526
0
2025-03-31
2025-03-31
該論文發表于Science Translational Medicine，題目為《A Theoretically Based Index of Consciousness Independent of Sensory Processing and Behavior》。
米蘭大學生物醫學與臨床科學系的Adenauer G. Casali以及比利時列日大學及列日大學醫院昏迷科學組和神經學系的Olivia Gosseries為本文共同第一作者。米蘭大學生物醫學與臨床科學系的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“擾動復雜性指數”（perturbational complexity index, PCI）的理論驅動指標，可以用于客觀評估意識水平，不依賴于感知處理和行為反應。研究團隊通過結合經顱磁刺激（TMS）和高密度腦電圖（hd-EEG），測量大腦對磁刺激響應的時空信息復雜度，以量化意識狀態。實驗進行了健康人PCI驗證和腦損傷患者應用，結果證明PCI能區分意識水平的梯度變化，且其在單一個體中表現穩定，不受刺激部位或強度顯著影響。該研究為意識科學和臨床神經學提供了新工具，可能推動意識障礙診斷與監測的革新。
研究背景
意識依賴于大腦能夠維持既“集成”又“分化”的復雜活動模式，所謂整合指的是大腦區域間高效互動，形成統一整體（如不同腦區協同處理信息）。分化是各區域保持獨特信息處理能力（如視覺與聽覺皮層功能分離）。整合與分化的動態平衡反映了大腦的復雜性，意識存在時復雜性高，意識喪失（如睡眠、麻醉）時復雜性降低。在臨床上缺乏一種客觀的意識水平評估方法，尤其是在腦損傷或麻醉狀態下，患者可能無法與外界互動，從而難以評估其意識狀態?，F有的評估方法往往依賴于患者的行為反應，而這些反應在某些情況下可能并不能準確反映患者的意識狀態。
方法與結果分析
（1）TMS-EEG 測量：通過經顱磁刺激（TMS）擾動大腦皮層，使用高密度腦電
圖（hd-EEG）記錄響應。
（2）算法復雜度分析：
①記錄TMS引發的皮層響應（前300ms內）。
②通過非參數統計方法提取顯著信號源的時空矩陣（SS(x,t)）。
③采用Lempel-Ziv復雜度（LZC）計算這些響應模式的算法復雜度。
④將算法復雜度進行歸一化，得到PCI值，具體計算公式如下：
其中，L是序列長度，cL，H(L)，源熵。
（3）實驗設計：
健康受試者（32人）：在清醒、做夢、NREM睡眠、不同麻醉水平（Midazolam、Xenon、Propofol）狀態下測量PCI。
腦損傷患者（20人）：包括植物狀態（VS/UWS）、最低意識狀態（MCS）、閉鎖綜合征（LIS）患者。
（4）實驗結果
①PCI 能夠有效區分清醒和無意識狀態，既考慮了腦活動的廣泛性，也關注了響應的復雜性：在圖2A中表示清醒狀態，可以看到不同皮層區域在不同時間點被激活，產生了一個既廣泛又分化的時空活動模式，皮層響應既有“集成性”（多個區域參與）又有“分化性”（響應模式豐富多樣），因此具有較高的復雜度。B圖表示NREM 睡眠（90V/m），TMS 刺激僅引發了局部、短暫的皮層活動，局部響應表明大腦區域間的互動（集成性）降低，同時響應模式也缺乏多樣性（分化性降低），導致復雜度大幅下降。C圖表示NREM 睡眠 （160 V/m），增加 TMS 刺激強度后，出現了典型的慢波響應，呈現全局但同質的活動，盡管刺激強度更高，但由于大腦活動缺乏時空分化（所有區域的反應類似且同步），算法壓縮后信息內容較低，導致復雜度未顯著提升。
圖2
②PCI在健康個體中可以區分意識與無意識狀態：在圖3A中，不同TMS刺激靶點（如BA04、BA06、BA07等腦區）和刺激強度對PCI無顯著影響，表明PCI的穩定性。而圖3B通過對比清醒、NREM睡眠、Midazolam麻醉、Xenon麻醉、Propofol麻醉的PCI值，表明PCI可跨不同無意識條件統一量化意識水平，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中在清醒狀態下，PCI在刺激后100 ms左右快速上升，反映腦網絡的動態整合能力。而NREM睡眠（無意識狀態）下，PCI增長緩慢且趨于平緩，提示腦活動模式單一或局部化。這充分說明PCI在健康人群中的驗證邏輯及其作為意識標志物的可靠性。
圖3
③PCI對意識水平梯度變化具有敏感性，可量化意識水平的連續變化：圖4A中表示6名受試者在不同Propofol麻醉深度下進行了TMS-EEG測量，在清醒狀態下PCI處于較高值（0.44-0.67），顯示出大腦活動的高復雜性。而在中度鎮靜PCI下降到0.34-0.42，處于清醒和深度鎮靜之間。深度鎮靜下PCI 進一步降低到0.13-0.30，顯示大腦活動模式簡單、缺乏復雜性。圖4B對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）中測量了PCI。這說明PCI 能夠反映意識狀態的漸變變化，證明了該指數不僅能區分清醒與無意識，還能識別中間狀態。
。
圖4
④PCI可以區分腦損傷患者的意識水平：圖5A是通過刺激不同的位點和不同類型的腦損傷患者測量得到的PCI值，而圖5A右側直方圖是健康人清醒與無意識狀態的PCI分布，通過對照可以證明PCI可清晰區分不同意識障礙類型，且結果與臨床行為評估一致。圖5B可以看到VS患者PCI值（0.19–0.31）與健康人無意識狀態完全重疊，支持其無意識診斷。MCS患者PCI值（0.32–0.49）顯著高于VS，提示存在殘余意識。LIS患者PCI值（0.51–0.62）與健康清醒者無差異，證明其意識完整但運動功能喪失。
圖5
結論
本研究的結果證明了PCI可以區分意識水平的梯度變化，其通過量化大腦對擾動的復雜性響應，為意識評估提供了理論扎實、客觀可靠的新方法，突破傳統行為依賴的局限，為意識科學和臨床實踐開辟了新路徑，對臨床意識障礙患者的意識評估與預后也有重要指導意義。
撰稿人：姚燕齡
審稿人：李景聰
