《PLOS Biology》：Dynamic expectation strength and precision shape human pain perception through shared and dissociable α-oscillatory mechanisms
編輯推薦：
這篇研究綜述揭示了人類疼痛感知的動態調控機制。研究通過計算建模與腦電圖（EEG）技術，將期望解構為強度（期望的疼痛強度）與精度（期望的確定性）兩個核心成分。結果表明，期望強度增強了疼痛誘發的神經反應，而期望精度則起到抑制作用，這兩種效應分別由前額葉中央α振蕩的去同步化和對側感覺運動區α振蕩的同步化所介導。源定位分析進一步識別出右外側背外側前額葉-感覺運動皮層（DLPFC-SM1）作為整合兩種成分的“中樞”，而內側前額葉皮層（mPFC）則特異性參與期望強度調控。這項研究為理解疼痛的預測性編碼提供了神經計算基礎，并為慢性疼痛的精準干預指出了潛在靶點。
研究背景與動機
傳統觀點認為疼痛是對傷害性刺激的被動反映，然而，越來越多的證據表明，我們的期望能系統性地調節疼痛的主觀體驗及其神經關聯。既往研究大多將期望視為靜態的、與線索綁定的分類變量（如“高”與“低”），忽略了預測信念動態更新的內在本質。此外，研究也主要聚焦于期望的“強度”，而忽視了同樣關鍵的“精度”（即對預測的信心或確定性）。為了彌補這些不足，本研究旨在超越靜態線索模型，建立一個能夠捕捉期望自適應動態性的神經計算框架。
研究設計與計算模型
研究者招募了72名健康參與者，采用改良的線索-疼痛范式。在實驗中，兩種視覺線索（高期望HE與低期望LE）分別以75%的概率與高強度（HP）和低強度（LP）的激光疼痛刺激配對。參與者需要在每次刺激后對疼痛強度和不適度進行評分。離線分析證實，線索成功操縱了參與者的期望、焦慮和恐懼水平。
為了量化期望如何隨時間動態演變，研究者實現了一個基于“泄漏整合”原理的計算模型。該模型通過對近期疼痛體驗進行指數加權平均，計算試次水平的期望“強度”（即預測的疼痛強度均值）。期望“精度”則定義為近期預測的加權方差的倒數，用以衡量預測的確定性。模型驗證顯示，計算得出的期望強度與參與者自我報告的主觀期望高度相關，且動態模型在解釋主觀期望方面顯著優于靜態的線索標簽模型。
動態期望對疼痛相關反應的影響
行為數據顯示，刺激強度和期望強度都強烈地增強了疼痛強度和不適度的主觀評分。期望精度對評分有微弱的正向影響。更重要的是，研究觀察到了強度與精度之間存在可信的交互作用：在低精度（高不確定性）條件下，期望強度對疼痛的調節作用被放大。這表明，元認知不確定性增強了對自上而下預測的知覺影響。
在神經層面，激光誘發電位（LEP）的N2和P2成分不僅受刺激強度調制，也受期望強度調制（強度增強反應）。精度則對N2振幅有可信的正向效應，表明當期望更精確時，早期的傷害性反應會減弱。時頻分析進一步揭示了不同的振蕩反應：期望強度增強了LEP振幅和γ波段的事件相關同步化（γ-ERS），而期望精度則抑制了LEP振幅。這些發現表明，期望強度像增益控制信號一樣放大傷害性處理，而精度則作為一個調節過濾器，在不確定性條件下抑制早期傷害性處理并調整自上而下預測信號的增益。
動態期望對預期期腦電圖振蕩的影響
研究進一步考察了動態期望如何調制疼痛預期期間的神經活動。全腦分析揭示了不同的頻率-空間調制模式：期望強度與中央頂區的θ波功率降低以及額葉中央區的α波功率降低相關。這反映了在高期望狀態下，認知警覺性或注意力參與度的提高。相反，期望精度與對側感覺運動區的α波功率增加以及額葉中央區的β波功率增加相關。這表明在確定性更高的情況下，預備性或抑制性控制增強。這些光譜分離表明，期望強度通過θ/α去同步化整體提升注意準備狀態，而期望精度則通過局部的α/β同步化來優化感官預測。
期望驅動疼痛調制的神經機制：中介模型
多層次中介分析闡明了動態期望成分通過不同的α振蕩機制影響疼痛處理的具體路徑。在傳感器層面，預期期額葉中央區α功率的降低，中介了期望強度對后續LEP振幅的增強效應；而對側感覺運動區α功率的增加，則中介了期望精度對LEP振幅的抑制效應。
源水平的分析進一步識別了這些振蕩介質的皮層起源。期望強度與雙側DLPFC、SM1以及中線mPFC的α功率抑制相關。而期望精度選擇性地增強了右側化區域（包括右DLPFC、右SM1和右下額葉皮層）的α活動。進一步的中介分析表明，右側DLPFC、對側SM1和mPFC是這些期望誘導的疼痛調制的關鍵樞紐。具體來說，這些區域的α活動減弱中介了期望強度的促進效應，而右側DLPFC和SM1的α活動增強則中介了期望精度的抑制效應。這提示了一種計算功能上的特化：背外側前額葉和軀體感覺皮層編碼精度加權的期望，而mPFC則獨特地跟蹤與期望強度相關的動機顯著性。
穩健性與可泛化性評估
為了評估研究發現的穩健性和可泛化性，研究者將當前研究的數據與Nickel等人（2022）的外部數據集進行了合并的薈萃分析。結果在所有核心機制上均得到了跨數據集的重復和加強：主觀疼痛評級共同受刺激強度、期望強度和精度的影響；疼痛誘發的神經反應受自下而上感覺輸入和自上而下期望的共同調節；預期期振蕩表現出頻率和位置特異性的分離模式。這些發現共同描繪了一個穩健且可復現的神經認知機制，闡明了通過強度與精度區分的動態期望如何通過不同的預期期大腦狀態來調節疼痛感知。
結論與意義
本研究通過結合動態計算建模和高時間分辨率的腦電圖技術，闡明了演化的期望如何在行為和神經水平上調節疼痛感知。通過解構期望的兩個關鍵維度——強度和精度，研究者識別出了可分離的預期期α振蕩機制：期望強度通過抑制額葉中央區α功率來增強疼痛誘發反應，而期望精度則通過增加對側感覺運動區的α同步化來抑制傷害性處理。源分析進一步揭示了一個右側化的背外側前額葉-感覺運動皮層（DLPFC-SM1）回路整合了兩種成分，而內側前額葉皮層（mPFC）被強度特異性招募。這些發現將皮層α節律定位為疼痛處理中靈活的、頻率特異性的預測控制通道。重要的是，計算、電生理和行為結果的融合，并得到貝葉斯推斷和合并薈萃分析的支持，強調了這些效應的穩健性。這項工作推進了一個將動態期望與疼痛處理聯系起來的機制框架，為預測性編碼提供了理論見解，并為未來慢性疼痛的轉化研究奠定了基礎。
