大家可能聽過這樣的說法，" 蚊子咬是 1 級疼，生孩子是 10 級疼 "。
疼痛真的能這樣分級嗎？
每個人對疼痛的體驗都不盡相同，這種主觀感受是很難量化的。2016 年，美國佛州 17 歲女孩 Maya 因罕見的複雜性區域疼痛綜合征入院。母親 Beata 提出使用鎮痛療法，卻被醫護人員懷疑其爲 " 代理型孟喬森綜合征 "（一種讓護理者虛構或誘發孩子症狀的心理障礙）而遭拒。母女被迫分離，Beata 在壓力和無助中選擇自殺。這起悲劇性事件暴露了醫療系統在疼痛測量和診療方面的不足。
如果不進行疼痛測量，就無法管理疼痛，甚至無法研究疼痛。醫生主要依靠患者自我報告的主觀測量方法來評估疼痛，科學家也在開發基于生理信号的客觀測量方式。
一名參與者将手放在一桶冰中，測試人員利用工具測量他的疼痛反應。
圖片來源：Ruby Wallau/Northeastern Univ
它們究竟有什麽差異，能幫助我們徹底量化疼痛嗎？量化疼痛就意味着能夠治療疼痛了嗎？看完本文你就知道了。
主觀量表與患者自評
患者的自我報告是向醫務人員描述疼痛的常用方式。NRS（數字評分量表，Numerical rating scale）和 VAS（視覺模拟量表，Visual analog scale）是醫生最常用的工具。本文開頭提到的疼痛分級就是 NRS。
NRS 是常用的數字評分工具，通常範圍是 0 到 10，0 表示沒有疼痛，10 表示劇烈疼痛。由于其操作簡便，NRS 在臨床中應用廣泛；VAS 則通過讓患者在一條 10 厘米的水平線上标記自己感受到的疼痛位置，反映疼痛的強度，得出的分數以厘米表示，這一方法比 NRS 更精細，但要求患者具備一定的理解能力。
NRS 和 VAS 量表示意圖。圖片來源：European Pain Federation EFIC 2022
面孔疼痛量表 ( 有時稱爲笑臉疼痛量表 ) 使用六張面孔來衡量 3-8 歲兒童的疼痛。兒童被要求指出最能代表他們疼痛程度的面部，從左邊沒有疼痛的面部一直到右邊有劇烈疼痛的面部。
面部表情疼痛量表。圖片來源：癌症疼痛診療規範 2018 年版
這幾種方式都是一維工具，很适合用來評估急性疼痛，但由于慢性疼痛比急性疼痛涉及更複雜的身體、心理和社會損傷，因此建議進行多維測量。
McGill 疼痛問卷就是一個例子，它通過多維度評估疼痛的不同層面，第一層面的感覺維度患者需要選擇合适的詞彙，如 " 刺痛 "" 灼痛 "" 酸痛 " 等來描述疼痛的具體特征；另一層面是情感維度，評估疼痛對患者情感和心理的影響，最後才是結合 NRS 或者 VAS 的總體評價。它的理念是 " 疼痛不僅僅是一種感官體驗，還包含情感、心理和認知等多個方面 "。
當患者無法交流主觀的疼痛體驗時，就必須采取替代措施，包括對疼痛行爲和反應的觀察，如針對嬰兒的 FLACC 量表，其中對面部表情、腿部位置、活動、哭鬧和可安慰性進行評分；再比如新生兒面部編碼系統，通過對面部肌肉的判斷，例如眉毛凸出、眼睛擠壓等，評估疼痛。
總的來說，疼痛評估将取決于患者的疼痛持續時間 ( 急性與慢性 ) 、疼痛狀況和類型 ( 如癌症、背痛、神經性疼痛 ) 、人群類型 ( 如兒童、認知障礙患者 ) 以及患者的價值觀、目标和偏好。不同的量化工具有助于醫生理解患者的疼痛體驗，但同時也存在局限性，因爲這些量表都基于主觀評估（他人觀察也是一種主觀），不同患者對同一疼痛等級的理解可能完全不同。
生理信号與疼痛的客觀測量
研究人員和臨床醫生一直在努力尋找一種客觀的疼痛測量方法或生物标志物，用于診斷、治療、預後及藥物開發等領域。然而，至今尚未有完全确立的量化疼痛的客觀方法。
科學家們正在探索多種方法，包括腦成像、生理信号監測和生物标志物分析。你或許聽說過功能性磁共振成像（fMRI），它就像是大腦的 " 透視鏡 "，可以捕捉不同類型疼痛時大腦的活動模式。這些技術能顯示出我們在感受疼痛時，大腦中的哪些區域被激活。不過，fMRI 操作成本高、技術複雜，不能像血壓儀那樣可以随時随地使用。
那麽，有沒有更加簡便的方法呢？
研究人員開始通過檢測人體的生理信号來尋找疼痛的線索。
PMD-200 床邊監護儀就是這樣一個設備，通過手指探針收集心率、皮膚水分、運動和溫度等生理反應，并将這些信号轉化爲疼痛評分。該設備在美國被授權僅用于處于麻醉狀态且無法交流其疼痛程度的患者手術。
PMD-200 床邊監護儀是美國食品藥品監督管理局唯一授權的疼痛測量設備。
圖片來源：Medasense
還有一種更便捷的手持設備，它能夠掃描眼睛并測量電刺激下瞳孔的擴張。該設備利用三種電頻率激活不同的感覺神經纖維，将信号傳遞至大腦，導緻瞳孔變化，根據反射的差異性創建疼痛特征。該設備已經在炎症疼痛患者中進行了測試。
另一種可穿戴貼片通過監測前額大腦表面的血流變化，實時測量神經元活動，并将其轉化爲疼痛指數，涉及 130 名經曆分娩疼痛女性的試驗數據顯示，該設備與患者自述疼痛的匹配度約爲 80%。
AlgometRx 設備可以通過掃描某人的眼睛來創建疼痛特征。
圖片來源：AlgometRx 公司
另一個研究團隊開發的納米級生物傳感器可測量血液中的兩種生化化合物——環氧合酶 -2（COX-2）和誘導型一氧化氮合酶（iNOS），隻需采集患者的指尖血樣進行分析就能夠在幾分鍾内獲取易于理解的結果，首次臨床試驗非常成功。
這些正在開發的疼痛測量方法，使得疼痛測量越來越輕便化，更無創，更具有實用性。但遺憾的是，目前仍然沒有一個公認的客觀疼痛指标。當然，這并不意味着對疼痛生物标志物的追求是徒勞的，一種可靠的測量方法仍然可以幫助臨床醫生更好地評估、分類和跟蹤疼痛。
需要注意的是，主觀量表和客觀測量不是非此即彼的，我們不能僅憑感覺神經元的活動就斷定疼痛的存在或不存在，同時還要考慮經曆疼痛的人對疼痛強度和嚴重程度的自我描述。未來的疼痛管理将結合主觀報告與客觀測量，爲患者提供更精準和個性化的疼痛測量方案。
疼痛治療的生物标志物
盡管主觀和客觀的疼痛評估提升了醫生對疼痛的理解，然而，找到真正合适的治療方案往往超出這些評估的範圍。
雖然有多種高質量的疼痛治療方法可供選擇，但找到最适合每個患者的治療方案仍然是個艱難的過程。對于很多患者而言，治療更像是在迷宮中尋找出口，需要逐一嘗試不同的藥物和療法，直到找到正确的方向。
慢性疼痛的精準療法也許可以幫助人們從一開始就選擇有效的治療方案。
圖片來源：Daniel Stolle for Nature
這時，AI 技術爲我們帶來了新的希望。AI 技術已經開始在疼痛管理中嶄露頭角：分析患者的腦電圖，不僅能區分慢性下背部疼痛患者與健康人群，還能預測哪些患者會從脊髓刺激器中受益，準确率接近 80%。
AI 算法可以從腦電圖信号中預測疼痛狀态。
圖片來源：薩博實驗室克利夫蘭診所
另一個研究團隊利用機器學習分析不同類型的疼痛刺激（如針刺、熱、觸摸）反應，發現可以将患者分爲不同的 " 亞型 "，每種 " 亞型 " 患者的疼痛表現和治療需求可能存在差異，這樣的劃分有助于醫生更準确地理解不同類型患者的需求，從而幫助醫生制定更加個性化的治療方案。
疼痛管理領域正向數據驅動的個性化治療方向發展。比如，CHOIR 系統通過标準化方式收集患者的疼痛數據，跟蹤他們對不同藥物的反應，爲 AI 模型提供數據支持，幫助醫生預測治療效果。然而，這一技術還處于早期階段，建立數據庫需要大量時間和資源。此外，盡管 AI 技術提高了預測的準确性，當前的 AI 模型仍然缺乏足夠的可解釋性，因此醫生必須結合個人經驗和患者反饋來優化治療。
人類疼痛的異質性太大，找到适合所有人的 " 超級止痛藥 " 根本不可能，但通過尋找生物标志物，爲每個患者找到已有藥物中的最佳選擇，是可能實現的。
期待 " 萬能 " 的疼痛測量方法
疼痛測量一直是個棘手的問題，盡管科學家不斷嘗試通過生物标志物和客觀工具來量化疼痛，但痛苦終究是一種獨特而個人化的體驗，自我報告仍然是評估疼痛的主要方式，而且醫生們也越來越關注疼痛對生活質量的影響。
找到 " 萬能疼痛生物标志物 " 的路還很漫長，也許有一天，醫生可以通過幾分鍾的檢測就能精準推薦治療方案，而不是靠 " 試藥 " 這個有點像盲盒的過程。
參考文獻
[ 1 ] Roedel, A. ( 2023 ) An allegation of Munchausen by proxy, a mom ’ s suicide, a daughter ’ s pain: ‘ take care of maya ’ exclusive clip, People.com. Available at: https://people.com/allegation-of-munchausen-by-proxy-mom-suicide-and-daughter-pain-take-care-of-maya-exclusive-clip-7510301 ( Accessed: 01 November 2024 ) .
[ 2 ] Measuring pain in the clinic ( 2024a ) European Pain Federation. Available at: https://europeanpainfederation.eu/measuring-pain-in-the-clinic/ ( Accessed: 29 October 2024 ) .
[ 3 ] Mogil, Jeffrey S. "The history of pain measurement in humans and animals." Frontiers in pain research ( Lausanne, Switzerland ) vol. 3 1031058. 15 Sep. 2022.
[ 4 ] Mitchell Crow, James. "Could biomarkers mean better pain treatment?" Nature vol. 633,8031 ( 2024 ) : S28-S30.
[ 5 ] Dolgin, Elie. "How a 'pain-o-meter' could improve treatments." Nature vol. 633,8031 ( 2024 ) : S26-S27.
[ 6 ] Sadik, Omowunmi, et al. "A Bayesian network concept for pain assessment." JMIR Biomedical Engineering 7.2 ( 2022 ) : e35711.
[ 7 ] Orzabal, Marcus et al. "A Forehead Wearable Sensor for the Objective Measurement of Chronic Pain." International journal of environmental research and public health vol. 19 ( 2022 ) ,24 17041.
[ 8 ] Levitt, Joshua et al. "Pain phenotypes classified by machine learning using electroencephalography features." NeuroImage vol. 223 ( 2020 ) : 117256.
[ 9 ] Vollert, Jan et al. "Stratifying patients with peripheral neuropathic pain based on sensory profiles: algorithm and sample size recommendations." Pain vol. 158,8 ( 2017 ) : 1446-1455.
[ 10 ] Jain, Sunil M et al. "Randomized, double-blind, placebo-controlled trial of ISC 17536, an oral inhibitor of transient receptor potential ankyrin 1, in patients with painful diabetic peripheral neuropathy: impact of preserved small nerve fiber function." Pain vol. 163,6 ( 2022 ) : e738-e747.
策劃制作
出品丨科普中國
作者丨 Clover 青子 醫學博士
監制丨中國科普博覽
責編丨董娜娜
審校丨徐來 林林
本文封面圖片及文内圖片來自版權圖庫
轉載使用可能引發版權糾紛
原創圖文轉載請後台回複 " 轉載 "
點亮 " 在看 "
一起漲知識！
