国际疼痛研究学会(IASP)对疼痛有着明确的定义，即疼痛是指“与组织损伤或潜在的组织损伤相关的不愉快的主观感觉和情感体验”。这表明疼痛是一种复杂的包含多种成分的社会-生理-心理体验，是人类多数疾病的一种伴随症状。临床上，疼痛一般会随着病情的开始、恶化、好转和治愈而出现、加重、减轻和消失。因此，在临床上，有效的疼痛评估可以为我们监测病情发展变化和衡量治疗效果提供重要指标。而当病人机体已经痊愈而疼痛还没有完全消失的时候，这些疼痛又极可能会转化为对人体有害的慢性疼痛病症，从而明显降低患者的日常生活质量。在这个时候，疼痛评估就可以为疼痛治疗决策提供主要的判断和衡量标准。但鉴于疼痛受到不同患者在感觉、注意、情绪、意识状态和经验等方面多种因素影响，不可避免的主观性偏差给疼痛的客观评估和临床科学诊断造成了巨大困难。　　近年来，由于功能磁共振成像（fMRI）技术在有效探究大脑内部处理疼痛认知活动机制方面有着不可替代的优势，所以被人们广泛应用于认知神经科学领域的基础和临床研究。它利用磁振造影技术来有效探测神经元活动所引发的血液动力的改变幅度，是一种先进的神经成像技术，具有非侵入、空间分辨率高等显著优点。再者，借助于机器学习(machine learning)领域的相关算法，在fMRI基础上发展起来的多体素模式分析方法(MVPA)能够更有效更精确地探知大脑在不同疼痛认知状态下，激活模式的空间分布差异，从而大幅度提高疼痛测量的精度和信效度。因此，它被认为是能提取疼痛特异性指标的非常具有前景的方法之一。　　实验一,对30个被试的疼痛诱发脑响应数据进行传统意义上的预处理，然后采用支持向量机(SVM)算法对数据进行二元分类分析，在三个不同水平上对疼痛感知强度进行预测。这三种预测包括被试内水平上single-trial预测(level1)、被试间水平上single-trial预测(level2)以及single-subject水平上的预测(level3)。通过这些分析，本研究能深入论证MVPA技术在区分不同疼痛刺激强度所引发的脑激活模式空间分布具有超越传统fMRI数据分析技术的明显效果，并进一步研究MVPA分析技术中被试内和被试间变量对预测结果的影响，以探讨如何充分利用MVPA技术的优势和特点最大程度地消除预测偏差。利用SVM算法和fMRI脑成像数据构建的分类器模型，本研究能够有效地在被试内水平上区分高疼痛刺激和低疼痛刺激。结果进一步表明，该类分类器模型的性能主要受到与疼痛加工有关脑区活动（pain matrix）的影响，包括初级躯体感觉皮层(S1)、次级躯体感觉皮层（S2）、脑岛(insula)以及前/中扣带回（ACC/MCC）等。而要将MVPA技术进一步推广到临床应用领域，实现个体间的疼痛测量与评估，在研究中还应该采取诸如fMRI响应信号归一化处理等方法，以尽可能消除个体间大脑响应空间分布模式的差异所造成的干扰，从而确保预测结果客观有效准确。　　实验二，通过实验一所做研究总结出MVPA技术本身的特点以及在应用过程中应注意的事项，实验二的目的是进一步探究大脑处理疼痛信息的机制，发掘与疼痛主观感受相关的神经生理信号，力图探讨大脑特定脑区内神经信号基线波动与疼痛主观感受的关系。从实验二的结果发现，外界刺激呈现前（基线）的脑区神经活动能够在一定程度上预测被试对该刺激的疼痛主观感受评分。由此可以进一步做出推断，在疼痛刺激呈现之前，大脑内与注意和外界感知觉包括疼痛感受相关的脑区的神经活动能在一定程度上影响被试对该刺激的主观感受。实验二的发现为提取有效的疼痛特异性指标、实现疼痛的神经生理学客观测量提供了有力的证据。　　由于疼痛具有明显的主观性，在过往的临床研究中，一直以疼痛病人的自我报告作为疼痛评估的黄金标准。但是对于某些具有语言表达功能障碍的人来说，他们难以向我们提供有效可靠的主观口头报告，并且研究者也很难对不同患者的疼痛感受和症状进行横向的比较。这在很大程度上限制了临床疼痛诊断和治疗的优化。虽然在现阶段，临床领域的疼痛与实验室研究中在健康人体上诱发的疼痛有很大区别，疼痛的神经生理学测量方法的精度和可靠性仍然有待进一步提高，但是本研究利用MVPA技术对疼痛强度的二元分类结果依然达到79.80±8.63％的被试内预测准确率。由此可见，在进一步考虑实际临床疼痛情况的基础上，充分利用MVPA技术的预测潜力创造一种准确可靠的、在多数基础研究和临床实践中都具有潜在应用价值的疼痛评估工具是有望实现的。本研究为实现对疼痛的整体而准确测量、深入客观地探究疼痛的本质和进一步探索治愈疼痛的疗法提供了参考依据。