简一成长视点 | 疼痛的共情测量：脑电波如何揭示他人的感受

我们如何知道另一个人的感受？这个问题处于医学、哲学和日常生活的核心。我们可以看见别人皱眉或大笑，听他们描述喜悦、悲伤、恐惧或疼痛。然而，他们的内心世界仍然部分隐藏。

对医生来说，理解和处理疼痛是照顾患者最困难的部分之一。疼痛报告指导用药、手术、康复计划和床边的舒适度。但自我报告的疼痛基础脆弱。两个人可能接受相同的刺激，却对疼痛程度给出截然不同的答案。

最近的一项研究提出了一种系统，利用脑电图（一种记录脑电波的方法）来分类疼痛强度，为理解他人的痛苦提供更客观的视角。这项研究加入了一系列更广泛的研究，探讨主观状态（包括疼痛）是否可以通过可量化的生物信号来衡量。

该研究涉及参与者接受受控的疼痛刺激，在数字量表上评价他们感知到的疼痛强度，并记录他们的脑活动。所提出的系统使用两个匹配的机器学习模型，它们并排学习。每个模型检查相同的脑电波样本，并尝试对其疼痛水平进行分类。在训练期间，系统对每个示例提出两个问题。

首先，报告的疼痛评分是否可靠？如果脑电波模式与报告的标签强烈冲突，则该示例获得的信任度较低。其次，该示例是否教会模型一些有用的东西？如果两个模型意见不一致，则样本可能位于疼痛水平之间的边界附近，有助于提高系统的判断力。

然后，系统对示例进行排序。它优先考虑那些看起来可信但仍携带有用信息的样本。随着训练的继续，它逐渐排除那些看起来不可靠或无用的示例。通过这种方式，机器在过滤主观报告中的一些噪声的同时进行学习。

该研究还寻找了与疼痛预测相关的大脑区域和节律。最强的信号出现在涉及注意力、情绪和身体体验解释的大脑区域附近。大脑判断威胁、记住过去的伤害、预测危险并将注意力引向身体。

这项研究为那些无法清楚描述疼痛的患者指明了未来的工具。这包括意识受损、晚期痴呆、严重神经系统疾病或沟通障碍的人。在这种情况下，临床医生通常必须推断疼痛。基于脑电波的系统有一天可能为这些情况增加另一个证据来源。这类方法首次提出了外部、基于大脑的疼痛强度估计的可能性，而不是仅仅依赖患者能说什么或临床医生如何解释他们的行为。

理解另一个人的内在感受是一个普遍的人类问题。喜悦、悲伤、恐惧、疲劳、焦虑和痛苦都依赖于主观体验。医学常常将这些体验转化为分数、量表和类别，但这些标签是内在生活的不完美翻译。

然而，疼痛可能不像我们曾经假设的那样纯粹是私人的，它可能在脑中留下可测量的痕迹，这些痕迹至少部分地与内部感知相对应。越来越多的研究开始探讨这些内部状态是否可以被更直接地测量。

答案仍然不完整。我们还不能完全确定地知道另一个人的感受质（qualia），即他们体验的原始感觉。我们不能证明你的绿色看起来像我的绿色，或者你的疼痛带有与我相同的情感影响。但像这样的研究表明，私人体验和可测量生物学之间的界限可能比我们以前认为的更具渗透性。

如果谨慎使用，这些新技术可以加深而不是削弱同理心。它们可以帮助临床医生更精确地理解患者，更公平地治疗疼痛，并更接近医学最古老的目标之一：理解另一个人的感受。

参考文献：Jung, E., Jun, S. C., & An, J. (2026). EEG-Based Pain Classification via Sample Selection to Mitigate Subjective Label Bias. IEEE Transactions on Neural Systems and Rehabilitation Engineering.