编辑推荐：
为改善癌症疼痛评估与管理，研究人员利用功能性近红外光谱（fNIRS）和虚拟现实（VR）技术展开研究，发现二者在疼痛评估和缓解方面效果显著。
在医学领域，癌症疼痛如同笼罩在患者心头的阴霾，严重影响着他们的生活质量。据统计，约 60 - 80% 的癌症疼痛未得到妥善管理，40% 的患者在生命晚期饱受剧痛折磨，这不仅使患者陷入绝望、抑郁、焦虑的情绪深渊，还导致癌症患者自杀率翻倍。目前，疼痛评估主要依赖患者自我报告的量表和问卷，如简明疼痛量表（Brief Pain Inventory）、MD 安德森症状量表（MD Anderson Symptom Inventory）和麦吉尔疼痛问卷（McGill Pain Questionnaire）等，但这些方法存在主观性强的弊端，部分认知障碍或残疾患者难以准确使用，这一现状迫切需要改变。
为了突破这一困境，来自罗斯威尔公园综合癌症中心（Roswell Park Comprehensive Cancer Center）等机构的研究人员展开了一项极具意义的研究，相关成果发表在《Scientific Reports》上。
在这项研究中，研究人员运用了多种关键技术方法。首先是功能性近红外光谱（fNIRS）技术，它通过近红外光穿透头骨，测量大脑皮层血氧变化来反映神经活动，具有便携、无创的优势。研究中使用无线 Dual Brite 系统和 Oxysoft 3.3 软件收集 rs - fNIRS 数据，从多个脑区进行监测。其次，利用机器学习中的多项逻辑回归（MLR）模型，对 fNIRS 数据进行分析处理。此外，采用虚拟现实（VR）技术，让患者体验大洋洲放松项目，以探究其对疼痛的缓解作用。研究样本包括 13 名健康参与者、41 名参与 VR 干预和 rs - fNIRS 记录的癌症患者以及 93 名仅参与 rs - fNIRS 记录的癌症患者。
研究结果如下：
- 疼痛分类模型的构建与评估：研究人员使用 rs - fNIRS 数据和 MLR 模型对癌症患者的疼痛严重程度进行分类。他们将疼痛分为无 / 轻度（0 - 4/10）、中度（5 - 7/10）和重度（8 - 10/10）三个等级。通过递归特征消除交叉验证（RFECV）选择重要特征，运用留一法交叉验证评估模型性能。最终模型在测试集中的预测准确率达到 74%，验证准确率为 82% ± 1.8%，这表明该模型在临床疼痛管理中具有一定可靠性。
- VR 对疼痛缓解的效果评估：通过威尔科克森符号秩检验（Wilcoxon signed - rank test）发现，VR 干预后患者的疼痛评分显著降低（P<0.001）。75.61% 的患者疼痛减轻超过 30%，达到了临床有意义的疼痛缓解阈值，这充分显示出 VR 在缓解癌症患者疼痛方面的显著效果。
- VR 对 fNIRS 功能连接特征的影响：研究发现，VR 干预后，多个脑区通道对之间的功能连接发生了显著变化。例如，前额叶皮层中通道 17 和 11 之间的 HbO 信号功能连接以及通道 5 和 20 之间的 HbR 信号功能连接，在 VR 干预后均出现显著改变（P<0.05）。这表明 VR 可能通过影响大脑功能连接来调节疼痛感知。
研究结论和讨论部分指出，该研究构建的疼痛严重程度分类模型，为 fNIRS 和机器学习在临床疼痛管理中的应用提供了新的可能，有助于实现更个性化、高效的疼痛护理策略。同时，VR 作为一种非侵入性、非药物的疼痛管理工具，展现出巨大的潜力，其能够显著降低癌症患者的疼痛程度，并且影响与疼痛感知相关的神经回路的功能连接。然而，研究也存在一定局限性，如样本仅来自单一疼痛诊所，缺乏对照或假手术操作，fNIRS 主要测量大脑表面区域活动等。未来研究可进一步拓展样本多样性，深入探究 VR 的长期效果以及其影响功能连接的潜在机制，从而推动癌症疼痛管理领域的发展，为广大癌症患者带来更多的希望和福音。
