发布时间：2024-10-14

文章标题：基于能量景观的慢性疼痛脑状态异常动力学指标新发现，The Journal of Pain 2024

内容：

近日，西安交通大学类脑智能研究中心在疼痛领域的权威期刊《The Journal of Pain》发表题为Brain Network Dynamics in Women With Primary Dysmenorrhea During the Pain-Free Periovulation Phase的研究论文。该工作基于统计物理方法，对原发性痛经（PDM）患者静息态脑功能影像数据进行了分频带能量景观建模，发现其大脑主状态间切换模式的异常，阐述了慢性疼痛患者脑功能网络分离强度、主状态切换模式异常以及疼痛灾难化的潜在联系。该研究为PDM患者疼痛感受异常及认知功能变化的机制提供了新的见解，相关的脑网络非平衡态动力学指标期望能够成为慢性疼痛临床研究的潜在生物标志物。

 

研究亮点：神经影像学研究结果表明与健康对照组相比，PDM患者在无痛期仍表现出大脑结构和功能的改变。然而，目前对PDM患者在无痛期的大脑动态变化知之甚少。本文采用统计物理领域的能量景观（EL）理论，结合脑功能BOLD数据的分频带分析方法，对PDM患者的静息态脑功能影像数据进行建模，研究PDM患者在无痛排卵期的大尺度脑功能网络的动力学行为。根据对BOLD数据的典型频带（0.01-0.08HZ）及子频带Slow5（0.01-0.027HZ）和Slow4（0.027-0.073HZ）的分析发现，PDM患者的Slow4频带的脑活动集中出现了异常的主状态间跳转动力学，异常动力学指标与慢性疼痛相关的大尺度脑功能网络的分离强度及患者疼痛灾难化临床量表（PCS）评分相关。基于本文发现的脑状态异常动力学指标的进一步深入研究有助于理解伤害性感受信息转化为主观痛感体验的中枢神经机制，进而为疼痛的临床干预提供支持。

 

 

脑功能BOLD数据的分频带能量景观建模流程图

 

 

论文链接：X. Su, Y. Li, H. Liu, S. An, N. Yao, C. Li, M. Shang, L. Ma, J. Yang, J. Li, M. Zhang, W. Dun*, Z.-G. Huang*, "Brain Network Dynamics in Women With Primary Dysmenorrhea During the Pain-Free Periovulation Phase." The Journal of Pain (2024): 104618. https://doi.org/10.1016/j.jpain.2024.104618