随着国内疼痛诊疗迈向综合管理的新阶段，疼痛评估的重要性也更加凸显，已被纳入为900余家疼痛管理试点医院的入院评估常规项目。如何将疼痛的主观评价“迭代”为客观评价，也将成为医院疼痛管理中的重要课题。
20余种评估量表，依赖于患者的主观感受
疼痛评估是疼痛管理流程的第一步，贯穿于疼痛诊疗始终，对实施镇痛和制定患者后续治疗方案都十分关键。目前国际上的疼痛评估量表主要有20余种，国内常用的翻译版疼痛量表有14种，包括神经病理性疼痛筛查专用量表、单维度疼痛量表等类别，供临床根据实际情况选择使用。
由于疼痛评估量表的使用主要依赖于患者的主观感受和情感体验，使疼痛程度的可靠性存疑。国外一项调查显示，受访者普遍认为人们会倾向于夸大自己的痛感。而对于部分老年人、婴幼儿等群体来说，自我评估疼痛的能力有限，且难以区分原发性或躯体性疼痛。这些问题阻碍了治疗方案的选择，也促使临床积极探索客观准确的疼痛评估方法。
疼痛的客观评价可理解为不受执行者的主观影响、不受患者交流能力的限制，且测量方法具备敏感性、特异性和准确性。目前大量研究将肌电图（EMG）、脑电图（EEG）、心电图（ECG）等生物电信号用于疼痛评估，并结合可穿戴设备、人工智能技术的数据采集分析能力，增强评估的客观性。
在近期发表的一项系统性综述中， 纳入了48项与客观疼痛评估相关的研究，经分析发现，56%的研究使用心电图、皮肤电活动（EDA）等生理信号评估疼痛，42%的研究使用脑电图、功能性近红外光谱（fNIRS）等神经信号评估疼痛。其中，应用最广泛的依次是EDA、ECG、EEG三种（图1）。
心电图信号代表心脏的收缩活动，其与疼痛相关的2个关键参数是心率和心率变异性。脑电图记录着脑细胞群的电活动信息，Saab等人发现大脑的θ波在疼痛时会升高，患者服用止痛药后θ活性降至正常水平。功能性近红外光谱fNIRS提供了一种非侵入性的监测大脑动态的方法，其较EEG有更高的空间分辨率，可更准确地识别响应疼痛变化的特定皮质区域。
在信息技术方面，来自美国北卡罗来纳州立大学的研究人员开发了一种新型可穿戴传感器，运用银纳米线来监测ECG信号，提供高质量的生理传感器数据。此外，机器算法的发展，使生物电信号特征的自动提取与分析有了现实性，解决了疼痛自动评估的问题（图2）。
尽管已有多种生物电信号与技术被用于消除疼痛评估的主观性，但目前仍缺乏有效且可靠的指标来客观量化个体的疼痛体验。可穿戴设备的质量、机器学习的训练数据集等问题也直接影响评估的准确性。
在慢性疼痛领域，由于患者痛感持续时间较长，疼痛信号在数月或数年内保持活跃，给临床疼痛评估带来了更大的挑战，也推动相关临床研究不断拓展与深化。
例如，脊髓电刺激（SCS）是国际上公认的治疗慢性疼痛的有效疗法，但缺乏客观的测量方法评估SCS对患者镇痛的有效性，对于患者最佳刺激参数或设备选择尚未达成共识。针对此，研究者使用围手术期电生理学（如脑电图、心电图、可穿戴传感器）、信号处理、机器学习解析等方法设计疼痛评估模型（图3），增强SCS治疗的有效性。
近期发表在Npj Digital Medicine的一项研究中，研究者招募了20名慢性疼痛患者植入SCS，在为期6个月的研究期间，使用可穿戴设备、机器学习算法收集受试者的生物标志物数据并预测其疼痛强度。结果显示，机器学习模型在预测轻度、中度和重度疼痛方面的准确性达到了0.768±0.012。将这种方法应用于SCS治疗期间的连续、实时监测，或可把握调整电刺激参数的最佳值与最佳时机，有效缓解患者疼痛。
表1 机器学习模型使用客观特征预测三种痛感的指标结果
在国内，SCS治疗的疼痛测量方法也取得了进展。如CalmStim的疼痛客观评价系统，使用诱发复合动作电位（ECAPs）的空间分布差值模型，量化镇痛内源性物质的浓度，给出疼痛的客观评估值，结合ECAPs的闭环工作（参数自适应调整），将使脊髓电刺激更具精确性和有效性。
参考资料：
1.Objective wearable measures correlate with self-reported chronic pain levels in people with spinal cord stimulation systems.
2.A systematic review of neurophysiological sensing for the assessment of acute pain.
3.疼痛评估量表应用的中国专家共识（2020版）.
上一篇：脊髓电刺激发展的六大新趋势｜疼痛科“重要武器”
下一篇：风华七载 创领未来｜新云医疗持续发力疼痛器械自主创新！
