基于EEG测量猫的慢性疼痛:使用Piq算法进行的概念验证研究.
Aliénor Delsart1, Colince Segning2, Aude Castel3
1Groupe de recherche en pharmacologie animale du Québec (GREPAQ), Université de Montréal, Québec, Canada.
Veterinary journal (London, England : 1997)
|February 22, 2026
概括
一种新的脑电图 (EEG) 算法,疼痛识别和量化 (Piq),显示出对客观评估猫的慢性骨关节炎 (OA) 疼痛的希望. 这种跨物种应用可以改善猫伴侣的疼痛管理.
科学领域:
- 兽医神经学 兽医神经学
- 疼痛管理 疼痛管理
- 生物医学工程 生物医学工程
背景情况:
- 评估猫的慢性疼痛是具有挑战性的,需要客观的诊断工具.
- 非侵入性脑电图 (EEG) 提供了一种客观疼痛评估的潜在方法.
- 一个人类衍生的EEG算法,疼痛识别和量化 (Piq),量化疼痛强度.
研究的目的:
- 评估Piq算法用于识别和量化猫的慢性骨关节炎 (OA) 疼痛的可行性.
- 探索基于EEG的疼痛评估从人类到猫的跨物种翻译的潜力.
主要方法:
- 休息状态EEG数据是从成年猫 (n=5) 在意识和镇静条件下获得的.
- Piq算法分析了EEG数据的前五分钟,专注于马频段活动.
- 评估了猫的功能障碍 (MI-CAT(V)) 和神经敏感化 (PWT,RMTS).
主要成果:
- 没有疼痛的猫的Piq分数低于10%,而OA猫在意识和镇静状态下都超过了这一值.
- 皮克分数与脚部戒断值 (PWT) 有负相关性,表明高分数增加的神经敏感性.
- 该算法成功地根据猫的EEG模式区分了疼痛水平.
结论:
- Piq算法证明了使用EEG检测猫的慢性OA疼痛的可行性.
- 结果表明,该算法捕获了与猫类OA疼痛相关的马波段EEG模式,与人类研究一致.
- 这项概念验证研究支持基于EEG的疼痛量化的跨物种翻译潜力.
