波兰启动类风湿关节炎慢性痛研究招募，拟用AI（人工智能）整合多组学并探索性纳入可选脑电数据，尝试识别疼痛相关分型
波兰一家军队临床医院正在招募类风湿关节炎患者，开展一项观察性病例对照研究，把临床量表、患者自评、脑电（EEG）和多组学数据用人工智能（AI）方法整合，试图区分炎症驱动的疼痛与中枢敏化相关疼痛，并识别慢性痛相关亚型。
研究不提供实验性治疗，预计入组100人，主要完成时间估计为2028年12月。
美国临床试验注册库（ClinicalTrials.gov）2026年8月18日发布并更新的注册信息显示，研究编号NCT07769619，简称RA-PAIN-AI，名称为“Integrative AI-Based Multiomic and Neurophysiological Profiling of Chronic Pain in Rheumatoid Arthritis”，由波兰弗罗茨瓦夫的第四军队临床医院（4th Military Clinical Hospital with Polyclinic）牵头，状态为招募中，实际启动日期2026年6月1日，预计主要完成日期2028年12月31日，预计全部完成日期2029年6月6日，估计入组100人。
设计为前瞻性、观察性、病例对照：一组为符合波兰国家B.33生物制剂用药项目、疾病活动期的类风湿关节炎（RA，一种慢性系统性自身免疫病）患者； 对照组为接受生物制剂治疗、临床缓解持续至少1.5年且无显著慢性痛的患者。
所有参与者接受临床评估、标准化问卷和两次外周血采集（基线约30毫升，随访约10毫升），脑电图（EEG，记录脑电活动的检查）为可选的探索性程序，由研究者决定。 全基因组测序、mRNA表达谱和循环蛋白测定等分析均为体外进行。
数据分析采用常规统计和AI（人工智能）方法，包括降维、聚类和监督式机器学习，主要结局为与慢性痛相关的多组学特征、两组间的整合区分特征，以及基于AI的疼痛相关内型（endotype）分类模型。 研究为非干预性，不给予实验性治疗。
研究信息称，尽管生物制剂和靶向合成改善病情抗风湿药（bDMARDs和tsDMARDs）显著改善了炎症控制，估计仍有20%至30%的患者在达到临床缓解后持续存在中重度疼痛。 该研究还提及既有定量感觉测试、条件性疼痛调制、功能磁共振等文献证据，作为中枢敏化和伤害可塑性疼痛机制的背景。
这项研究的价值在于把“疼痛是否还等于炎症”这个临床难题拆成可测量的数据层：免疫、基因、蛋白、脑电和患者自评。 对AI（人工智能）心理健康领域而言，它更接近机制分层和精准医学路径，而非对话式心理陪伴。 需要注意两点：一是它仍处于招募阶段，没有结果数据，任何关于AI能否准确识别疼痛亚型的说法都为时过早；
二是EEG（脑电图）为可选、由研究者决定，意味着脑电数据的覆盖可能不完整，影响AI模型对神经生理信号的利用。 研究将焦虑、抑郁、睡眠、韧性等心理变量作为次要结局或问卷维度纳入，说明慢性痛评估与情绪评估在临床研究中高度交织，但该研究并不测试心理干预。
后续观察信号
- 该研究是否披露跨中心合作与数据共享机制，尤其多组学与脑电数据的隐私与伦理安排
- AI（人工智能）模型在疼痛内型分类中使用监督式机器学习时，样本量100是否足以支持稳健验证
- 心理变量（抑郁、焦虑、睡眠、韧性）在疼痛分层中是否作为协变量或结局单独报告