El dolor crónico (CP) ha sido encontrado causando significativas alteraciones en la estructura y función del cerebro debido a cambios en el procesamiento del dolor y funciones cognitivas interrumpidas, incluyendo con respecto al córtex prefrontal (PFC). Sin embargo, hasta ahora, ningún estudio ha utilizado una herramienta de neuroimagen de bajo costo y portátil capaz de realizar espectroscopia funcional de infrarrojo cercano (fNIRS) para explorar las alteraciones funcionales del PFC y así lograr automáticamente un diagnóstico clínico de CP. En este estudio de casos y controles, las características del dolor de 19 pacientes con dolor crónico y 32 controles sanos fueron medidas utilizando fNIRS. La conectividad funcional (FC), FC en el PFC, y la actividad cerebral espontánea del PFC fueron examinadas en los pacientes con CP y comparadas con las de los controles sanos (HCs). Luego, se utilizó validación cruzada de dejar uno fuera y algoritmos de aprendizaje automático para lograr automáticamente un diagnóstico correspondiente a un paciente con CP o un HC. El estudio actual encontró una FC significativamente más débil, notablemente propiedades de small-worldness más altas de FC, y aumento de la actividad cerebral espontánea durante el estado de reposo dentro del PFC. Además, las mediciones fNIRS en estado de reposo exhibieron un excelente rendimiento en la identificación de los pacientes con dolor crónico a través de aprendizaje automático supervisado, logrando un puntaje F1 de 0.8229 utilizando solo siete características. Se espera que se puedan identificar posibles características de FC, que así puedan servir como un marcador neural para la detección de CP utilizando algoritmos de aprendizaje automático. Por lo tanto, el presente estudio abrirá una nueva vía para el diagnóstico del dolor musculoesquelético crónico mediante el uso de fNIRS y técnicas de aprendizaje automático.