从分布式颅内记录中解码慢性疼痛状态

慢性疼痛会调动分布于皮层和皮层下的广泛神经回路，而在人类中开展大规模颅内记录为表征其神经特征提供了宝贵机会。在本研究中，我们对六名难治性慢性神经病理性疼痛参与者进行了持续多日的立体定向脑电图（sEEG）记录；每位参与者均植入了覆盖数十个皮层及皮层下结构的 sEEG 电极。结合同时采集的慢性疼痛评分，我们在个体内对自发性高疼痛状态与低疼痛状态进行了译码（曲线下面积中位数 = 0.72；六名参与者中有五名的表现高于随机水平）。疼痛预测信号分布广泛，并且具有很强的个体特异性。然而，对疼痛预测特征空间分布的映射显示，这些特征在经典宏观尺度网络中具有优先表征：默认模式网络中的 β 频段活动，以及显著性网络中的高伽马频段活动。这些结果表明，颅内记录能够捕捉到对自发性慢性疼痛状态的分布式、按网络组织的表征。

本网站正在使用一项安全服务来保护自身免受网络攻击。您刚才执行的操作触发了该安全解决方案。可能触发此拦截的行为有多种，包括提交某个特定词语或短语、SQL 命令或格式错误的数据。

您可以向网站所有者发送电子邮件，告知您被拦截的情况。请在邮件中说明该页面出现时您正在进行的操作，并附上本页面底部显示的 Cloudflare Ray ID。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.16.732555v1?rss=1

🏷️ 慢性疼痛 颅内记录 立体定向脑电图 疼痛解码 默认模式网络 显著性网络