Scientific Reports》。
研究方法
被试
研究共纳入147名参与者，分为三组：
A组（健康对照组）：13名无疼痛的健康志愿者，用于建立基线； B组（VR干预组）：41名患有癌痛的患者，在接受VR干预前后分别进行评估；C组（癌痛对照组）：93名患有癌痛的患者，仅接受单次评估，不接受VR干预。
图1. 在进行大洋洲虚拟现实体验前后，fNIRS数据采集过程的示意图
实验流程
A组与C组：完成疼痛自评后，进行10分钟的静息态fNIRS数据采集（闭眼、保持清醒）。B组：流程包括：疼痛自评 → 第一次rs-fNIRS记录（10分钟）→ 9分钟的“Oceania”海洋放松VR程序体验（使用Meta Quest 2头显）→ 第二次rs-fNIRS记录（10分钟）→ 疼痛自评。
疼痛评估：使用面部疼痛量表修订版（Faces Pain Scale–Revised, FPS-R, 0-10分）。将得分归类为三个临床等级：无/轻度疼痛（0-4分）、中度疼痛（5-7分）、重度疼痛（8-10分）。
脑活动记录：使用Artinis Medical Systems的无线Dual Brite fNIRS系统及Oxysoft 3.3软件。参与者佩戴装有44个通道（channels）的头帽，光源与探测器按特定排布覆盖前额叶皮层（PFC）、额上回（SFG）及左右顶叶皮层（parietal cortex） 等区域（如图2）。
图2. 静息状态下fNIRS检测系统的结构示意图。该图展示了如何使用无线Dual Brite系统（Artinis公司生产）来布置发光源与接收检测器，从而采集fNIR数据
数据分析
- fNIRS数据预处理：使用基于MATLAB的NIRS工具箱进行。步骤包括：将光强度转换为光密度、使用主成分分析（PCA）和运动校正函数去除生理噪声与运动伪影、应用0.01-0.1 Hz的带通滤波，最后依据修正的比尔-朗伯定律计算氧合血红蛋白（HbO） 和脱氧血红蛋白（HbR） 的相对浓度变化。
- 特征提取：计算所有44个通道两两之间HbO与HbR信号在频域的相干性，共提取1892个功能连接特征（functional connectivity features）。
- 统计分析：VR干预前后疼痛评分及脑特征的比较，采用威尔科克森符号秩检验（Wilcoxon signed-rank test）。以 P值 < 0.05 为具有统计学显著性。
客观疼痛分类
结合主观评估的疼痛程度标签（无 / 轻度、中度、重度三类），研究者对提取出的 1892 个反映大脑网络协作模式的 fNIRS 功能连接特征（HbO 和 HbR 信号各 946 个）进行分类训练。首先，采用包含三类输出的多项式逻辑回归（MLR）作为核心模型。为优化模型关键参数并控制偏倚，在留一参与者交叉验证（LOPO-CV）的外层框架下，嵌套了重复 5 次的分层 5 折交叉验证，分层设计确保各折中疼痛类别分布与原数据一致。
模型训练中，为应对不同疼痛等级样本数量不均的问题，研究者仅在每层交叉验证的训练折中，应用 k 近邻数 = 5 的合成少数类过采样技术（SMOTE），通过在少数类样本与其 5 个最近邻样本间插值生成合成样本，平衡三类疼痛的样本数量，且同一参与者的样本仅归入训练折或验证折中的一类，避免产生虚假泛化能力。
模型在LOPO-CV框架下进行严格测试，具体做法为：每次预留 1 名 “完整参与者” 的所有样本作为测试集，其余所有参与者的样本作为训练集，循环至所有参与者均单独作为测试集一次，彻底避免同一被试的多个样本分散到训练集和测试集，同样避免产生虚假泛化能力。最终，运用递归特征消除交叉验证（RFECV）（以 MLR 为估计器）从海量特征中自动筛选出 15 个对区分疼痛等级最关键的大脑连接特征。
主要结果
对疼痛严重程度的主观和客观评估分类
疼痛主观量表评分：B组疼痛评分：VR前4±2.01分，VR后2±1.59分；C组疼痛评分：5±2.7分。
疼痛客观模型算法评分：本研究共筛选出 15 个特征用于模型构建。嵌套在留一参与者交叉验证框架内的所有交叉验证步骤，其平均验证准确率为 82% ± 1.8%。
将测试样本的真实标签与预测标签构建混淆矩阵，同样采用留一法对所有参与者重复执行，结果（图3）显示MLR模型在对测试样本中的疼痛程度进行分类时表现出了良好的性能，这一事实证明了该模型在临床疼痛管理中的可靠性——准确的疼痛程度分类有助于制定个性化的治疗方案。
图3. 主观友好情感评分描述性统计结果
评估VR技术在缓解疼痛方面的效果
Wilcoxon符号秩检验结果表明，VR干预后感知疼痛严重程度显著降低（P < 0.001）。在临床环境中，疼痛程度降低30%或以上通常被认为是一个具有实际意义的基准标准，这一变化往往与患者的生活质量、功能状态以及整体健康状况的显著改善密切相关。75.61%的患者疼痛缓解超过30%（见图4以及图5），疼痛评分平均从VR前4分降至VR后2分，下降50%。这些结果强烈支持VR作为癌症患者疼痛管理的有效非药物干预措施。
图4. 每位参与者虚拟现实（VR）干预前后的感知疼痛程度评分
图5. VR干预后癌症患者的感知疼痛缓解情况
VR技术对fNIRS功能连接特征的影响
VR干预导致多个通道对之间的功能连接发生显著变化，研究制作了热图来展示相应的p值（见图6）。具体发现包括：前额叶皮层内的HbO功能连接发生显著变化，例如通道17和11之间的连接（P = 0.001）。
图6. VR干预前后，功能性连接特征（fNIRS通道之间的连接关系）的Wilcoxon符号秩检验结果。（A）氧合血红蛋白（HbO）功能连接特征的 P 值；（B）去氧血红蛋白（HbR）功能连接特征的 P 值；（C）41 名参与者中，经 VR 干预发生显著变化的特征里，氧合血红蛋白（HbO）功能连接特征的统计学显著变化 P 值(P<0.05\)；（D）41 名参与者中，经 VR 干预发生显著变化的特征里，去氧血红蛋白（HbR）功能连接特征的统计学显著变化 P 值(P<0.05）
图7展示了VR干预与不同通道对之间的功能连接性变化之间的关系，同时列出了各项特征对应关联的估算系数及其统计学显著性（P 值）。研究的重要发现包括：多个通道对的功能连接出现了显著性变化（P 值小于 0.05）。
图7. 利用fNIRS功能连接特征对VR干预前后的状态的逻辑回归模型
总结与讨论 本研究结果表明，虚拟现实（VR）作为一种非药物、无创的干预工具，能有效降低癌症患者的疼痛感知，其作用机制可能在于特异性调节与疼痛相关的神经回路——这一点得到了基于功能性近红外光谱（fNIRS）的机器学习模型的高准确性以及所观测到的脑功能连接显著变化的支持。与以往多数聚焦于诱发痛的研究不同，本工作在对临床自然状态癌痛的客观分类与机制探索方面取得了重要进展。未来研究可在此基础上，进一步优化模型以实现对疼痛的精准区分，并探究VR干预的长期效应与个性化方案，从而为疼痛管理提供更具突破性的神经调控策略。
原文链接
Shafiei, S.B., Shadpour, S., Pangburn, B. et al. Pain classification using functional near infrared spectroscopy and assessment of virtual reality effects in cancer pain management. Sci Rep 15, 8954 (2025).
https://doi.org/10.1038/s41598-025-93678-y
研究团队介绍
本研究由美国罗斯威尔公园综合癌症中心牵头，汇集了来自智能癌症护理实验室、疼痛医学科、门诊与支持护理部以及加拿大圭尔夫大学的多学科专家。团队深度融合临床医学、神经工程与数据科学，致力于利用前沿科技破解癌症疼痛管理的难题。
关于维拓启创
维拓启创（北京）信息技术有限公司成立于2006年，是一家专注于脑科学、康复工程、人因工程、心理学、体育科学等领域的科研解决方案供应商。公司与国内外多所大学、研究机构、企业长期保持合作关系，致力于将优质的产品、先进的技术和服务带给各个领域的科研工作者，为用户提供有竞争力的方案和服务，协助用户的科研工作，持续提升使用体验。
相关产品
相关文章
更多 >