机器学习刻画纤维肌痛 tDCS 应答模式（35 名女性，三盲 RCT 二次分析）

British Journal of Pain · 2026-09-08 · 期刊论文 · Gonçalves MM 等

• 数据：随机、对照、三盲试验二次分析，35 名女性接受真阳极 M1 tDCS（2 mA × 20 min × 10 次）或假刺激；疼痛 VAS 在基线、D10、D30、D90 评估。
• 疗效：真 tDCS 在 D10、D30、D90 均显著优于假刺激（p<.001）。
• 预测：6 种监督算法区分应答者（VAS 下降 ≥30%），AUC 稳定在 0.78–0.84；WHOQOL 生理与心理领域是最强正向预测因子，FIQ 越高、使用抗抑郁药则应答概率下降。
• 表型：用动态时间规整（DTW）+ k-means 分出三种互斥疼痛轨迹——快速应答 / 渐进应答 / 无应答，90 天可持续性各不相同。
• CATE（T-learner）分析：心理生活质量高、基线 VAS 中等（6–8）、未用抗抑郁药者的治疗优势更大。
• 看点：把"神经调控无应答者"从模糊概念变成可提前识别的表型问题——个体化神经调控的样板设计。
• 🔗 打开原文

本文摘自《每日前沿研究简报 · 2026-09-11》「四、神经调控 · 焦虑 / 抑郁 / 失眠 / 认知：应答者分层」。本内容仅用于研究信息整理与科普交流，不构成医疗建议。