痛みの測定：多角的評価による痛みの測定に関する理解の深化

多角的な評価を通じて痛みの測定に関する理解を深めることは、痛みの体験を正確に評価する上で極めて重要です。痛みの測定に対する包括的かつ多様なアプローチを通じて、研究者たちは診断の精度と治療効果の向上を目指しています。本研究では、痛みを測定するための複雑な手法やツールについて掘り下げ、痛みの評価がいかに複雑であるかを明らかにします。

痛みは、神経生物学に根ざしつつも、知覚、感情、文化的背景、そして認知的解釈によって深く形作られる、複雑で主観的な体験である。患者自身の報告は依然として痛みの評価における基礎となっているが、それは言語、記憶、そして個人の表現力によって本質的に制約を受けている。 

痛みの経験は根本的に個人的なものであるため、痛みの客観的な測定基準が確立されることはおそらくないだろう。ある人にとってはわずかに不快な刺激でも、別の人にとっては著しく身体機能を損なうほどのものとなり得る。これは、痛みがどのように知覚され、評価され、表現されるかについて、個人間で大きなばらつきがあることを示している。

しかし、マルチモーダル生体センシング技術の絶え間ない進歩により、生理学的、行動学的、神経学的信号を統合して痛みの有無や程度を推定する、新たな疼痛評価の手法が可能となった。 

本記事では、生体センサー間のマルチモーダルデータを同期・分析するために設計されたソフトウェアプラットフォーム「iMotions」を用いた、客観的な疼痛測定の研究への応用について考察する。

痛みの存在論的問題

痛みは単一の信号ではなく、複雑な創発的な状態である。場合によっては侵害受容（有害な刺激の感知）から生じることもあるが、この信号を意識的で感情を伴う体験へと変換する高次処理が関与している。 神経科学の研究によれば、痛みは「痛みの中心」に限定されるものではなく、前帯状皮質（ACC）、島皮質、視床、体性感覚皮質、前頭前皮質などを含む動的な痛みのコネクトーム全体に分布していることが示されている。

こうした分散的な性質のため、純粋に生物学的な意味で痛みを特定することは困難です。国際疼痛学会（IAP）によれば、痛みは、実際の組織損傷や潜在的な組織損傷（侵害受容性疼痛）、神経損傷（神経障害性疼痛）、あるいは組織や神経の損傷を示す明確な証拠がない場合（侵害受容性疼痛）にも生じ得ます。

したがって、痛みを測定しようとする試みにおいては、生理的覚醒、感情表現、大脳皮質の活動、行動反応など、その多面性を考慮に入れなければならない。

多角的な疼痛評価の必要性

痛みをほぼ定量化可能な現象として捉えるためには、複数のモダリティを組み合わせて分析する必要があります。iMotionsプラットフォームは、痛みの体験の異なる側面をそれぞれ捉える複数の生体センサーを同期させて統合します：

モダリティ	措置	痛みの検知における役割
表情（Affectiva）	アクション・ユニット（FACS）	痛みに関連する無意識の表情を検知する
皮膚電気活動（EDA）	皮膚伝導度	痛みによる交感神経の興奮を表している
心拍数と心拍変動（HRV）	心血管反応性	時間依存性および周波数依存性の心拍変動に対する、痛みによる調節を反映している
筋電図検査（EMG）	筋の活性化	筋力（通常、痛みのある四肢や身体部位では低下している）や筋緊張を測定する
アイトラッキング	瞳孔の散大、注視	痛みから覚醒度と認知的負荷を推定する
脳波検査（EEG）	皮質活動	認知的および感覚的な痛みの処理を捉える
機能的近赤外分光法（fNIRS）	血行動態反応	皮質活動の間接的な変化

iMotionsはこれらのデータストリームを自動的に同期させ、痛みが身体や脳のどこでどのように現れるかを、時間軸に沿って統合的に把握できる視覚化を研究者に提供します。

表情分析：顔から痛みを読み取る

おそらく、痛みを示す最も直感的な指標は、人間の顔である。 痛みの表情は進化的に保存されており、乳児や言語を持たない人々においても認識することができます。FACS（顔面動作コーディングシステム）を用いると、眉を下げる（AU4）、眼窩を引き締める（AU6/7）、鼻にしわを寄せる（AU9）、上唇を上げる（AU10）といった特定のアクションユニット（AU）が、急性の痛みの発作と関連していることが分かっています。

iMotionsは、Affectivas社のAFFDEXソフトウェアとの連携により、リアルタイムかつ自動的なAU（表情単位）検出機能を提供します。時間のかかる手動のFACSコーディングとは異なり、これにより数時間に及ぶ動画データに対しても拡張性のある分析が可能となり、以下の項目の定量化を実現します：

• 疼痛に関連するAUの頻度
  
• 式の有効期間
  
• 共起パターン（例：針の挿入時の眉とまぶたの領域）
  

このデータは、刺激事象や生理的変化と関連付けることで、痛みの反応を検証することができる。

皮膚電気活動（EDA）：身体のストレス信号を捉える

EDAは、エクリン汗腺の活動によって調節される皮膚伝導度の指標であり、その活動は交感神経系によって制御されている。痛みの刺激、特に急激で予期せぬ刺激は、相性皮膚伝導度反応（SCR）を引き起こす。

iMotionsでは、Shimmer、BIOPAC、Pluxなどのセンサーから得られたEDAデータを刺激イベントと併せて可視化することで、研究者は以下のことが可能になります：

• 刺激後のピーク振幅と潜時を分析する
  
• トニック成分とファシック成分を可視化する
  
• 反復的な痛みの刺激に対する慣れをマッピングする
  

EDAは、時間同期が極めて重要となる、制御された疼痛誘発を伴う実験パラダイム（例：冷刺激試験、電気刺激）において特に有用である。

痛みの神経学的特徴

脳波検査（EEG）および機能的近赤外分光法（fNIRS）は、痛みの刺激に対する脳の処理過程を非侵襲的に観察する手段となる。 

脳波検査： 

脳波検査（EEG）は、実験的および臨床的な疼痛研究の双方において、脳活動を測定するために広く用いられている手法である。頭皮から直接電圧の変動を記録し、神経反応を調査するために用いられる。これにより、感覚処理、顕著性、注意、認知、鎮痛治療の効果など、疼痛のさまざまな側面に関連する脳のパターンを特定するのに役立つ。

安静時脳波（EEG）解析において、アルファ波の抑制は、感覚運動野における刺激強度や、耳介島皮質領域における顕著性レベルと関連していることが示されている。また、持続的な疼痛を有する患者では、疼痛のない健常な対照群とは対照的に、前頭前野および前帯状皮質においてシータ波の増強が報告されており、これは疼痛の認知的側面や内因性の疼痛抑制に起因している可能性がある。 

ガンマ波帯の同期は、従来から痛みの主観的強度と関連付けられてきたが、研究結果には議論の余地があるため、運動に関連する交絡因子の影響を排除するために、厳密に管理された実験を通じたさらなる研究が必要である。 

iMotionsは、Brain Products、Neuroelectrics Enobio、ABM B-AlertをはじめとするさまざまなEEGシステム、および一般的にLab Streaming Layerに対応するあらゆるEEGデバイスとの連携をサポートしており、以下のことが可能になります：

• パワースペクトル密度（デルタ、シータ、アルファ、ベータ、ガンマ）：疼痛時の皮質振動の解析
• 慢性疼痛患者における神経可塑性の変化の縦断的追跡
  

iMotionsを用いた脳波（EEG）を分析した最近の研究では、主観的な痛みの評価を予測するモデルの検討が始まっており、AIを活用した診断への道が開かれつつある。

iMotionsを使用した出版物の一部

iMotionsを用いた慢性疼痛患者におけるアルファ波

fNIRS： 

fNIRSは、大脳皮質の活動の間接的な指標となるオキシヘモグロビンの変化をモニタリングすることで、脳機能を測定する技術である。機能的磁気共鳴画像法（fMRI）とは対照的に、fNIRSは携帯性、費用対効果、そして被験者がより自然な動きができるという点で優れている。

13件の異なる研究を分析したメタ分析により、慢性疼痛患者と健常対照群の双方において、痛覚刺激に対する脳の反応に関する説得力のある証拠が示された。この分析の結果、被験者が痛みを感じた際、前頭前野および感覚運動野の両方でオキシヘモグロビン濃度が有意に上昇することが明らかになった。しかし注目すべきは、その効果が感覚運動野においてより顕著であった点である。 

メタ解析の結果、慢性疼痛患者では、健常な対照群と比較して、有害刺激に対する明らかな血行動態の変化が認められた。これらの知見は、痛みがこれらの特定の脳領域にどのような影響を与えるかを測定するツールとして、fNIRSの有効性を総合的に裏付けている。

iMotionsのEEGおよびfNIRS関連資料へのリンク

fNIRSについては：https://imotions.com/about-us/news/imotions-announces-strategic-partnership-with-artinis-to-launch-fnirs-integration/

EEG 対 fNIRS：https://imotions.com/blog/learning/research-fundamentals/fnirs-vs-eeg/

EMGと心拍数／心拍変動：体性神経系および自律神経系の相関関係

痛みは、患部の筋力を低下させるだけでなく、特に眉間筋（眉をひそめる動き）や僧帽筋（首の緊張）において、筋肉の緊張を引き起こすことがよくあります。iMotionsは、さまざまな筋電図（EMG）解析を行い、筋肉の収縮回数や頻度など、さまざまな指標を検出します。

心拍数（HR）と心拍変動（HRV）は、データセットをさらに充実させる。痛みが生じると心拍数は上昇する傾向にある一方、HRV（特に高周波成分）は低下する傾向にあり、これは迷走神経の抑制を反映している。

iMotionsを使用することで、研究者は以下を可視化できます：

• 辛い出来事におけるHRの急上昇
  
• 短期間および長期にわたる疼痛における心拍変動（HRV）の抑制
  

介入（例：鎮痛）後の回復曲線

視線追跡

瞳孔測定 

瞳孔径の測定である瞳孔計法は、自律神経系の活動、特に交感神経の活性化と直接的な関連があるため、実験的および臨床的な疼痛研究の場において、疼痛に伴う覚醒状態を評価するための研究ツールとして用いられている。個人が疼痛を経験すると、それに伴う生理的ストレス反応が交感神経の放出を引き起こし、瞳孔の拡大をもたらす。 

これにより、研究者は、言語によるコミュニケーションが限られている集団（乳幼児、重篤な患者、あるいは認知障害のある人など）において、明確な言語による報告がない場合でも、有害な刺激に対する嫌悪的な感情的・生理的反応の強さを測定することが可能となる。

瞳孔径は、痛み以外にも多くの要因の影響を受けます。これには、照度条件（照度の変化は覚醒度とは無関係に瞳孔の大きさに直接影響を与えるため、制御された一貫した照明が不可欠です）、 薬物やコーヒーの摂取（オピオイド、アルコール、特定の抗うつ薬などの様々な薬剤が瞳孔の大きさに直接影響を与える可能性がある）、視覚的調節（近距離と遠距離の物体への注視や焦点の切り替えにより、瞳孔が収縮または拡張することがある）、および個人差（痛みに対する瞳孔反応の程度も個人間で大きく異なるため、痛みの強さに関する普遍的な閾値を確立することは困難である）。

したがって、瞳孔測定は有望な手法ではあるものの、痛みの強さを包括的に理解するためには、他の生理学的指標や行動学的指標と組み合わせて用いる必要がある場合が多い。

注視・サッカード指標

痛みが注意力や情報処理にどのような影響を与えるかを解明するには、画面型アイトラッカーやアイトラッキング用メガネを活用することができる。『Journal of Pain』誌に掲載された研究では、画面型アイトラッカーを用いて、有害な刺激が注意資源の再配分を引き起こすことを示した。これは、サッカード運動の減少や、痛みの発生源への注視時間の延長といった指標によって裏付けられている。 眼球運動の評価は、痛みに関連する注意の変容や、それが痛みの調節にどのように寄与するかを解明するための、有益な補助的手法となり得ると考えられる。

24件の論文を対象とした系統的レビューによると、痛みの予測的手がかりに対する注意バイアスの効果サイズは、痛みに関連する単語や画像に対するものよりもはるかに大きいことが示されている。これらの結果は、痛みに関連する適切なアイトラッキング研究の設計に新たな知見をもたらすものである。

iMotionsは、新しい「iMotions 10」スタディビルダーを通じて、感情的・認知的質問票や痛みのカタストロフィ化に関する質問票、痛みの強さを評価するための視覚的アナログ尺度（VAS）など、あらゆる種類の質問票を作成し、回答を記録するための標準的なツールと高度なツールの両方を提供しています。

複合疼痛指数の構築に向けて

痛みの検知の未来は、単一のバイオセンサーを選ぶことではなく、マルチモーダルな痛み指数を構築することにある。これは、機械学習に基づいて、以下の要素に重み付けを行い統合した出力である：

• 表情
  
• 自律神経信号（EDA、HR）
  
• 脳波パターン
  
• 行動的関連因子
  

iMotionsは、統計分析やAIモデリングのためのデータエクスポート機能をサポートしています。これにより、研究者は対象集団や研究課題に合わせてカスタマイズされたモデルを開発することができます。

例：最近の研究では、同期化されたEDA、顔面AU、およびEEGの特徴量を用いてランダムフォレスト分類器を学習させ、自己申告による疼痛スコアを80％以上の精度で予測することに成功しました。詳細はこちらをご覧ください。

iMotions API を使用すると、外部信号のリアルタイム同期が可能であり、必要に応じて、未処理の生データを外部エンジン（Python、R、MATLAB など）へストリーミングすることもできます。