【目的】大脑神经活动如何产生痛觉感知是神经科学领域尚未解决的一个难题。由于大量脑影像学研究显示疼痛刺激会激活一组特定的脑区,因此有研究将这些脑区命名为“疼痛矩阵”。然而,有文献证据表明“疼痛矩阵”的激活不是特异于疼痛感知,而是表征刺激的强度或突显性信息。因此,关于“疼痛矩阵”的神经活动是否反映疼痛特异性信息引起疼痛神经科学领域研究者各执己见、争论不休。这一争论的起因主要源于前人研究的几点局限性:第一,前人研究在比较痛觉刺激与非痛觉刺激所诱发的脑神经活动时,往往忽视了痛觉与非痛觉条件下刺激强度的匹配,从而导致无法确定两者所引起脑激活的差异究竟是源于感觉模态的差别还是刺激强度的差别;第二,受限于当时数据分析技术的局限性,前人研究大多采用传统单变量分析方法,对数据的信息挖掘能力有限;第三,前人研究大多从局部脑区(即空间小尺度)的角度孤立地考察单个脑区疼痛特异性神经活动,而忽视了大尺度下全局范围的神经活动空间分布模式。针对上述研究的局限性而且为了更深刻地理解疼痛在人脑中的特异性编码机制,本文运用功能磁共振成像(functional Magnetic Resonance Imaging,fMRI)技术并结合机器学习判别方法,进行了以下三部分研究。第一部分:在严格匹配痛觉和非痛觉刺激的感知强度的情况下,通过比较两者所诱发脑激活的差异来识别对痛觉信息处理具有偏向性的脑功能区。第二部分:利用先进的机器学习技术,通过多变量模式分析(Multivariate Pattern Analysis,MVPA)方法对fMRI数据进行更深度的信息挖掘,以寻找疼痛特异性的脑神经活动模式。第三部分:基于第二部分研究结果,即疼痛特异性神经活动可能具有分布式空间表达模式,由多个脑区的神经活动协同组成,本研究进一步系统性地考察了疼痛特异性神经活动模式的空间尺度。【材料与方法】第一部分:51名健康受试者接受功能磁共振扫描,同时接受痛觉和触觉刺激,并对每一个刺激的强度进行评分。通过挑选强度评分相同的痛觉和触觉刺激对两者的强度进行严格匹配,利用一般线性模型对刺激强度严格匹配的痛觉和触觉刺激所诱发的脑激活进行建模并对两者进行比较,从而识别两者激活有差异的脑区。第二部分:基于两套独立的痛觉及非痛觉刺激条件下采集的fMRI数据集,利用MVPA技术对强度严格匹配的痛觉及非痛觉刺激所诱发的“疼痛矩阵”内的脑神经活动的空间分布进行模式分类(即:痛觉vs.非痛觉),以识别疼痛特异性的脑神经活动分布模式。为进一步考察“疼痛矩阵”脑神经活动的分布模式与刺激强度或突显性之间的关系,本研究利用同样的方法进一步对高强度与低强度刺激(不区分刺激感觉模态)进行了模式分类(即:高强度vs.低强度)。为验证上述分析所建立的分类模型的可重复性和可泛化性,对每种模式分类任务,本研究不仅进行了同一数据集内的训练和测试,而且进行了独立数据集之间的训练和测试。第三部分:采用事件相关设计,采集了62例健康成年志愿者在接受痛觉和触觉刺激时的脑fMRI数据。通过不同的脑图谱模板对大脑进行不同精细程度的脑区划分,对单一脑区内的所有体素进行平均,从而构建出不同空间尺度下刺激诱发的fMRI信号。包括全脑体素水平的原始图像,本研究共构建了4种不同的空间尺度的图像数据:(1)尺度1:全脑体素水平;(2)尺度2:全脑划分为246个脑区;(3)尺度3:全脑划分为48个脑区;(4)尺度4:全脑划分为14个脑区。再针对每种空间尺度,利用MVPA技术对痛觉和触觉刺激所诱发的fMRI信号进行模式分类(痛觉vs.触觉),考察在哪种空间尺度下痛觉和触觉刺激所诱发的神经活动具有差异性空间分布模式。为明确考察脑区间的协同交互作用是否也包含疼痛特异性信息,我们还针对尺度2-4,进一步构建了全脑功能连接网络,利用MVPA技术对网络连接模式进行痛、触觉分类,考察在哪种空间尺度下存在痛、触觉差异性脑功能连接模式。此外,本研究还考察了全脑每个局部脑区体素水平是否存在痛、触觉差异性的神经活动分布模式。【结果】第一部分:(1)疼痛刺激激活的所有脑区也可被触觉刺激激活,反之亦然;(2)这些脑区的激活强度与刺激的感知强度呈正相关,而与刺激的感觉模态无关;(3)当严格匹配痛觉和触觉刺激的感知强度时,一些脑区在两种条件下的激活存在显著性差异:双侧丘脑、左侧辅助运动区、右侧额中回以及额下回眶部对疼痛刺激响应强于触觉刺激;而左侧中央后回、视觉皮质、右侧顶下小叶、左侧顶上小叶和右侧小脑对触觉刺激的响应强于疼痛刺激。第二部分:在匹配感知强度的情况下,利用MVPA技术能够识别痛觉与非痛觉刺激在“疼痛矩阵”内所诱发的差异性fMRI信号空间分布模式,并且这种差异性空间分布模式在同一数据集内的不同被试之间或独立数据集之间均具有一定的一致性。此外,本研究发现在忽略刺激感觉模态的情况下,利用MVPA技术也能够识别高强度与低强度刺激在“疼痛矩阵”内所诱发fMRI信号空间分布模式的差异。第三部分:在本研究构建的四个空间尺度下,不论在个体内还是个体间,结果均检测到痛、触觉差异性的脑神经活动空间分布模式。而对于脑功能连接网络,在尺度2和3检测到痛、触觉差异性的脑功能连接模式。当考察每个局部脑区时,结果发现虽然组水平上全脑很多脑区均在体素水平上存在痛、触觉差异性神经活动分布模式,但这些脑区的个体间差异较大。【结论】即便严格匹配了痛觉和非痛觉刺激的感知强度,一些脑区在处理痛觉和触觉信息时仍然表现出不同的偏好性,但这些脑区的神经活动并非特异性地仅处理某一种感觉模态的信息,其主要反应了感知到的刺激强度而与刺激模态的种类无关。相较于传统的单变量分析方法,机器学习技术可以更加敏感地识别疼痛特异性信息,进一步表明“疼痛矩阵”的神经活动在功能上具有异质性,它不仅编码着刺激感知强度的信息,而且也编码了疼痛特异性神经信息,此外,疼痛特异性神经活动在空间上具有分布式特点。利用机器学习技术对其空间尺度的系统性研究进一步证实疼痛在人脑内的特异性神经编码体现在从局部(小尺度)到全局(大尺度)的多个空间尺度,即:疼痛特异性神经编码信息不仅存在于某些局部脑区,而且分布于距离较远的多个不相邻脑区,由这些脑区神经活动的协同作用来特异性地编码疼痛感知,呈现“网络”式编码方式,这一编码方式存在较大的个体间差异,可能与疼痛感知的个体间差异有关。