走进疼痛转化研究｜专访哈佛医学院涂毅恒博士
嘉宾：涂毅恒
主持人：阿玉
策划：小胡
编辑：小胡
排版：入木
编者按
本栏目旨在与脑科学相关的科研人员以及产业界人士深入交流，直击科研和生产一线，帮助大家更好的了解脑科学现状和未来发展动态。
时间导览：
00:00-00:56 背景及嘉宾介绍
00:57-06:25 疼痛的背景介绍
1. 简要研究方向
2. 研究疼痛的意义和重要性
3. 疼痛领域的已知与未知
4. 疼痛和神经精神类疾病
06:26-26:24 运用脑成像研究疼痛的现状
1. 研究疼痛的方法、行为范式或者技术手段
2. 为什么选择脑成像技术入手
3. 疼痛对大脑的影响
4. 心痛与生理性疼痛的脑成像区别
5. 疼痛治疗方面的研究方法与进展
6. 人工智能与疼痛
7. 脑成像如何反映真实疼痛
8. 脑成像对于疼痛诊断预测的效果
9. 疼痛领域未来研究方向
10. 疼痛研究的难点
26:25-40:31 转化医学研究的重要性
1. 疼痛的转化医学研究进展
2. 中美在转化医学研究上的差异
3. 实验室的发展规划
4. 对于交叉学科与转化医学相关建议
01 背景及嘉宾介绍
疼痛不仅是伴随我们日常生活的体验，也是医学研究中的重要课题。我们为什么会感受到疼痛，疼痛的神经机制是什么，每个人的疼痛感觉一样么，我们怎么消除疼痛？
为了解答这些问题，今天我们脑人言很荣幸地邀请到了神经科学与生物医学工程领域的涂毅恒博士，来为大家分享他对于疼痛的研究和转化医学的看法。涂博士于2019年在哈佛医学院麻省总医院完成博士后训练，并在去年9月获得哈佛医学院的教职。在博士与博士后阶段的工作中，涂博士主要关注神经和精神疾病诊断和治疗，在生物医学信号处理、转化神经成像和神经工程领域都有所研究。
02 疼痛的背景介绍
主持人：欢迎涂博士，涂博士可以简单介绍一下您的研究方向吗？
嘉宾：我的研究主要是运用脑成像技术来研究人类的疼痛感受。具体来说我的研究主要包括两个方面：一方面是开发针对于脑成像数据的计算方法。包括信号处理来提高脑成像数据的信噪比，特征提取来识别脑成像数据中的重要特征，还有模式识别来构建机器学习模型等等。另一方面是通过开发这些计算方法和运用脑成像数据来研究疼痛的机制，发展精准诊断方法和研究个体精准治疗。
主持人：我看到您专注于疼痛这个领域很多年，您觉得研究它的意义和重要性是什么？
嘉宾：首先我想这个世界上绝大多数人都有过疼痛感受，疼痛是一种很主观的不愉快的感受，急性疼痛是一种躯体警示的机制。比如你受伤了，疼痛会告诉你。如果缺少了疼痛的警示，其实是很危险的。但如果疼痛长期存在的话，持续时间超过6个月就会变成慢性疼痛，那就会成为一种疾病。在中国目前有超过1亿人生活在慢性疼痛当中，远远超过了我们所熟知的癌症、糖尿病、心脏病等疾病的总患病数，而且这个数字还在快速增长。我可以举几个常见的慢性疼痛的例子，比如腰痛、关节炎、肩膀痛、头痛，甚至鼠标手等等，这在身边朋友其实都很常见。而且慢性疼痛不仅仅是疼痛，它往往伴随着失眠、焦虑、抑郁、身体功能受损等等，它会影响生活的各个方面，对病人和社会造成很大的负担。所以研究疼痛的机制，从而开发有效的缓解疼痛的治疗方法，可以说是促进疼痛医学发展的一个关键问题。
主持人：在现在的疼痛领域，我们的科学家们知道了哪些东西，还有什么是未知的呢？
嘉宾：疼痛这个领域非常大，我只能说一些我比较熟悉的方面。比如说科学家们已经定位了疼痛在大脑中的神经环路，以及疼痛是怎么样通过脊髓脑干传递到大脑中的相关区域。科学家另外也研究了亚急性疼痛怎么样转化成慢性疼痛，在这个过程中大脑会发生怎么样的变化等等。可以说用脑成像技术研究疼痛还是取得了非常多的成果，加深了我们对疼痛的理解。
未知的也很多。比如说疼痛的个体差异。刚刚我说疼痛是一个非常主观的感受，所以对同样的疼痛刺激，为什么有些人觉得非常疼，而有些人觉得不疼，其实这种个体差异究竟是由于什么造成的还不清楚。另外还有一些有效的镇痛方法的开发。在过去几十年其实都没有开发出除了**类药物之外的有效镇痛药物。正是因为这些**类药物的成瘾问题，给社会上造成了很大的经济负担，所以镇痛也是我们一直努力的方向。
主持人：我们知道一些神经精神类的疾病也伴随着疼痛，比如一些抑郁症的患者，他的临床症状就包括躯体疼痛。您觉得疼痛和神经精神类的疾病有什么关系吗？
嘉宾：对。疼痛和其他神经精神类疾病都有非常紧密的关系。比如说如果你长期生活在慢性疼痛当中，很容易出现焦虑抑郁的这种症状，而抑郁症的患者也比一般人更容易发展成慢性疼痛。所以这两种病其实是相互影响的，在治疗过程中症状往往也会共同变化。所以研究慢性疼痛和抑郁症之间这种共病性机制，其实也是近年来一个研究热点。
另外比如说长期生活在慢性疼痛中，也有可能会造成大脑的加速老化，使得慢性疼痛病人患上痴呆的概率增加。还有某些神经精神类疾病，可能会有着特异的疼痛感受。比如说精神分裂症的患者，他的疼痛敏感度非常低，不怕疼，这其实是非常危险的。因为我刚刚提到疼痛其实是有警示的作用，如果在生活中感觉不到疼痛，往往就会造成后续更大的伤害。
03 用脑成像研究疼痛的现状
主持人：目前大家一般采用什么样的方法来研究疼痛，包括哪些行为范式或者技术手段？
嘉宾：其实在动物和人身上研究疼痛还是有比较多的差别的，因为在动物身上可以用电生理这些技术来记录疼痛的神经响应，在人身上一般都是用非侵入式的脑成像技术。比如说脑电，戴一个脑电帽子，采集头皮上的微弱电位，然后通过放大器获得一些脑活动的曲线。另外像脑磁图可以记录大脑中电流产生的磁场，来记录大脑活动。当然最常用的还是核磁共振技术，包括功能核磁共振来记录大脑中血氧浓度的变化从而获得近似的脑活动，还有结构磁共振来测量大脑皮层中的体积、厚度、面积等等，这些都是一些常用的技术手段。
研究范式一般分静息态和任务态。静息态就是被试什么都不做，保持清醒放松的状态来采集大脑的活动，其实就代表了大脑中固有的脑活动。相对应的是任务态，比如说我们在正常人身上研究疼痛感受的话，我们会通过一些外界刺激，比如说激光、热、压力等等来诱发疼痛的感受，从而研究疼痛的相关脑响应。当然也有一些其他非常经典的疼痛范式，包括共情、注意力、记忆奖赏方面的这些研究方式都可以用来研究疼痛或者慢性疼痛患者在某些方面的一些异常的反应。
主持人：好的，您介绍的很详细。我看到您运用的是脑成像的技术来对疼痛进行研究，为什么会选择脑成像技术这个方面来入手？
嘉宾：因为大脑是处理疼痛的中枢，如果想探索人的疼痛机制，在不开颅的情况下，我想脑成像目前应该是比较好的一个手段。我现在目前的研究是结合多模态的脑成像，因为不同的成像手段都有各自的缺点和优点。比如说脑电有很高的时间分辨率，磁共振有很好的空间分辨率，所以我们一直在想办法怎么样融合这些脑成像技术，来弥补相互的这些缺点、结合他们的优点。
主持人：在您的研究发现中，疼痛对我们的大脑有怎样的影响呢？
嘉宾：疼痛其实会影响非常多的脑区。而且像急性疼痛和慢性疼痛，其实是有着许多差别的。比如说急性疼痛一般会影响和感觉相关的脑区，但慢性疼痛往往还会影响一些认知情绪相关的脑区。我们最近的一些研究包括其他科学家的一些研究都发现，慢性疼痛其实已经超越了疼痛本身，因为大脑长期处理这种持续的疼痛，会造成情绪认知相关的脑区发生变化，从而造成一些抑郁、记忆力衰退等等症状。所以急性慢性还是会有许多的差别。
主持人：也就是说一个病人他可能一开始是急性的，但他没有诊断出来他疼痛的根源，他可能后期就会慢慢的拖成一个慢性，然后对大脑造成更多的损害。是这样吗？
嘉宾：对的，如果你长期的生活在这种慢性疼痛中，你的大脑会有更多的脑区受到损害。
主持人：那就是如果我们一开始可以更好地诊断出来急性疼痛的原因是什么，就特别重要。好的，我还有一个问题比较好奇，我们常常会说感到心痛，这种心理问题产生的疼痛，它对于大脑有影响吗？它和生理产生的疼痛的脑成像有什么比较大的区别吗？
嘉宾：心理疼痛其实也是疼痛，比如和女朋友分手、文章被拒了、基金没有拿到，这其实都是疼痛的范畴。我记得几年前其实有一篇文章发在 Nature Communication上面，研究了这种物理性的疼痛（用热刺激来诱发疼痛）和恋爱分手后的这种心理疼痛之间的差别,当时作者发现这两种疼痛造成的大脑响应还是有很大的区别的。因为心理疼痛激活的可能更多的是前额叶这种和情感相关的脑区，但物理疼痛激活的更多是和丘脑这种与感觉更相关的一些脑区。所以心痛也是痛，只是一个是物理性的，一个是心理疼痛，它对大脑的影响会有一些区别。
主持人：好，很神奇。除了您提到的不同种疼痛在脑部的特异性标志物之外，我看到您对于疼痛的治疗也有所研究，您是怎么研究的？有哪些发现？
嘉宾：对。我研究治疗主要是两个方面，第一是用神经调控技术来调节这些与疼痛有关系的大脑活动和脑区，从而获得镇痛的效果。因为当我们前期的研究发现哪些区域和疼痛有关系的话，我们就可以相应地用神经调控技术来target（靶向）那些脑区。在这个方向上，我一直是结合脑成像来做一些基础性的工作，了解一些神经调控技术基本问题，比如说刺激的区域、急性、强度等等，从而更好去设计治疗方案。
另外一方面是研究安慰剂效应，通过心理调控来影响疼痛。因为在临床实验中，科学家们往往会设计安慰剂对照组，从而获得真正的药物的效果，他们希望安慰剂效应越小越好。但是在临床上，如果能在治疗方案固定的情况下，想要进一步提高整体的治疗效果，其实安慰剂是一个很好的帮手。因为现实情况下，人的期望会有很强大的能力。如果你觉得这种治疗有效，那么往往治疗效果可能会有所提升；如果你觉得某种药会有副作用的话，这个时候安慰剂的对立面也就是反安慰剂效应往往会让你感受很多副作用的影响。所以我们一直在设计一系列的心理学范式，来探索疼痛的期望如何调控人的主观疼痛感受，来提升安慰剂效应和抑制反安慰剂效应。我们也做了一系列的基础研究，开展了几个临床实验，希望能够把这些心理调控疼痛的方法运用到慢性疼痛病人的镇痛上面。
主持人：听起来是很有意义的研究。随着人工智能技术的发展和国家的重视，人工智能和医学领域的结合越发紧密，请问在疼痛和其脑成像的领域，人工智能有怎样的应用呢？
嘉宾：相关应用还是比较多的。比如说我刚刚提到过疼痛是一种主观的感受，在临床上，医生一般都会让病人从0~10分给自己的疼痛打分。但对于某些特殊群体，其实他们很难准确地评定自己的这种疼痛感受，或者有些人不愿意给出他自己真实的疼痛感受。通过结合人工智能和脑成像，科学家提出了一种客观评定疼痛感受的方法。就是在给予疼痛刺激的同时来采集脑成像数据，用机器学习算法进行特征提取、预测等等，从而根据这些脑响应来客观地评定疼痛的感受。这种技术可以给医生提供辅助诊断。
另外人工智能方法也会被用于检测慢性疼痛的脑成像的生物学指标，或者预测患者接受治疗的效果，这些方面都取得了一系列的成果。
主持人：我有一个问题，如果是通过脑成像来为疼痛提供一个客观的生物标记物的话，什么才可以反映真实的疼痛呢？
嘉宾：比如说我们招募100个正常人，然后通过一些激光或者热刺激来诱发他的疼痛，这些正常人我们认为他是能够准确地评估自己的主观疼痛感受的。我们会通过他们的脑数据和他们自己给出的疼痛的水平来做一个训练集。当有一些新的对象，不管是正常人还是一些无法准确评估自己疼痛感受的人来了以后，我们会用之前这些数据训练的机器学习模型，来运用到这些新的数据上面来，帮助他们判断疼痛的感受。
主持人：好的。您刚才提到可以通过它来进行诊断的预测，预测的效果现在是怎么样呢？
嘉宾：像我刚刚提到的这种客观评定疼痛感受这种研究，比如说二分类的话，就是区分强疼痛和弱疼痛的话，已经可以做到大概90%以上准确率。当时这个研究2013年发表在了The New England Journal of Medicine（新英格兰医学杂志）上面，这是医学的最顶级期刊。但其实这个还远远不够，因为疼痛其实不是一个二分类的问题，其实更应该是一个回归的问题。因为评分其实是0~10分的，所以并不是说你是强疼还是弱疼，其实是一个连续的评分问题。所以之后有很多研究用机器学习的技术来解决回归问题，可以使得误差低到一分左右。
在慢性疼痛诊断方面，我个人认为相关的研究还比较初步，准确率差异还是挺大的。因为慢性疼痛本来就是一个很复杂的问题，再加上脑成像数据的数据量往往不够大，不同机器和不同参数扫描的脑成像数据会有一些差别，所以造成临床转化的潜力现在还不是很大。
我个人认为对于应用人工智能和脑成像进行脑疾病诊断，一个好的可靠的研究需要满足可重复性，就是说做的东西能够在别的机器或者别的中心上采集的数据也能有效。还有特异性，比如说检测偏头痛的模型，是不是只对偏头痛特异，能够区分偏头痛和紧张性头痛，或者区分偏头痛和其他的慢性疼痛。最后我觉得还有可解释性，因为现在人工智能在做这些所谓的诊断方面，我们不希望是一个黑箱操作，希望知道哪些脑区提供了相关信息。所以我觉得这也是导致这些诊断准确率，尤其是在慢性疼痛上面，并不是很理想的一些原因。
主持人：您刚才提到了很多这方面研究中的瓶颈和难点，您觉得未来的发展方向可能有哪些才可以更好的帮助我们克服这些问题呢？
嘉宾：首先我觉得需要大量的数据。因为脑成像数据规模，相对于传统图像领域的上亿级别的训练数据还太小了。所以这种人工智能神经网络在脑成像诊断方面效果还比较一般，希望能够在大数据上面会有一些更好的效果。
其次，相较于其他的神经精神类疾病比如自闭症，疼痛这种诊断的生物学指标其实意义比较有限。因为慢性疼痛诊断的相对成本和难度比较低，比如说你诊断慢性下腰痛，其实并不需要很复杂的量表，医生其实问一些简单的问题，就能帮助您诊断。不像自闭症，其实需要很复杂的量表来评分，然后需要很长的时间。
所以我觉得可能怎么样预测这种疾病的发展，比如说怎么样从亚急性的疼痛转变成慢性疼痛，我们称这种叫prognostic biomarker（预兆性生物标记物），是比较有意思的方向。那么还有在治疗前能够预测治疗效果的这种predictive biomarker（预测性生物标记物）也是一个比较重要的方向。因为如果能够在治疗前能够预测患者，比如说在一个月后可能获得的治疗效果，其实对这种治疗的精准化，还有资源的合理利用，都会有一些帮助。
总的来说我觉得神经网络以后会给领域带来一些分析技术上的革新。我自己也在一直找一个合适的切入点，能够解决实际的问题。
主持人：神经网络应用在脑成像上，主要的问题在于数据规模量比较小，您觉得它应用在这个领域还有哪些其他的问题吗？
嘉宾：刚刚我也提到过，前段时间在Nature上也发了一篇文章说脑成像可重复性的问题，这其实是现在一个比较重要的问题。如果希望能够把这些做出来的模型，包括这些biomarker（生物标记物）应用在临床的话，最重要的首先要解决的就是可重复性问题。也就是说我们在一个中心或者一台机器上做出来的东西能够怎么样运用到别的中心、别的机器上面去，甚至能够在临床上广泛地进行应用，这其实是一个非常关键的问题，作为临床转化的前提条件。
然后另外一个其实做基础研究的可能会比较少考虑。我去年去参加一个美国的偏头痛的年会，当时有一些做研究的，也有一些病人会去参加年会。当时就有一些问到的问题，会从病人的角度上出发，我觉得这可能是我们做研究的并没有考虑到的。比如说有些病人会问，如果利用这些脑成像来做疾病的诊断，病人在医院里面要多做诊断扫描，相关的费用是怎么样来处理这个问题。其实当时我也想，我好像没有考虑过这个问题，但是站在病人角度上，如果你想把这个东西引入临床，能够做一些临床上的诊断，其实这也是很重要的问题。比如说对于美国来说，保险能不能cover（覆盖）额外的这种脑影像的扫描，我觉得也是值得我们去考虑的。
04 转化医学研究的重要性
主持人：是的。现在转化医学日益受到了医学界的关注，在健康中国2020的战略研究中也提出要推动有利于国民健康的医学模式的转化。您是怎么理解转化医学研究的呢？以及您认为疼痛的转化医学研究现在到了什么阶段？
嘉宾：个人的理解，转化医学研究就是将基础的研究转化为临床研究，最终实现临床应用。我可以举个简单的例子，比如说基础的生物医学研究发现，下丘脑可能是偏头痛发作的一个启动器（neural generator），那么转化研究需要考虑的是如何来调节下丘脑的活动，从而抑制偏头痛的发作。再进一步我们通过脑成像技术发现某种神经调控技术可以影响下丘脑活动，那么转化研究需要考虑的是神经调控技术需要用什么样的频率，什么强度的刺激，或者多长时间的刺激等等，才能更有效地调节下丘脑的活动。当我们把这些问题都了解清楚了，我们才能够根据这些研究成果来设计一个基于神经调控的治疗方法，然后再开展双盲随机临床试验，检测在偏头痛病人上的效果。
此外，即使治疗总体来说是有效的，但是肯定还是有一些病人对于治疗没有响应。那么转化研究也需要弄清楚，是什么因素造成个体的这种差异，然后才能够更好地设计治疗方案，并且优化医疗资源。总的来说，疼痛的转化研究其实最近几年还是受到比较大的重视的，科研工作者也开始考虑怎么样能够真正地把自己的基础研究工作运用到病人身上。因为我自己也是在麻省总医院工作，所以在转化这方面也比较看重，这几年也有一些非常有意思非常重要的疼痛转化研究领域的相关研究。
主持人：比如说呢？
嘉宾：比如说最近我看到一个比较有意思的研究是研究医患之间关系。其实早在大概10年前，我们这边团队在BMJ上面发文章，那是一个临床clinical trial的文章，发现医生在治疗慢性疼痛病人的时候，如果表现出比较关心的态度，相比于冷淡的态度，患者疗效可能会比较好，但是它里面的神经机制不是很清楚。最近有一个研究用同步的fMRI（功能磁共振）扫描来研究医生和患者沟通过程中大脑的同步关系，来探索神经机制，从而给临床上促进医患的沟通提供一些指导。即看医生和患者沟通时，他们的大脑能够怎么样变化。因为是用同步的fMRI扫描，两个人在沟通过程中，两台机器进行扫描，并且两台机器连在一起，这样能够很好的去探索他们在相互沟通过程中大脑的关系。
主持人：确实是焦点问题。您在中美都从事过相关的研究工作，以您的观察来看，中美在转化医学研究上有哪些差异呢？
嘉宾：我在中国工作时间还比较短，只是去国内的学校访问过，相对来说，美国还是比较看重转化研究。因为我们在写grant（基金）的时候都会要求写public health relevance，就是说你所做的研究对于公共健康到底有什么样的作用？我们在美国这边实验室最近几年其实都是将过去在健康被试上获得的一些研究成果来开发针对于病人的新型的治疗方案。我们在写proposal（实验方案）的时候，可能会更希望做一些高风险的高收益的研究。
据我所知还有一个可能美国和国内比较大的差异是基础研究和临床的分离程度。因为我在这边是在哈佛的附属医院工作，所以我们做实验都是完全自己进行，从招收病人、审核病人、收集数据等等，这样就会与病人有很多直接的接触，所以会有一些临床的经验，然后了解临床的需求，我觉得这样就能够更好地想明白怎么样转化自己的研究。当然我们团队也会有有执照的医生。我了解到国内可能基本上是要和医院的医生进行合作，然后医生自己本身工作也很忙，所以临床部分和研究部分可能会有一定的分割。这是我观察到的一个可能比较大的差别，但是国内其实这几年转化研究也发展非常好，我知道国内有好几个学校都在建立转化医学研究院，所以应该是都会慢慢去完善这些体系，然后能够把研究做得更好。
主持人：那我们就期待国内也发展得越来越好，听说您计划年底回国在心理所建立自己的实验室了，您对于自己实验室将来的发展规划是什么样的？您自己最想解决的是什么问题呢？
嘉宾：我自己的研究还是会在疼痛和相关的脑疾病上面。首先我希望能够搭建大样本的多中心的数据平台，因为刚刚我们也聊到过，现在脑成像数据的数据量还太小，在单中心上面做出来的研究成果，很难在其他中心或者其他的机器上面有很好的效果，所以我希望能够搭建大样本多中心的数据平台。一方面研究患病机制和干预方法，另外一方面也想开发一系列配套的计算方法，还有硬件产品。
其实我目前最想解决的问题就是基于这种大数据、大样本的多中心数据平台，能够在算法方面实现多中心数据的迁移学习，即怎么样将一个中心上学习的模型迁移到不同中心的数据上面。因为我们知道不同中心的机器、扫描参数、招募被试上面的一些差别，会造成数据有一些差别，虽然同样是慢性疼痛病人，怎么样把多中心的数据做成迁移学习，是我现在比较想解决的一个方向。
另外还有机制方面，我希望能找到疼痛的特异性指标。因为之前有很多研究，用脑成像的研究发现的所谓的一些大脑中的脑区，其实都是和疼痛相关的。疼痛会激活这些脑区，但它并不是疼痛的特异性脑区，也就是说其他的刺激也会激活这些脑区。比如说疼痛也会让病人的视觉区有激活，但是我们知道视觉区不是疼痛特异性区域，所以怎么样去发现这种疼痛的特异性，就是说只会被疼痛激活，而不会被其他的刺激激活，能让我们更进一步去了解疼痛基础的机制。
主持人：我了解到您的学科背景很丰富，您对于工程医学和神经科学都有所研究，这样的背景对您在研究道路上的选择和发展有什么影响吗？你对于交叉学科背景或者想要从事转化医学研究的听众有什么建议吗？
嘉宾：我博士是毕业于香港大学电子系，主要是做针对脑成像数据的信号处理和特征提取。我是2016年博士毕业的，找博后的时候就想找一个偏医学一点的地方，能够拓展一下自己的研究思路，能做到医工结合，所以就来了麻省总院。这边牛人也比较多，所以一有问题的时候总是可以找到合适的人去请教。我觉得其实在做研究的过程中，就是要不断地学习、拓宽眼界，最后找到自己的兴趣。总体来说，我还是一个比较有规划的人，所以会提前想好下一个阶段要做的事情，然后学习相关的内容。所以我觉得这种多学科交叉背景可以帮助我更好的来进行转化研究。因为通过在这边的学习，我知道怎样和病人接触，我知道临床需求，能够设计实验、做实验、分析数据，这样就能够更好地独立地做研究。
我计划今年年底回国工作。所以我希望如果对疼痛转化研究感兴趣的同学都可以联系我，也希望能够和国内有兴趣的老师们开展合作。
我觉得还有研究基本功非常重要，在练好基本功的基础上，来拓展自己的视野，然后找到自己感兴趣的点，培养自己的研究品味。我觉得这对于有交叉背景，然后又想做医工交叉方向的是比较重要的。因为能够把自己的这种多学科的背景找到一个非常契合的并且自己感兴趣的研究点，其实也是一个探索的过程。
主持人：好的，欢迎各位对于转化医学有兴趣的听众们来找涂老师。今天我们的采访就接近尾声了，谢谢涂老师的分享。
嘉宾名片
涂毅恒博士，2016年毕业于香港大学，获博士学位。2019年在麻省总医院和哈佛医学院完成博士后训练，并获得哈佛医学院教职。计划于2020年底加入中科院心理所，担任研究员、博士生导师、独立课题组长（PI）。
联系方式：yihengtu@gmail.com
个人网页：https://scholar.harvard.edu/yihengtu
代表论文：
1. Tu Y et al., Mesocorticolimbic Pathways Encode Cue Based Expectancy Effects on Pain, Journal of Neuroscience, 2020, 40: 382-394.
2. Tu Y et al., An fMRI based Neural Marker for Migraine, Neurology, 2020, 94: 7.
3. Tu Y et al., Abnormal Thalamo-cortical Dynamics in Migraine, Neurology, 2019, 92: e2706-2716.
往期回顾
FM脑科学新闻 | 视觉皮层动态刺激让失明者“看见”字母，仿生眼球。。。
关于我们
