Despite the recent increase in our understanding of the development of pain processing, it is still not known whether premature infants are capable of processing pain at a cortical level. In this study, changes in cerebral oxygenation over the somatosensory cortex were measured in response to noxious stimulation using real-time near-infrared spectroscopy in 18 infants aged between 25 and 45 weeks postmenstrual age. The noxious stimuli were heel lances performed for routine blood sampling; no blood tests were performed solely for the purpose of the study. Noxious stimulation produced a clear cortical response, measured as an increase in total hemoglobin concentration [HbT] in the contralateral somatosensory cortex, from 25 weeks (mean Δ[HbT] = 7.74 μmol/L; SE, 1.10). Cortical responses were significantly greater in awake compared with sleeping infants, with a mean difference of 6.63 μmol/L [95% confidence interval (CI) limits: 2.35, 10.91 μmol/L; mean age, 35.2 weeks]. In awake infants, the response in the contralateral somatosensory cortex increased with age (regression coefficient, 0.698 μmol/L/week; 95% CI limits: 0.132, 1.265 μmol/L/week) and the latency decreased with age (regression coefficient, −0.9861 μmol/L/week; 95% CI limits: −1.5361, −0.4361 μmol/L/week; age range, 25–38 weeks). The response was modality specific because no response was detected after non-noxious stimulation of the heel, even when accompanied by reflex withdrawal of the foot. We conclude that noxious information is transmitted to the preterm infant cortex from 25 weeks, highlighting the potential for both higher-level pain processing and pain-induced plasticity in the human brain from a very early age.

BackgroundMany infants admitted to hospital undergo repeated invasive procedures. Oral sucrose is frequently given to relieve procedural pain in neonates on the basis of its effect on behavioural and physiological pain scores. We assessed whether sucrose administration reduces pain-specific brain and spinal cord activity after an acute noxious procedure in newborn infants.MethodsIn this double-blind, randomised controlled trial, 59 newborn infants at University College Hospital (London, UK) were randomly assigned to receive 0·5 mL 24% sucrose solution or 0·5 mL sterile water 2 min before undergoing a clinically required heel lance. Randomisation was by a computer-generated randomisation code, and researchers, clinicians, participants, and parents were masked to the identity of the solutions. The primary outcome was pain-specific brain activity evoked by one time-locked heel lance, recorded with electroencephalography and identified by principal component analysis. Secondary measures were baseline behavioural and physiological measures, observational pain scores (PIPP), and spinal nociceptive reflex withdrawal activity. Data were analysed per protocol. This study is registered, number ISRCTN78390996.Findings29 infants were assigned to receive sucrose and 30 to sterilised water; 20 and 24 infants, respectively, were included in the analysis of the primary outcome measure. Nociceptive brain activity after the noxious heel lance did not differ significantly between infants who received sucrose and those who received sterile water (sucrose: mean 0·10, 95% CI 0·04–0·16; sterile water: mean 0·08, 0·04–0·12; p=0·46). No significant difference was recorded between the sucrose and sterile water groups in the magnitude or latency of the spinal nociceptive reflex withdrawal recorded from the biceps femoris of the stimulated leg. The PIPP score was significantly lower in infants given sucrose than in those given sterile water (mean 5·8, 95% CI 3·7–7·8 vs 8·5, 7·3–9·8; p=0·02) and significantly more infants had no change in facial expression after sucrose administration (seven of 20 [35%] vs none of 24; p<0·0001).InterpretationOur data suggest that oral sucrose does not significantly affect activity in neonatal brain or spinal cord nociceptive circuits, and therefore might not be an effective analgesic drug. The ability of sucrose to reduce clinical observational scores after noxious events in newborn infants should not be interpreted as pain relief.FundingMedical Research Council.

When and how infants begin to discriminate noxious from innocuous stimuli is a fundamental question in neuroscience [1Anand K.J. Aranda J.V. Berde C.B. Buckman S. Capparelli E.V. Carlo W. Hummel P. Johnston C.C. Lantos J. Tutag-Lehr V. et al.Summary proceedings from the neonatal pain-control group.Pediatrics. 2006; 117: S9-S22Crossref PubMed Scopus (5) Google Scholar]. However, little is known about the development of the necessary cortical somatosensory functional prerequisites in the intact human brain. Recent studies of developing brain networks have emphasized the importance of transient spontaneous and evoked neuronal bursting activity in the formation of functional circuits [2Blankenship A.G. Feller M.B. Mechanisms underlying spontaneous patterned activity in developing neural circuits.Nat. Rev. Neurosci. 2010; 11: 18-29Crossref PubMed Scopus (518) Google Scholar, 3Khazipov R. Luhmann H.J. Early patterns of electrical activity in the developing cerebral cortex of humans and rodents.Trends Neurosci. 2006; 29: 414-418Abstract Full Text Full Text PDF PubMed Scopus (368) Google Scholar]. These neuronal bursts are present during development and precede the onset of sensory functions [4Colonnese M.T. Kaminska A. Minlebaev M. Milh M. Bloem B. Lescure S. Moriette G. Chiron C. Ben-Ari Y. Khazipov R. A conserved switch in sensory processing prepares developing neocortex for vision.Neuron. 2010; 67: 480-498Abstract Full Text Full Text PDF PubMed Scopus (185) Google Scholar, 5Tritsch N.X. Yi E. Gale J.E. Glowatzki E. Bergles D.E. The origin of spontaneous activity in the developing auditory system.Nature. 2007; 450: 50-55Crossref PubMed Scopus (401) Google Scholar]. Their disappearance and the emergence of more adult-like activity are therefore thought to signal the maturation of functional brain circuitry [2Blankenship A.G. Feller M.B. Mechanisms underlying spontaneous patterned activity in developing neural circuits.Nat. Rev. Neurosci. 2010; 11: 18-29Crossref PubMed Scopus (518) Google Scholar, 4Colonnese M.T. Kaminska A. Minlebaev M. Milh M. Bloem B. Lescure S. Moriette G. Chiron C. Ben-Ari Y. Khazipov R. A conserved switch in sensory processing prepares developing neocortex for vision.Neuron. 2010; 67: 480-498Abstract Full Text Full Text PDF PubMed Scopus (185) Google Scholar]. Here we show the changing patterns of neuronal activity that underlie the onset of nociception and touch discrimination in the preterm infant. We have conducted noninvasive electroencephalogram (EEG) recording of the brain neuronal activity in response to time-locked touches and clinically essential noxious lances of the heel in infants aged 28–45 weeks gestation. We show a transition in brain response following tactile and noxious stimulation from nonspecific, evenly dispersed neuronal bursts to modality-specific, localized, evoked potentials. The results suggest that specific neural circuits necessary for discrimination between touch and nociception emerge from 35–37 weeks gestation in the human brain.

Limited understanding of infant pain has led to its lack of recognition in clinical practice. While the network of brain regions that encode the affective and sensory aspects of adult pain are well described, the brain structures involved in infant nociceptive processing are completely unknown, meaning we cannot infer anything about the nature of the infant pain experience. Using fMRI we identified the network of brain regions that are active following acute noxious stimulation in newborn infants, and compared the activity to that observed in adults. Significant infant brain activity was observed in 18 of the 20 active adult brain regions but not in the infant amygdala or orbitofrontal cortex. Brain regions that encode sensory and affective components of pain are active in infants, suggesting that the infant pain experience closely resembles that seen in adults. This highlights the importance of developing effective pain management strategies in this vulnerable population.

Abstract Developmental and evolutionary effects on brain organisation are complex, yet linked, as evidenced by the striking correspondence in cortical expansion changes. However, it is still not possible to study concurrently the ontogeny and phylogeny of cortical areal connections, which is arguably more relevant to brain function than allometric changes. Here, we propose a novel framework that allows the integration of connectivity maps from humans (adults and neonates) and non-human primates (macaques) onto a common space. We use white matter bundles to anchor the definition of the common space and employ the uniqueness of the areal connection patterns to these bundles to probe areal specialisation. This enables us to quantitatively study divergences and similarities in cortical connectivity over both evolutionary and developmental scales. It further allows us to map brain maturation trajectories, including the effect of premature birth, and to translate cortical atlases between diverse brains.

Abstract Diffusion MRI of the neonatal brain allows investigation of the organisational structure of maturing fibres during brain development. Post-mortem imaging has the potential to achieve high resolution by using long scan times, enabling precise assessment of small structures. The Forget-Me-Not study, part of the Developing Human Connectome Project (dHCP), aims to acquire and publicly distribute high-resolution diffusion MRI data for unfixed post-mortem neonatal brain at 7T with a custom-built head coil. This paper describes how the study addressed logistical, technical and ethical challenges relating to recruitment pipeline, care pathway, tissue preservation, scan setup and protocol optimisation. Results from the first subject recruited to the study demonstrate high-quality diffusion MRI data. Preliminary voxel-wise and tractography-based analyses are presented for the cortical plate, subplate and white matter pathways, with comparison to age-matched in vivo dHCP data. These results demonstrate that high quality post-mortem data can be acquired and provide a sensitive means to explore the developing human brain, as well as altered diffusion properties consistent with post-mortem changes, at high resolution.

Chronic pain has a profound societal burden, affecting 20% to 30% of the world population,10,13,14,47 and is associated with high rates of comorbid mental health conditions, especially depression and anxiety.15 Women and people of increasing age are disproportionately affected by chronic pain,14,32 and while there are pharmacological and nonpharmacological treatments available, many individuals still do not benefit from these treatments.11,16,19,31,35,45 One significant challenge in providing effective pain-relieving treatments arises from our incomplete understanding of the mechanisms underlying the development and maintenance of chronic pain. Some of these mechanisms include changes in brain morphology and function.2,8,12,18,25,28,37 One approach to better understand these mechanisms is to combine neuroimaging studies of diverse populations with the purpose of identifying common phenotypes and neuroimaging correlates. Phenotyping to explore both similarities and heterogeneity across pain conditions is necessary to inform disease prognosis and elucidate common treatment targets. To this endeavor, the Enhancing Neuroimaging and Genetics through Meta-Analysis (ENIGMA)-Chronic Pain working group was formed in November 2022. ENIGMA-Chronic Pain has since welcomed over 70 pain investigators from all over the world, to pool and integrate existing neuroimaging and clinical data from approximately 2000 chronic pain and 4000 pain-free healthy individuals, from over 30 international and independently collected datasets. 1. What is ENIGMA? What are the aims of the ENIGMA-Chronic Pain Working Group? Founded in 2009, the aim of the ENIGMA Consortium is to address the growing replication problems in neuroimaging research. ENIGMA is a global collaboration of more than 2000 scientists from over 45 countries studying the human brain, in health and over 30 neurological, mental, and neurogenetic diseases.42 ENIGMA coordinates large-scale neuroimaging analyses, pooling existing datasets from around the world,6,34,39 actively coordinating the reuse of data, while accommodating data privacy safeguards, bringing rich resources and expertise to answer fundamental questions related to major brain disorders. By integrating available existing datasets and building on the growing infrastructure of the ENIGMA consortium, ENIGMA-Chronic Pain provides a platform and a resource to the chronic pain community allowing for data findability, accessibility, interoperability, and44 reusability—all vital aspects of reproducible research. Using a cost-effective and innovative global approach by merging the resources and data of leading chronic pain neuroimaging centers, ENIGMA-Chronic Pain offers a unique opportunity to obtain detailed, reproducible, and reliable data on brain mechanisms associated with chronic pain. ENIGMA-Chronic Pain integrates single studies of specific chronic pain conditions, including precursor data repositories (eg, OpenPain), and larger population-based biobanks with recorded indices of chronic pain (eg, UK Biobank).8 Recent advances in machine learning and artificial intelligence technologies also offer new and powerful ways to analyze these existing neuroimaging data. Through a worldwide collaboration of pain researchers and clinicians, ENIGMA-Chronic Pain will aim to (1) determine common and pain condition-specific brain correlates of chronic pain through multimodal neuroimaging (relative to pain-free healthy controls); (2) examine the interactions between chronic pain and comorbid mental health conditions on brain morphology and function; and (3) identify the roles of key sociodemographic factors and medication on brain morphology and function. 2. Determine common and pain condition-specific brain correlates of chronic pain through multimodal neuroimaging ENIGMA-Chronic Pain combines smaller datasets from heterogeneous chronic pain conditions. This approach maximizes the power of planned analyses and is necessary to identify brain correlates shared across chronic pain conditions. Through planned follow-up analyses on pooled datasets of similar pain types, pain locations across the body, or specific diagnoses, ENIGMA-Chronic Pain will identify correlates specific to the studied conditions at a larger scale than has previously been possible. ENIGMA-Chronic Pain will begin with examining brain topography of chronic pain by using common processing pipelines and software such as FreeSurfer for T1-weighted structural magnetic resonance imaging scans (sMRI)17,20,21 or Functional MRI of the Brain Software Library (FSL) for diffusion MRI (dMRI).23,38 Further to brain-wide region-of-interest analyses, investigation of multimodal correlates and brain networks of chronic pain will be conducted using whole-brain analyses, including standardized indices of functional connectivity from resting-state functional MRI (rs-fMRI) processed with ENIGMA's HALFpipe,43 voxel-based morphometry, and machine learning approaches to fuse multimodal features from sMRI, dMRI, and rs-fMRI to make diagnostic classification or prediction of a future clinical state. 3. Examine the interactions between chronic pain and comorbid mental health conditions on brain morphology and function Chronic pain is often accompanied by comorbid mental health conditions that can prevent treatment success.46 For example, 5% to 85% of individuals with chronic pain (depending on the study populations and settings) experience depression.1,9 The ENIGMA Consortium has extensively investigated the detailed brain and genetic markers of most common mental health conditions and reported alterations in brain regions similar to those commonly reported in smaller chronic pain studies.4,36 Evidence for shared or specific brain mechanisms between chronic pain and depression and anxiety is now growing,33,40,49,50 but no definite conclusion can be drawn from these smaller studies. Using advanced statistical models, our unique sample size, and availability of indices of comorbid mental health conditions, the pooled dataset from ENIGMA-Chronic Pain will aim to disentangle the fine morphological and functional brain alterations across all pain conditions, but also within specific pain types. This approach will contribute to identify plausible targets for more effective treatments for people living with both chronic pain and these comorbid conditions. 4. Examine the roles of key sociodemographic factors and medication on brain morphology and function Sex and age are key factors that can influence the transition to chronic pain.48 Women have greater prevalence rates for chronic pain conditions compared with men and experience more frequent, intense, and longer-lasting pain across the lifespan.14,24,30 These sex-specific differences can affect treatment choice, side effect profiles, and therapeutic responses.3 Although incompletely understood, many processes including genetic,29 neuroendocrine/neuroimmune,26 or brain-based differences,22 contribute to sex differences observed in chronic pain. Chronic pain is also highly prevalent in people of increasing age,14 along with other age-related pathologies, but the relationship between increasing age and chronic pain on brain morphology and function is still to be clearly determined. The inclusion of studies with comorbidity information that may inform causal modeling (eg, traumatic injuries, repetitive stress injuries, osteoporosis, metabolic disorders like diabetes, etc.) will clarify some of the brain–body connections at play. Existing preliminary evidence for the influence of these key sociodemographic factors needs further replication and refinement using large datasets. Another critical factor impacting brain morphology and function in chronic pain is the use of various types of pharmacological treatments,27 including tricyclic antidepressants, serotonin–norepinephrine reuptake inhibitors, antiepileptics, nonsteroidal anti-inflammatory drugs, and benzodiazepines.11,35 Using the available and detailed medication information recorded within ENIGMA-Chronic Pain, the aim of this study is to determine the variations in brain morphology and function associated with specific pharmacological treatment categories or combinations of thereof. 5. ENIGMA-Chronic Pain: expanding to other imaging modalities ENIGMA-Chronic Pain builds on the experience of the Consortium to host the largest and most comprehensive dataset for neuroimaging studies of chronic pain. In addition to sMRI, dMRI, and rs-fMRI data, ENIGMA-Chronic Pain will leverage the contribution of chronic pain researchers and clinicians with data and expertise in other neuroimaging modalities, including resting-state electroencephalography (EEG), task-based fMRI and EEG, event-related potentials, magnetoencephalography, functional near-infrared spectroscopy, and magnetic resonance spectroscopy. In addition, the aim of ENIGMA-Chronic Pain is to include neuromodulation studies, such as repetitive transcranial magnetic resonance stimulation, TMS-EEG, transcranial direct current stimulation, or transcranial alternating current stimulation studies, to examine potential causal associations.7 Finally, following work from the ENIGMA-Clinical Endpoint working group,41 a long-term goal includes building a framework of standardized questionnaires and tools for future research, to be applied to most, if not all, chronic pain conditions and to integrate genetics data to better understand the relationship between genetic and environmental risks on brain phenotypes of chronic pain overall and for available subtypes. 6. Conclusions ENIGMA-Chronic Pain will establish the largest worldwide platform for neuroimaging data dedicated to chronic pain research. This approach enables large-scale collaborative opportunities to identify the common and specific brain correlates of chronic pain conditions, as well as the role of mental health comorbidities, key sociodemographic factors, and pharmacological treatment on these alterations. This initiative will provide invaluable new knowledge based on adequately powered neuroimaging datasets. Future aims of the working group could include extending the scope to the earliest periods of the human lifespan, leveraging neonatal MRI and EEG datasets with pain-relevant paradigms,5 to investigate the potential developmental origins of chronic pain susceptibility in later years. Last, we extend the call to additional groups to join, contribute their expertise, and share their neuroimaging, genetic, psychological, and clinical data from healthy controls and individuals with chronic pain (see information and contact details on https://enigma.ini.usc.edu/ongoing/enigma-chronic-pain/). Through the inclusion of most, if not all, chronic pain neuroimaging research groups, we hope to grow the working group and thereby fulfill its goals. Conflict of interest statement None of the authors declare any conflicts of interest. The views expressed in this article are those of the authors and do not necessarily reflect the position or policy of the Department of Veterans Affairs or the United States government, or those of the NHS, the NIHR, or the Department of Health from the United Kingdom.

Busse, Jennifer FNP-BC, MPH; Chen, Stephanie MD; Brace, Kelin MD; Slater, Rebeccah PhD Author Information

Abstract Preterm infants undergo substantial neurosensory development in the first weeks after birth. Infants born prematurely are more likely to have long-term adverse neurological outcomes and early detection of abnormal brain development is essential for timely interventions. We investigated whether sensory-evoked cortical potentials could be used to accurately estimate the age of an infant. Such a model could be used to identify infants who deviate from normal neurodevelopment by comparing the brain age to the infant’s postmenstrual age (PMA). Infants aged between 28- and 40-weeks PMA from a training and test sample (consisting of 101 and 65 recording sessions in 82 and 14 infants, respectively) received trains of approximately 10 visual and 10 tactile stimuli (interstimulus interval approximately 10 seconds). PMA could be predicted accurately from the magnitude of the evoked responses (training set mean absolute error (MAE and 95% confidence intervals): 1.41 [1.14; 1.74] weeks, p = 0.0001; test set MAE: 1.55 [1.21; 1.95] weeks, p = 0.0002. Moreover, we show with two examples that brain age, and the deviations between brain age and PMA, may be biologically and clinically meaningful. By firstly demonstrating that brain age is correlated with a measure known to relate to maturity of the nervous system (based on animal and human literature, the magnitude of reflex withdrawal is used) and secondly by linking brain age to long-term neurological outcomes, we show that brain age deviations are related to biologically meaningful individual differences in the rate of functional nervous system maturation rather than noise generated by the model. In summary, we demonstrate that sensory-evoked potentials are predictive of age in premature infants. It takes less than 5 minutes to collect the stimulus electroencephalographic data required for our model, hence, increasing its potential utility in the busy neonatal care unit. This model could be used to detect abnormal development of infant’s response to sensory stimuli in their environment and may be predictive of later life abnormal neurodevelopmental outcome.

Abstract The preterm neonate can experience stressors that affect the rate of brain maturation and lead to long-term neurodevelopmental deficits. However, some neonates who are born early follow normal developmental trajectories. Extraction of data from electroencephalography (EEG) signals can be used to calculate the neonate’s brain age which can be compared to their true age. Discrepancies between true age and brain age (the brain age delta) can then be used to quantify maturational deviation, which has been shown to correlate with long-term abnormal neurodevelopmental outcomes. Nevertheless, current brain age models that are based on traditional analytical techniques are less suited to clinical cot-side monitoring due to their dependency on long-duration EEG recordings, the need to record activity across multiple EEG channels, and the manual calculation of predefined EEG features which is time-consuming and may not fully capture the wealth of information in the EEG signal. In this study, we propose an alternative deep-learning approach to determine brain age, which operates directly on the EEG, using a Convolutional Neural Network (CNN) block based on the Inception architecture (called Sinc). Using this deep-learning approach on a dataset of preterm infants with normal neurodevelopmental outcomes (where we assume brain age = postmenstrual age), we can calculate infant brain age with a Mean Absolute Error (MAE) of 0.78 weeks (equivalent to a brain age estimation error for the infant within +/− 5.5 days of their true age). Importantly, this level of accuracy can be achieved by recording only 20 minutes of EEG activity from a single channel. This compares favourably to the degree of accuracy that can be achieved using traditional methods that require long duration recordings (typically >2 hours of EEG activity) recorded from a higher density 8-electrode montage (MAE = 0.73 weeks). Importantly, the deep learning model’s brain age deltas also distinguish between neonates with normal and severely abnormal outcomes (Normal MAE = 0.71 weeks, severely abnormal MAE = 1.27 weeks, p=0.02, one-way ANOVA), making it highly suited for potential clinical applications. Lastly, in an independent dataset collected at an independent site, we demonstrate the model’s generalisability in age prediction, as accurate age predictions were also observed (MAE of 0.97 weeks). Highlights Preterm stress exposure leads to long-term neurodevelopmental deficits Deficits are quantifiable using EEG-based brain age prediction errors Our deep-learning solution for brain age prediction outperforms previous approaches Predictions are achieved with only 20 mins EEG and a single bipolar channel Prediction errors correlate with long-term Bayley scale neurodevelopmental outcomes