腹部與盆腔疼痛通常源自胃腸道、肌肉骨骼（盆底）、泌尿或生殖系統(tǒng)中的一個或多個內臟器官。過去十年，隨著新分子靶點、信號通路、靶向基因編輯、人體組織使用及全面多組學分析的發(fā)現(xiàn)，該領域研究取得了長足進步。當前研究優(yōu)先考慮將人類臨床研究與相關動物模型相結合的組合與整合研究，以加速為患者開發(fā)新療法。

免疫調節(jié)在CPP疾病中與免疫細胞浸潤至受累器官、細胞因子譜改變以及CPP與已知自身免疫性疾病共病的高患病率相關。免疫衰老是CPP的一個因素，指隨年齡增長而發(fā)展的慢性、系統(tǒng)性、低度且大多無癥狀的炎癥狀態(tài)。它影響免疫和神經元功能，涉及促炎巨噬細胞、肥大細胞等細胞類型的激活及炎癥分子的釋放。一種假說認為，衰老過程中“分子廢物”負荷增加持續(xù)刺激巨噬細胞，導致持續(xù)隱性炎癥。近期研究致力于尋找免疫衰老、免疫刺激與衰老過程中CPP發(fā)生/持續(xù)之間的功能聯(lián)系。在胃腸道（GI）CPP病理患者中，已報告促炎細胞因子水平升高、導致黏膜改變的免疫失衡以及內臟敏感性增高。在胃腸道，免疫衰老與肥大細胞密度增加相關，這些細胞在人類遠端腸黏膜中與內在神經末梢緊密排列。與健康對照相比，腸易激綜合征患者的結腸活檢中肥大細胞和CD3⁺T細胞也顯著升高。在成人結腸肌間神經節(jié)和環(huán)形肌內檢測到腸膠質細胞密度呈年齡依賴性喪失，提示內在神經支配的營養(yǎng)支持可能發(fā)生潛在變化。近期一項研究在小鼠間質性膀胱炎/膀胱疼痛綜合征（IC/BPS）模型中，發(fā)現(xiàn)了一個肥大細胞-感覺神經元回路，它啟動了膀胱炎癥，并同時將神經超敏反應從膀胱傳播至結腸。數據顯示，膀胱中肥大細胞相對于傷害感受器的解剖異質性，以及它們對Mas相關G蛋白偶聯(lián)受體B2（MrgprB2）促進內臟超敏和膀胱-結腸交叉致敏的關鍵依賴性。這些研究強調了免疫細胞與感覺神經支配之間的密切交互作用，這是一種重要的免疫調節(jié)機制，也參與了盆底器官交叉致敏（已知是CPP的一個促成因素）的發(fā)展。

在下尿路，免疫調節(jié)通路的作用在IC/BPS的病理生理學中得到了最充分的研究，已證實膀胱組織中包括肥大細胞、活化的CD4⁺T細胞和調節(jié)性T細胞在內的幾種免疫細胞亞型上調。在潰瘍性（伴Hunner病變）與非潰瘍性（無Hunner病變）IC/BPS之間，已觀察到免疫細胞類型和細胞因子譜的若干差異。潰瘍性IC/BPS的特點是，與8%的非潰瘍性IC/BPS患者相比，93%的患者存在超出Hunner病變的慢性炎癥。此外，適應性免疫系統(tǒng)的細胞在Hunner病變內升高。相反，非潰瘍性IC/BPS與局部低水平炎癥相關，但肥大細胞數量增加。對非潰瘍性IC/BPS患者膀胱活檢的基因表達分析揭示了白三烯生物合成傷害性通路上調，該通路通常在炎癥性疾病和神經性疼痛中被激活。與潰瘍性IC/BPS相比，非潰瘍性IC/BPS中免疫通路的激活較為溫和，僅限于中性粒細胞趨化性和IFN-γ介導的信號傳導。實驗誘導的IC/BPS癥狀也通過抑制NLRP3炎性體通路而得到抑制，伴隨膀胱中CXCR3⁺T細胞、肥大細胞和中性粒細胞數量的減少，這突顯了下尿路慢性疼痛疾病免疫調節(jié)發(fā)病機制的新證據。

近期對性別特異性CPP疾病的研究，如男性慢性非細菌性前列腺炎/慢性盆腔疼痛綜合征（CP/CPPS）或女性局部誘發(fā)性外陰痛（LPV），為擴展的神經免疫交互作用作為重要的病理生理機制提供了更多證據。雖然CP/CPPS曾被認為是一種非炎癥性疾病，但多個研究組已在該病理中檢測到自身免疫失調。在實驗性自身免疫性前列腺炎小鼠的前列腺和良性前列腺增生患者的列腺組織中，肥大細胞數量以及NGF、TrKA和PGP9.5的表達水平均增加。同樣，外陰疼痛的臨床研究和臨床前實驗模型證實，組織成纖維細胞、肥大細胞、中性粒細胞和巨噬細胞的炎癥反應改變可能是LPV慢性外陰疼痛發(fā)生的關鍵。高達8%的40歲以上女性會發(fā)生LPV，這與免疫介導的炎癥反應改變、免疫缺陷、單器官和/或多器官免疫疾病以及過敏/特應性病癥相關。LPV女性的前庭活檢包含大量免疫細胞（包括巨噬細胞）和增加的神經纖維數量。LPV中上皮NGF的過度水平與B細胞浸潤增加和生發(fā)中心的存在相關。在LPV組織中發(fā)現(xiàn)了升高的B淋巴細胞和成熟黏膜IgA漿細胞，B細胞和T細胞排列成生發(fā)中心，代表了局部免疫激活。外陰痛患者的組織學標本也檢測到肥大細胞以及T淋巴細胞主導的炎性浸潤存在于大多數測試標本中。總體而言，雖然性別特異性CPP疾病通常側重于性別相關的激素變化（雌激素/孕酮依賴性敏感性）、傷害感受器密度的神經學差異和/或心理因素（女性焦慮程度更高），但神經免疫串擾已被證實是兩性內臟致敏和慢性腹部盆腔疼痛的共同病理生理機制之一。

微生理系統(tǒng)（MPS）包括復雜的多細胞、多層三維（3D）活體模型，也稱為“芯片上的組織”或“芯片上的器官”。MPS可來源于動物或人類，旨在緊密模擬活體組織或器官的生理相關方面，以克服二維細胞培養(yǎng)的局限性。開發(fā)人類MPS是一項新興技術，可在基礎水平模擬人類生理學，有潛力在藥物和治療開發(fā)的初始階段替代體內動物研究以評估安全性和有效性。MPS通常使用帶有微流體隔室的3D支架，模擬多細胞器官的微尺度單元、組織界面和多器官系統(tǒng)。嵌入微傳感器以跟蹤MPS中氧（葡萄糖、乳酸、谷氨酸等）水平的能力為研究提供了額外優(yōu)勢。匹茲堡大學藥物發(fā)現(xiàn)研究所建立了現(xiàn)有MPS數據庫，以匯總和管理來自不同實驗室的數據，并提供參考和臨床數據來評估和驗證MPS實驗結果。

已有幾種MPS被開發(fā)用于模擬疼痛（傷害性）信號傳導并篩選實驗化合物的鎮(zhèn)痛效果。一項研究通過在MPS中共培養(yǎng)外周和脊髓背角神經元來記錄疼痛的替代信號，從而模擬脊髓背角。另一個研究組利用來自成年健康個體誘導多能干細胞（iPSCs）生成的大腦類器官，證實了阿片受體在這些3D結構中的表達。來自iPSCs的感覺神經元（iPSCs-SNs）為闡明外周病理生理和疼痛相關機制提供了新途徑。對iPSCs-SNs的全面轉錄組分析證實了這些細胞的感覺神經元樣性質，此外，形態(tài)學證據表明它們具有假單極神經元形態(tài)。

過去十年，胃腸道、泌尿和生殖器官的類器官模型引起了越來越多的興趣。在復雜胃腸道微組織的開發(fā)方面取得了顯著進展，尤其是由上皮類器官與非上皮細胞類型共培養(yǎng)組成的第二代模型，能夠成功再現(xiàn)細胞間相互作用。利用生長因子、化學梯度和機械因素刺激細胞形態(tài)發(fā)生的組合方法提供了一個多樣化的工具箱，以指導形成特化的3D胃腸道微組織。推動現(xiàn)有胃腸道MPS用于疼痛相關研究的關鍵步驟將包括整合作為上皮化學傳感器的腸嗜鉻細胞與信號轉導的腸神經元。新興的體外模型已將人類腸道類器官的干細胞與分化為神經元的神經嵴細胞配對。當這些細胞在體內植入時，它們會形成類似于肌間和黏膜下神經叢的神經膠質結構。

開發(fā)泌尿生殖系統(tǒng)MPS的嘗試主要集中在上皮組織。例如，已從人類和小鼠子宮內膜上皮建立了子宮類器官，由增殖、分泌和祖代子宮內膜細胞組成。近期對小鼠和人類膀胱上皮類器官的研究被用于研究尿路感染的機制。Parab等人將小鼠膀胱上皮來源的MPS描述為一個可擴展的平臺，用于模擬尿路上皮衰老，并證明其在模擬尿路致病性大腸桿菌（UPEC）感染方面的效用。Zulk等人從膀胱干細胞開發(fā)了人類膀胱類器官，重現(xiàn)了尿路上皮的細胞多樣性。通過批量及單細胞RNA測序，該研究組表征了類器官對UPEC和噬菌體暴露的反應。類似地，睪丸類器官衍生自人類原代睪丸細胞。形態(tài)學評估顯示，它們由緊湊的球形結構形成，外周區(qū)域由未鑒定的細長成纖維細胞樣細胞組成。雖然上皮來源的MPS是開發(fā)完整3D下尿路和生殖道類器官的激動人心的第一步，但要使其適用于盆腔疼痛研究，還需取得額外進展，以實現(xiàn)足夠的肌層存在、血管化和類器官組織的神經支配。

人工智能（AI）模型的應用已越來越多地進入動物和人類疼痛研究領域。AI相關技術的范圍每天都在擴展，從經典機器學習（ML）到更復雜的多模型，為CPP研究的各個領域提供了額外的個性化水平。AI不再是傳統(tǒng)研究方法的補充計算工具，而是分析大型數據集、比較不同研究地點、治療方案及預測預期結果所必需的。開發(fā)精確客觀的疼痛檢測和評估方法，包括將疼痛傳感器與AI技術相結合，為CPP研究開辟了新的可能性。疼痛干預與數字研究（Pain-IDR）計劃于2022年啟動，旨在測試是否可以通過被動方式（通過智能手機應用程序）評估老年慢性疼痛患者的功能和疼痛狀態(tài)（患者身體、情感和社會福祉的指標），從而將門診臨床護理與數字健康研究相結合。該計劃成功招募了77名慢性疼痛患者，并收集了高頻生態(tài)活動、情緒和社交能力（HERMES）記錄，以評估患者功能狀態(tài)的“逐時刻”量化。其他模型，如ChatGPT的高級語音模式，也被證明可用于向提供者提供關于與CPP患者有效溝通的個性化反饋，以定制其治療。疼痛管理中的溝通是醫(yī)療保健教育中已知的挑戰(zhàn)之一，先進語音界面（如ChatGPT）在模擬教育項目中的應用日益增加，通過練習具有挑戰(zhàn)性的溝通場景豐富了學員的學習體驗。

基于AI的技術最具變革性的應用之一是其整合能力。多模態(tài)AI工具可以分析組合的成像、組織病理學和分子特征以及電子健康記錄，以創(chuàng)建詳細的個體化患者表征。這些數字表型可以為患者隊列中的慢性疼痛、免疫反應和治療結果提供具體的預測。大語言模型（LLM）通過簡化臨床工作流程、促進患者溝通以及快速評估納入/排除標準、終點有效性和統(tǒng)計可行性，進一步擴展了這種整合。在泌尿學研究領域，機器學習方法的應用已從實驗原型擴展到臨床環(huán)境。最近一項研究探索了使用ML模型（CatBoost和XGBoost）通過分析患者報告結果、尿流率測定和超聲數據來診斷下尿路癥狀（LUTS）。結果顯示，雖然CatBoost對初步篩查更敏感、更有效，但XGBoost顯示出最終診斷所需的更優(yōu)精確度和特異性。來自神經源性膀胱研究小組脊髓損傷登記處的200多個變量被用于決策樹分析（eCHAID技術），以識別與LUTS發(fā)展相關的參數。該AI工具的預測能力為57%，表明其預測未來膀胱癥狀的能力有限。其他AI模型（DeepSeek-V3、DeepSeek-R1、OpenAI o3-mini和OpenAI o3-mini high）被用于分析良性前列腺增生、泌尿系結石、感染及相關指南更新等領域的泌尿學問題。獲得的結果表明，o3-mini high可作為門診咨詢和方案更新的快速第二意見工具，而DeepSeek-R1可在資源有限的環(huán)境中提供經濟有效的替代方案。AI強大分析在女性健康診斷中的應用因其識別傳統(tǒng)方法難以解讀模式的能力而受到更多關注。通過利用ML算法，分析了209個臨床特征，包括人口統(tǒng)計學、癥狀、婦科/產科病史和體檢結果，作為子宮內膜異位癥的預測因子。所選的ML方法成功地術前預測了子宮內膜異位癥，但應用的方法存在一些局限性。首先，這是一項回顧性病例對照研究，未在獨立數據集中對模型進行隨訪驗證。其次，分析數據庫中的不平衡（子宮內膜異位癥患者占83%，對照僅占16%）可能影響了算法訓練。第三，嘔吐作為子宮內膜異位癥的最高陽性預測特征出現(xiàn)，累積影響評分為40，其次是絞痛（評分為25）。作者對此意外結果提供的一種解釋是，ML模型不考慮獨立于其他特征的特征，每個參數都是與所有其他特征結合分析的。第四，未考慮激素治療/避孕藥的使用，而激素對疼痛癥狀的影響在臨床環(huán)境中已得到充分證實。總體而言，該研究強調了ML算法與相關生物學過程和疾病病理生理學的緊密關聯(lián)和共同開發(fā)的重要性。

人工智能工具也正在改變疼痛研究的分子格局。基于AI的技術目前應用于多維轉錄組學和蛋白質組學數據集，揭示了新的治療靶點和信號通路。使用三種ML算法評估了人類IC/BPS的免疫譜，揭示了人類膀胱標本中特征基因與免疫細胞亞型之間的相關性。大多數免疫細胞亞型在IC/BPS組織中上調，包括肥大細胞、活化的CD4⁺T細胞和抑制免疫反應的調節(jié)性T細胞。類似的基于ML的方法被用于識別非潰瘍性IC/BPS特有的mRNA特征。通過監(jiān)督和無監(jiān)督ML方法分析mRNA特征，以定義IC/BPS分類器，理解膀胱中的基因表達變化。另一項研究使用差異表達基因（DEG）、炎癥相關基因（IRG）的整合分析和ML方法，找到了神經源性膀胱（NB）患者膀胱纖維化的幾種診斷生物標志物。首先，利用NB大鼠模型，結合DEG、IRG和WGCNA分析，以識別NB相關樞紐基因。接下來，使用MCODE插件和ML方法確定了四種NB診斷生物標志物（HIF-1α、IL-1β、CD40和IL10RA）。最后，使用免疫組化和蛋白質印跡分析測試了這些生物標志物在NB患者膀胱組織中的表達水平。結果顯示，與健康膀胱相比，NB標本中HIF-1α、IL1-β、CD40和IL10RA蛋白顯著上調。這項近期工作是組合轉化方法的一個令人信服的例子，它將AI數據挖掘與分子和組織學發(fā)現(xiàn)相結合，用于生物標志物發(fā)現(xiàn)。

總之，將AI方法整合到腹部和盆腔研究中并非簡單的技術進步，因為它允許從觀察性發(fā)現(xiàn)轉向預測性建模，從回顧性分析轉向病理生理學洞察，以及從科學家獨家解讀轉向人機協(xié)作的新時代。作為科學家，我們應該意識到在疼痛研究的各個方面使用AI相關的常見陷阱，并清楚地理解，AI揭示的模式和預測的最終解釋應始終經過人類判斷的驗證。

腹部和盆腔疼痛的多因素病因學及CPP共病的高發(fā)生率給患者的診斷、病理生理和治療帶來了挑戰(zhàn)。關于神經免疫機制以及免疫衰老在急性疼痛向慢性疼痛轉變中的作用，仍存在知識空白，迫切需要新的技術進步來分析當前可用的大型復雜生物學數據集。從藥物發(fā)現(xiàn)的角度來看，迫切需要能夠再現(xiàn)構成特定盆底器官或組織的不同細胞類型解剖分布和生化機制的3D體外系統(tǒng)。過去十年發(fā)展的MPS模型試圖重現(xiàn)組織形態(tài)和功能，而非單一細胞類型的生物學。除了評估先前確定的生物標志物在急性疼痛向CPP轉變中的預后價值外，基于AI的方法通過分析多個數據集并提出CPP表型的多模態(tài)生物特征，提供了數據整合的新水平。雖然MPS和AI方法都存在諸多局限性，但它們未來的進步在開辟CPP藥物發(fā)現(xiàn)和測試的新途徑方面具有巨大潛力，并使科學家能夠更好地建模和理解腹部與盆腔疼痛研究中的神經、代謝和免疫關系。