基于猫脑电图（EEG）的慢性骨关节炎疼痛量化：一项采用Piq算法的概念验证研究

《Veterinary Immunology and Immunopathology》：EEG-based quantification of chronic pain in cats: A proof-of-concept study using the Piq algorithm

慢性疼痛评估是兽医领域的一大挑战。为解决这一问题，研究人员探索了一种新型脑电图分析算法Piq，并首次将其应用于患有骨关节炎的猫。这项概念验证研究表明，该算法有望通过伽马频段脑电图模式客观识别和量化猫的慢性疼痛，为跨物种疼痛评估工具的研发提供了初步支持。

　　

对于无法言语的家猫而言，慢性疼痛的评估一直是兽医临床面临的巨大难题。猫的表达方式往往含蓄、多变且高度依赖于情境，其疼痛迹象容易与正常衰老现象混淆，这使得客观识别疼痛变得异常困难。然而，骨关节炎等慢性疼痛状态不仅严重影响动物福利，还与长期的神经系统可塑性变化和神经敏化（neuro-sensitization）相关。目前，兽医主要依赖行为观察工具（如蒙特利尔猫关节炎评估工具，MI-CAT(V)）和定量感觉测试（Quantitative Sensory Testing, QST，如PWT和RMTS）来评估疼痛，但这些方法或偏主观，或主要反映外周和脊髓水平的改变。能否直接读取大脑这个疼痛的最终“处理器”的信号，实现更客观的疼痛评估呢？

为此，一个来自加拿大蒙特利尔大学的研究团队进行了一项开创性的探索。他们提出：既然核心的痛觉通路在哺乳动物中是保守的，那么为人类开发的脑电图（EEG）疼痛分析算法，是否也能应用于猫？这项题为“基于猫脑电图（EEG）的慢性骨关节炎疼痛量化：一项采用Piq算法的概念验证研究”的工作，便旨在回答这个问题。研究人员首次将一种名为“疼痛识别与量化”（Pain identification and quantification, Piq）的人类EEG算法，应用于患有慢性骨关节炎（Osteoarthritis, OA）疼痛的猫，旨在检验该算法的可行性，并探索其与现有疼痛评估指标的相关性。该研究已发表在《Veterinary Immunology and Immunopathology》杂志上。

为了开展研究，作者主要应用了以下几项关键技术方法：首先，他们通过X光筛查，选取了5只成年去势猫（包括2只OA猫和3只无痛/疼痛状态模糊的猫）作为研究对象。其次，在清醒和轻度镇静（使用右美托咪定Dexmedetomidine）两种状态下，使用无线EEG系统（Mentalab Explore Plus和Trackit T4A）采集了猫在Cz、C3/C4等电极位置的静息态脑电信号。关键的第三步是采用Piq算法分析前五分钟的EEG数据。该算法经过预处理（去噪、滤波、归一化）后，通过希尔伯特变换提取信号包络，并计算包络在1秒滑动窗口内的变异系数，最终输出一个百分比形式的Piq评分。此外，研究还同步评估了猫的功能障碍（MI-CAT(V)）、外周敏化（爪撤退阈值，PWT）和脊髓敏化（对机械时间总和的反应，RMTS）等指标。

研究结果

3.1. 描述性分析

Piq评分≥10%（从人类研究移植的探索性阈值）被认为提示存在疼痛。在清醒和镇静两种状态下，无痛的猫（Cat_01, Cat_02）在伽马频段（30–70 Hz）的Cz电极处Piq评分均低于10%。相反，患有慢性OA疼痛的猫（Cat_03, Cat_04）在上述条件下的伽马频段Cz处Piq评分均超过了10%。一只具有模糊疼痛特征的猫（Cat_05）在清醒状态下伽马频段Cz评分超过10%，但在镇静状态下则低于阈值。这些初步观察表明，伽马频段Cz电极的Piq评分可能与猫的慢性疼痛状态相关。

3.2. 相关性分析

统计分析（Kendall’s τ）显示，Cz电极伽马频段的Piq评分与PWT（外周敏化指标）之间存在强烈的负相关（τ = -0.98, p < 0.001）。这意味着PWT值越低（外周敏化程度越高），Piq评分越高。然而，Piq评分与RMTS（脊髓敏化指标）或MI-CAT(V)（行为功能指标）之间未发现统计学上显著的关联。

研究结论与讨论

这项概念验证研究首次成功地将为人类开发的Piq算法应用于猫的EEG数据分析，且未对算法模型进行任何修改，初步证明了其跨物种应用的潜力。研究的关键发现是，伽马频段活动（尤其在Cz电极处）是识别猫慢性OA疼痛最一致的EEG特征。这与伽马振荡参与痛觉信息皮层整合的已知神经生理学基础相吻合。更重要的是，Piq评分与PWT（反映外周机械痛敏）的强负相关，为Piq算法作为疼痛相关皮层兴奋性指标的有效性提供了初步支持。

研究的讨论部分深入剖析了这些发现的意义与局限性。首先，慢性疼痛猫（Cat_03, Cat_04）在镇静状态下仍能检测到升高的Piq评分，提示慢性疼痛可能涉及持久的神经可塑性改变，其皮层特征相对稳定。而模糊疼痛特征的猫（Cat_05）在镇静下Piq评分降低，可能反映了急性或亚急性疼痛对镇静剂（如右美托咪定）的敏感性更高，同时也提示在疼痛性质不明时，结合清醒和镇静状态下的EEG记录有助于避免假阴性。其次，Piq与PWT相关性更强，而与RMTS相关性不显著，可能源于两者神经通路的差异：PWT引发的退缩反应涉及皮层感觉运动整合（由Cz区域反映），而RMTS更多是脊髓反射。这恰好凸显了Piq作为皮层疼痛指标的特性。

当然，这项研究存在明显的局限性，最突出的是样本量小（n=5），所有发现均为探索性，需要未来更大规模的研究来验证。此外，镇静剂本身对伽马活动可能存在调制作用，这也是一个潜在的混杂因素。

尽管如此，这项研究的意义重大。它成功地将一种客观的、基于神经生理学的疼痛评估工具从人类医学引入兽医学领域，为解决动物疼痛评估的主观性难题提供了全新的思路。Piq算法作为一种非侵入性的EEG分析工具，未来有望与现有的行为学和感觉测试方法形成互补，最终开发成可供兽医临床使用的简易、客观的疼痛评估设备，从而更好地保障动物的福利与生活质量。这项研究为跨物种疼痛研究的桥梁搭建了一块坚实的基石。