彭微微教授课题组在国际学术期刊 PLOS Biology 在线发表研究论文 “Dynamic expectation strength and precision shape human pain perception through shared and dissociable α-oscillatory mechanisms”。研究从动态视角解析了疼痛预期的两个关键成分：预期强度（expectation strength）与预期精度（expectation precision），并结合脑电（EEG）技术揭示了二者通过共享但又部分分离的α神经振荡机制调节人类疼痛感知。

一、研究背景

疼痛并不是对伤害刺激的被动反应，而是大脑在既往经验基础上不断进行预测和推断的结果。在预测编码（predictive coding）或贝叶斯框架中，疼痛体验来源于感觉输入与先验预测之间的整合。大量研究已经表明，人们对即将到来的疼痛的预期，会显著影响主观疼痛体验及其神经反应。然而，以往研究通常将预期简单划分为“高”或“低”，忽略了现实生活中预期会随着经验不断更新的动态特性。更重要的是，理论认为预期不仅包含对疼痛程度的预测（预期强度），还包含对这种预测的确定程度（预期精度）。其中，预期精度决定了大脑在感知过程中对“预期信息”和“真实感觉输入”的相对权重。然而，目前研究通常只关注其中一种预期成分，尚不清楚预期强度与预期精度是否通过不同神经机制影响疼痛加工。

二、研究方法

研究招募 72名健康受试者，完成一个概率性线索—疼痛任务。在实验中，受试者首先看到一个提示疼痛强度的视觉线索（75%概率预测高或低疼痛），随后在短暂等待后接受高强度或低强度激光热痛刺激，并对疼痛的强度与不愉悦程度（0–100）进行评分。实验全程同步记录脑电信号。基于受试者以往试次的疼痛体验，本研究通过计算模型在单试次水平估计预期强度和预期精度。在此基础上，研究重点回答三个问题：（1）动态计算模型是否比传统的静态分类（高/低预期）更能解释疼痛预期？（2）预期强度和预期精度如何影响疼痛诱发的神经反应以及刺激前的预期相关脑活动？（3）刺激前的脑活动是否在预期与疼痛体验之间发挥中介作用？

图1 研究设计与分析流程

三、研究结果

（1）动态预期模型更好地解释疼痛预期

贝叶斯线性混合模型比较结果表明，相比传统的“高/低预期”分类方式，基于单试次的动态预期强度能够更好地解释受试者的主观预期评分。

脑电分析发现：预期强度会增强疼痛诱发神经反应；预期精度则会抑制疼痛诱发神经反应。这表明，预期强度具有致痛效应，而预期精度具有镇痛效应。

图2 预期强度和精度调节疼痛诱发响应

（2）预期强度与精度调节不同的刺激前脑活动

在疼痛刺激到来之前，大脑已经出现了与预期相关的神经活动。研究发现：预期强度与前额叶区域α振荡降低相关；预期精度则与感觉运动皮层α振荡增强相关。这表明，预期的不同成分在不同脑区、不同频段调节大脑的准备状态。

图3 预期强度和精度调节刺激前神经振荡活动

（3）刺激前α神经振荡在预期与疼痛之间发挥关键作用

中介分析表明，刺激前的α神经振荡在预期影响疼痛的过程中发挥重要作用。具体而言：内侧前额叶皮层（mPFC）、右侧背外侧前额叶皮层（DLPFC）、感觉运动皮层（SM1）的α活动中介了预期强度对疼痛诱发响应的调节。而右侧DLPFC与SM1的α活动则中介了预期精度对疼痛诱发响应的调节。

图4 刺激前α神经振荡中介预期强度和精度对疼痛诱发响应的调节

四、研究结论

本研究在动态框架下同时解构并量化疼痛预期的强度与精度成分，并揭示二者通过共享但部分分离的α神经振荡机制调节疼痛感知：右侧DLPFC–SM1网络的α活动共同整合预期强度与精度信息；mPFC的α活动则特异性参与预期强度相关的调节。该研究深化了我们对疼痛认知神经机制的理解，建立了连接动态预期与疼痛加工的神经计算框架，并为未来通过认知干预或靶向神经调控改善慢性疼痛提供了潜在靶点。

五、作者贡献

深圳大学心理学院彭微微教授为论文通讯作者，课题组博士生李嘉为第一作者。博士生陈施豪、林鑫鑫，已出站博士后翁玲玲，达特茅斯学院心理与脑科学系张立波博士，以及中国科学院心理研究所涂毅恒研究员为本研究做出重要贡献。本研究受到科技创新2030-“脑科学与类脑研究”重大项目青年科学家项目（2022ZD0206400）和国家自然科学基金（32271105）等项目的资助。

参考文献：Li J, Chen S, Zhang L, Weng L, Lin X, Tu Y, Peng W (2026) Dynamic expectation strength and precision shape human pain perception through shared and dissociable α-oscillatory mechanisms. PLoS Biology 24(3): e3003675. https://doi.org/10.1371/journal.pbio.3003675