《PLOS Biology》：Dynamic expectation strength and precision shape human pain perception through shared and dissociable α-oscillatory mechanisms
编辑推荐：
这篇研究综述揭示了人类疼痛感知的动态调控机制。研究通过计算建模与脑电图（EEG）技术，将期望解构为强度（期望的疼痛强度）与精度（期望的确定性）两个核心成分。结果表明，期望强度增强了疼痛诱发的神经反应，而期望精度则起到抑制作用，这两种效应分别由前额叶中央α振荡的去同步化和对侧感觉运动区α振荡的同步化所介导。源定位分析进一步识别出右外侧背外侧前额叶-感觉运动皮层（DLPFC-SM1）作为整合两种成分的“中枢”，而内侧前额叶皮层（mPFC）则特异性参与期望强度调控。这项研究为理解疼痛的预测性编码提供了神经计算基础，并为慢性疼痛的精准干预指出了潜在靶点。
研究背景与动机
传统观点认为疼痛是对伤害性刺激的被动反映，然而，越来越多的证据表明，我们的期望能系统性地调节疼痛的主观体验及其神经关联。既往研究大多将期望视为静态的、与线索绑定的分类变量（如“高”与“低”），忽略了预测信念动态更新的内在本质。此外，研究也主要聚焦于期望的“强度”，而忽视了同样关键的“精度”（即对预测的信心或确定性）。为了弥补这些不足，本研究旨在超越静态线索模型，建立一个能够捕捉期望自适应动态性的神经计算框架。
研究设计与计算模型
研究者招募了72名健康参与者，采用改良的线索-疼痛范式。在实验中，两种视觉线索（高期望HE与低期望LE）分别以75%的概率与高强度（HP）和低强度（LP）的激光疼痛刺激配对。参与者需要在每次刺激后对疼痛强度和不适度进行评分。离线分析证实，线索成功操纵了参与者的期望、焦虑和恐惧水平。
为了量化期望如何随时间动态演变，研究者实现了一个基于“泄漏整合”原理的计算模型。该模型通过对近期疼痛体验进行指数加权平均，计算试次水平的期望“强度”（即预测的疼痛强度均值）。期望“精度”则定义为近期预测的加权方差的倒数，用以衡量预测的确定性。模型验证显示，计算得出的期望强度与参与者自我报告的主观期望高度相关，且动态模型在解释主观期望方面显著优于静态的线索标签模型。
动态期望对疼痛相关反应的影响
行为数据显示，刺激强度和期望强度都强烈地增强了疼痛强度和不适度的主观评分。期望精度对评分有微弱的正向影响。更重要的是，研究观察到了强度与精度之间存在可信的交互作用：在低精度（高不确定性）条件下，期望强度对疼痛的调节作用被放大。这表明，元认知不确定性增强了对自上而下预测的知觉影响。
在神经层面，激光诱发电位（LEP）的N2和P2成分不仅受刺激强度调制，也受期望强度调制（强度增强反应）。精度则对N2振幅有可信的正向效应，表明当期望更精确时，早期的伤害性反应会减弱。时频分析进一步揭示了不同的振荡反应：期望强度增强了LEP振幅和γ波段的事件相关同步化（γ-ERS），而期望精度则抑制了LEP振幅。这些发现表明，期望强度像增益控制信号一样放大伤害性处理，而精度则作为一个调节过滤器，在不确定性条件下抑制早期伤害性处理并调整自上而下预测信号的增益。
动态期望对预期期脑电图振荡的影响
研究进一步考察了动态期望如何调制疼痛预期期间的神经活动。全脑分析揭示了不同的频率-空间调制模式：期望强度与中央顶区的θ波功率降低以及额叶中央区的α波功率降低相关。这反映了在高期望状态下，认知警觉性或注意力参与度的提高。相反，期望精度与对侧感觉运动区的α波功率增加以及额叶中央区的β波功率增加相关。这表明在确定性更高的情况下，预备性或抑制性控制增强。这些光谱分离表明，期望强度通过θ/α去同步化整体提升注意准备状态，而期望精度则通过局部的α/β同步化来优化感官预测。
期望驱动疼痛调制的神经机制：中介模型
多层次中介分析阐明了动态期望成分通过不同的α振荡机制影响疼痛处理的具体路径。在传感器层面，预期期额叶中央区α功率的降低，中介了期望强度对后续LEP振幅的增强效应；而对侧感觉运动区α功率的增加，则中介了期望精度对LEP振幅的抑制效应。
源水平的分析进一步识别了这些振荡介质的皮层起源。期望强度与双侧DLPFC、SM1以及中线mPFC的α功率抑制相关。而期望精度选择性地增强了右侧化区域（包括右DLPFC、右SM1和右下额叶皮层）的α活动。进一步的中介分析表明，右侧DLPFC、对侧SM1和mPFC是这些期望诱导的疼痛调制的关键枢纽。具体来说，这些区域的α活动减弱中介了期望强度的促进效应，而右侧DLPFC和SM1的α活动增强则中介了期望精度的抑制效应。这提示了一种计算功能上的特化：背外侧前额叶和躯体感觉皮层编码精度加权的期望，而mPFC则独特地跟踪与期望强度相关的动机显著性。
稳健性与可泛化性评估
为了评估研究发现的稳健性和可泛化性，研究者将当前研究的数据与Nickel等人（2022）的外部数据集进行了合并的荟萃分析。结果在所有核心机制上均得到了跨数据集的重复和加强：主观疼痛评级共同受刺激强度、期望强度和精度的影响；疼痛诱发的神经反应受自下而上感觉输入和自上而下期望的共同调节；预期期振荡表现出频率和位置特异性的分离模式。这些发现共同描绘了一个稳健且可复现的神经认知机制，阐明了通过强度与精度区分的动态期望如何通过不同的预期期大脑状态来调节疼痛感知。
结论与意义
本研究通过结合动态计算建模和高时间分辨率的脑电图技术，阐明了演化的期望如何在行为和神经水平上调节疼痛感知。通过解构期望的两个关键维度——强度和精度，研究者识别出了可分离的预期期α振荡机制：期望强度通过抑制额叶中央区α功率来增强疼痛诱发反应，而期望精度则通过增加对侧感觉运动区的α同步化来抑制伤害性处理。源分析进一步揭示了一个右侧化的背外侧前额叶-感觉运动皮层（DLPFC-SM1）回路整合了两种成分，而内侧前额叶皮层（mPFC）被强度特异性招募。这些发现将皮层α节律定位为疼痛处理中灵活的、频率特异性的预测控制通道。重要的是，计算、电生理和行为结果的融合，并得到贝叶斯推断和合并荟萃分析的支持，强调了这些效应的稳健性。这项工作推进了一个将动态期望与疼痛处理联系起来的机制框架，为预测性编码提供了理论见解，并为未来慢性疼痛的转化研究奠定了基础。
