基于模糊认知图（FCM）的疼痛感知建模：多学科专家共识驱动的计算模型及其在个体化疼痛管理中的应用

本综述系统构建了一种基于模糊认知图（FCM）的疼痛感知计算模型，整合神经生物学、心理、社会及个体差异等多维因素，通过专家共识和模糊逻辑量化因子间复杂相互作用。该模型展现出良好的动态稳定性与临床解释力，为疼痛机制研究、个体化治疗策略及医疗决策支持系统（MDSS）的开发提供了新范式。

　　

摘要

疼痛感知是一个涉及生理、心理和社会因素的多维度机制。本研究基于多学科专家输入，利用模糊认知图（Fuzzy Cognitive Maps, FCM）构建计算模型，以模拟和预测个体疼痛体验。该框架在个体化疼痛管理、药物研发和疼痛研究领域具有潜在应用价值。

引言

疼痛被定义为伴随实际或潜在组织损伤的不适感觉或情感体验，其形成涉及神经生理、免疫、认知、心理、社会及文化层面的复杂互动。疼痛感知并非线性过程，它受到主观解释和环境背景的显著影响，因而亟需能够处理复杂性、主观性和相互依赖关系的计算工具。FCM作为一种可解释且灵活的建模方法，融合了模糊逻辑、神经网络与认知图的优势，适用于表征具有不确定性和因果关系的系统。本研究通过整合多领域专家知识，构建透明、可模拟的FCM模型，以弥补现有疼痛模型在动态交互机制与临床可解释性方面的不足。

材料与方法

研究通过文献回顾确定了6个核心概念：疼痛感知（C1）、脑与神经基础（C2）、心理因素（C3）、社会因素（C4）、个体差异（C5）和组织损伤类型（C6）。采用滚雪球抽样法招募20名专家，涵盖神经内科、疼痛专科、心理学、社会学和遗传学五个领域。通过问卷、模糊矩阵和结构化访谈收集专家对概念间因果关系的评估，使用7级语言尺度（如“极高正影响+VH”、“中度负影响-M”等）进行量化。利用三角隶属函数和质心法去模糊化，生成[-1,1]区间内的权重值，并通过Kosko推理规则进行动态仿真。模型构建与仿真在基于Python的ExpertFCM平台上实现。

结果

模型权重矩阵显示，C1（疼痛感知）对C3（心理因素）和C4（社会因素）分别具有-0.91和-0.78的强负向调节作用；C2（脑与神经机制）对C3和C4分别具有0.91和0.70的正向促进作用，但对C6（组织损伤）呈抑制（-0.71）。个体差异（C5）作为关键中介节点，对多数概念表现出广泛正向影响。中心性分析表明，C2、C3、C4和C5具有较高的度中心性和接近中心性，而C1和C6则更多作为系统端点。社区检测识别出两个群落：C1自成一体，其余五个概念高度互联。模型在多种初始条件下均能收敛至稳定状态，具备良好的动态一致性。

讨论

FCM模型有效整合了疼痛的多维影响因素，突出了大脑中枢调控、心理因素的双向作用（如乐观与疼痛灾难化的不同效应）、社会支持网络的缓冲机制以及个体差异在疼痛体验中的核心地位。与机器学习等“黑箱”模型相比，FCM兼具解释性与动态推演能力，但其依赖专家共识也带来一定主观偏差。未来可通过结合真实临床数据与心理量表（如BDI、GAD-7）进行实证验证，并探索与神经网络等算法的混合建模以提高预测效度。

结论

本研究构建的FCM模型为疼痛感知机制研究提供了系统且可解释的计算框架，凸显了心理与神经因子的核心作用以及个体差异的关键调节功能。尽管存在文化普适性与专家主观性等限制，该模型在临床决策支持系统（CDSS）、个体化干预策略及疼痛机制模拟方面展现出广泛潜力。后续工作应扩大跨文化验证、引入实时生理数据，并深化模型在慢性疼痛分类与治疗响应预测中的应用。

缩写

FCM：模糊认知图；CSV：逗号分隔值；MDSS：医疗决策支持系统；QTL：数量性状基因座；VH：极高；H：高；M：中；L：低；VL：极低；C1–C6：概念1至6；EFIC：欧洲疼痛联合会。