慢性腰背痛患者EEG谱特征与疼痛改善及数字化行为干预的纵向关系研究

《Scientific Reports》：Electroencephalographic gamma correlates with pain intensity attenuation in a prospective longitudinal study using an AI-powered digital device for pain self-management

　　

摘要

慢性腰背痛是美國最常見的神经疾病之一。腦電圖（EEG）是識別慢性疼痛生物標誌物的領先無創方法之一，但由於方法學挑戰——包括特徵選擇的變異性、EEG偽影的主觀去除以及對群體層級分析的依賴——其在臨床環境中的驗證仍然有限。在本單中心、前瞻性、縱向研究中，我們調查了接受標準治療的慢性疼痛患者的EEG特徵、透過經驗證的患者報告結果量表（PROMS）問卷獲得的臨床結果，以及透過一款新開發的人工智能驅動手機應用程序Paindrainer PDCC（Paindrainer AB，瑞典隆德）進行每日自我管理疼痛相關身體活動之間的關係。總共納入二十名慢性下背痛或頸痛患者，並在12週期間的3次訪問中進行了評估。結果顯示，隨時間推移，疼痛評分、身體功能和疼痛干擾評分均有顯著改善；然而，在三次訪問之間，群體層級上所有電極和頻段的平均EEG功率光譜密度在統計上並不明顯。然而，logistic回歸分析顯示，疼痛評分降低與gamma功率變化（全局平均以及局域至右顱和左額葉區域）之間存在顯著的名義負相關，儘管這些結果在多重比較校正後未能保持顯著性。Logistic回歸顯示，右顱EEG電極中EEG gamma震盪增強（1 Hz間隔）與疼痛強度降低之間存在統計學上的顯著相關性。這些探索性分析表明，在接受標準治療並補充數字化行為干預的慢性疼痛患者中，自報疼痛結果的改善與EEG光譜特徵的可測量變化呈負相關，未來需要在大規模樣本中進一步驗證。