201
0
2025-03-31
2025-03-31
該論文發(fā)表于Science Translational Medicine，題目為《A Theoretically Based Index of Consciousness Independent of Sensory Processing and Behavior》。
米蘭大學(xué)生物醫(yī)學(xué)與臨床科學(xué)系的Adenauer G. Casali以及比利時(shí)列日大學(xué)及列日大學(xué)醫(yī)院昏迷科學(xué)組和神經(jīng)學(xué)系的Olivia Gosseries為本文共同第一作者,。米蘭大學(xué)生物醫(yī)學(xué)與臨床科學(xué)系的Marcello Massimini為本文通訊作者。
論文鏈接：https://www.science.org/doi/10.1126/scitranslmed.3006294
論文主要提出了一種名為“擾動(dòng)復(fù)雜性指數(shù)”（perturbational complexity index, PCI）的理論驅(qū)動(dòng)指標(biāo),，可以用于客觀評(píng)估意識(shí)水平，不依賴于感知處理和行為反應(yīng),。研究團(tuán)隊(duì)通過結(jié)合經(jīng)顱磁刺激（TMS）和高密度腦電圖（hd-EEG）,，測(cè)量大腦對(duì)磁刺激響應(yīng)的時(shí)空信息復(fù)雜度，以量化意識(shí)狀態(tài),。實(shí)驗(yàn)進(jìn)行了健康人PCI驗(yàn)證和腦損傷患者應(yīng)用,，結(jié)果證明PCI能區(qū)分意識(shí)水平的梯度變化,，且其在單一個(gè)體中表現(xiàn)穩(wěn)定，不受刺激部位或強(qiáng)度顯著影響,。該研究為意識(shí)科學(xué)和臨床神經(jīng)學(xué)提供了新工具,，可能推動(dòng)意識(shí)障礙診斷與監(jiān)測(cè)的革新。
研究背景
意識(shí)依賴于大腦能夠維持既“集成”又“分化”的復(fù)雜活動(dòng)模式,，所謂整合指的是大腦區(qū)域間高效互動(dòng),，形成統(tǒng)一整體（如不同腦區(qū)協(xié)同處理信息）,。分化是各區(qū)域保持獨(dú)特信息處理能力（如視覺與聽覺皮層功能分離）,。整合與分化的動(dòng)態(tài)平衡反映了大腦的復(fù)雜性，意識(shí)存在時(shí)復(fù)雜性高,，意識(shí)喪失（如睡眠,、麻醉）時(shí)復(fù)雜性降低。在臨床上缺乏一種客觀的意識(shí)水平評(píng)估方法,，尤其是在腦損傷或麻醉狀態(tài)下,，患者可能無法與外界互動(dòng)，從而難以評(píng)估其意識(shí)狀態(tài)?，F(xiàn)有的評(píng)估方法往往依賴于患者的行為反應(yīng),，而這些反應(yīng)在某些情況下可能并不能準(zhǔn)確反映患者的意識(shí)狀態(tài)。
方法與結(jié)果分析
（1）TMS-EEG 測(cè)量：通過經(jīng)顱磁刺激（TMS）擾動(dòng)大腦皮層,，使用高密度腦電
圖（hd-EEG）記錄響應(yīng),。
（2）算法復(fù)雜度分析：
①記錄TMS引發(fā)的皮層響應(yīng)（前300ms內(nèi)）。
②通過非參數(shù)統(tǒng)計(jì)方法提取顯著信號(hào)源的時(shí)空矩陣（SS(x,t)）,。
③采用Lempel-Ziv復(fù)雜度（LZC）計(jì)算這些響應(yīng)模式的算法復(fù)雜度,。
④將算法復(fù)雜度進(jìn)行歸一化，得到PCI值,，具體計(jì)算公式如下：
其中,，L是序列長(zhǎng)度，cL,，H(L),，源熵。
（3）實(shí)驗(yàn)設(shè)計(jì)：
健康受試者（32人）：在清醒,、做夢(mèng),、NREM睡眠、不同麻醉水平（Midazolam,、Xenon,、Propofol）狀態(tài)下測(cè)量PCI。
腦損傷患者（20人）：包括植物狀態(tài)（VS/UWS）,、最低意識(shí)狀態(tài)（MCS）,、閉鎖綜合征（LIS）患者,。
（4）實(shí)驗(yàn)結(jié)果
①PCI 能夠有效區(qū)分清醒和無意識(shí)狀態(tài)，既考慮了腦活動(dòng)的廣泛性,，也關(guān)注了響應(yīng)的復(fù)雜性：在圖2A中表示清醒狀態(tài),，可以看到不同皮層區(qū)域在不同時(shí)間點(diǎn)被激活，產(chǎn)生了一個(gè)既廣泛又分化的時(shí)空活動(dòng)模式,，皮層響應(yīng)既有“集成性”（多個(gè)區(qū)域參與）又有“分化性”（響應(yīng)模式豐富多樣）,，因此具有較高的復(fù)雜度。B圖表示NREM 睡眠（90V/m）,，TMS 刺激僅引發(fā)了局部,、短暫的皮層活動(dòng)，局部響應(yīng)表明大腦區(qū)域間的互動(dòng)（集成性）降低,，同時(shí)響應(yīng)模式也缺乏多樣性（分化性降低）,，導(dǎo)致復(fù)雜度大幅下降。C圖表示NREM 睡眠 （160 V/m）,，增加 TMS 刺激強(qiáng)度后,，出現(xiàn)了典型的慢波響應(yīng)，呈現(xiàn)全局但同質(zhì)的活動(dòng),，盡管刺激強(qiáng)度更高,，但由于大腦活動(dòng)缺乏時(shí)空分化（所有區(qū)域的反應(yīng)類似且同步），算法壓縮后信息內(nèi)容較低,，導(dǎo)致復(fù)雜度未顯著提升,。
圖2
②PCI在健康個(gè)體中可以區(qū)分意識(shí)與無意識(shí)狀態(tài)：在圖3A中，不同TMS刺激靶點(diǎn)（如BA04,、BA06,、BA07等腦區(qū)）和刺激強(qiáng)度對(duì)PCI無顯著影響，表明PCI的穩(wěn)定性,。而圖3B通過對(duì)比清醒,、NREM睡眠、Midazolam麻醉,、Xenon麻醉,、Propofol麻醉的PCI值，表明PCI可跨不同無意識(shí)條件統(tǒng)一量化意識(shí)水平,，且不同麻醉劑引起的PCI降低模式一致,，支持PCI的普適性。圖3C中在清醒狀態(tài)下,，PCI在刺激后100 ms左右快速上升,，反映腦網(wǎng)絡(luò)的動(dòng)態(tài)整合能力。而NREM睡眠（無意識(shí)狀態(tài)）下，PCI增長(zhǎng)緩慢且趨于平緩,，提示腦活動(dòng)模式單一或局部化,。這充分說明PCI在健康人群中的驗(yàn)證邏輯及其作為意識(shí)標(biāo)志物的可靠性。
圖3
③PCI對(duì)意識(shí)水平梯度變化具有敏感性,，可量化意識(shí)水平的連續(xù)變化：圖4A中表示6名受試者在不同Propofol麻醉深度下進(jìn)行了TMS-EEG測(cè)量,，在清醒狀態(tài)下PCI處于較高值（0.44-0.67），顯示出大腦活動(dòng)的高復(fù)雜性,。而在中度鎮(zhèn)靜PCI下降到0.34-0.42,，處于清醒和深度鎮(zhèn)靜之間。深度鎮(zhèn)靜下PCI 進(jìn)一步降低到0.13-0.30,，顯示大腦活動(dòng)模式簡(jiǎn)單,、缺乏復(fù)雜性。圖4B對(duì)單一受試者在不同睡眠階段（包括清醒,、睡眠第一階段S1,、NREM,、REM睡眠）中測(cè)量了PCI,。這說明PCI 能夠反映意識(shí)狀態(tài)的漸變變化，證明了該指數(shù)不僅能區(qū)分清醒與無意識(shí),，還能識(shí)別中間狀態(tài),。
。
圖4
④PCI可以區(qū)分腦損傷患者的意識(shí)水平：圖5A是通過刺激不同的位點(diǎn)和不同類型的腦損傷患者測(cè)量得到的PCI值,，而圖5A右側(cè)直方圖是健康人清醒與無意識(shí)狀態(tài)的PCI分布,，通過對(duì)照可以證明PCI可清晰區(qū)分不同意識(shí)障礙類型，且結(jié)果與臨床行為評(píng)估一致,。圖5B可以看到VS患者PCI值（0.19–0.31）與健康人無意識(shí)狀態(tài)完全重疊,，支持其無意識(shí)診斷。MCS患者PCI值（0.32–0.49）顯著高于VS,，提示存在殘余意識(shí),。LIS患者PCI值（0.51–0.62）與健康清醒者無差異，證明其意識(shí)完整但運(yùn)動(dòng)功能喪失,。
圖5
結(jié)論
本研究的結(jié)果證明了PCI可以區(qū)分意識(shí)水平的梯度變化,，其通過量化大腦對(duì)擾動(dòng)的復(fù)雜性響應(yīng)，為意識(shí)評(píng)估提供了理論扎實(shí),、客觀可靠的新方法,，突破傳統(tǒng)行為依賴的局限，為意識(shí)科學(xué)和臨床實(shí)踐開辟了新路徑,，對(duì)臨床意識(shí)障礙患者的意識(shí)評(píng)估與預(yù)后也有重要指導(dǎo)意義,。
撰稿人：姚燕齡
審稿人：李景聰
