在此基础上,团队假设,意识障碍患者残存意识水平与语言序列中层级结构的加工深度可能存在关联,尤其会在高层级语言结构的神经表征上得到体现。换句话说,意识障碍患者对字、词、句3个不同层次的处理能力,可能代表着不同的意识水平。如果可以处理这些语言信息,大脑对应字、词、句所产生脑电活动的频率是不一样的。“研究依据的原理就是大脑只有越清醒,才能理解越复杂的句子。”王立平解释。
基于此,研究人员设计了3种包含不同层级的语言序列:仅包含字层级的单字序列,包含字及词结构的词组序列,包含字、词、句层级的句子序列,将其播放给无反应觉醒综合征与最小意识状态患者,记录他们受到语音刺激时的脑电活动。经与健康人对比结果显示,患者组与健康被试组均表现出了对字这一层级结构的显著神经响应,但仅健康被试组的脑电活动显著体现出对词和句子结构的追踪。
值得注意的是,在个体分析中,研究人员发现,15名患者表现出了对词与句子结构追踪的神经活动。“机器学习进一步显示,利用词组序列与句子序列条件下的神经活动对两类患者进行区分更为有效。”王立平介绍。
或找到更普适评价指标
从神经机制上来说,意识不是一个静止的脑功能,而是一个动态变化、自我保持与全脑协同工作的实时演化过程。
由于前面的实验结果难以反映大脑动态变化,基于意识的全局工作空间理论中意识与高级皮层脑区的关系,团队进一步作出了假设,高意识水平的脑活动会长时间停留在较为高级的前额叶—顶叶皮层信息环路中,低意识水平脑活动更常分布于感觉等低级信息处理脑区。“简单讲,就是大脑处理的语言序列句法结构越复杂,涉及的高级脑区活动越多。”王立平表示。
为此,研究人员记录了3组被试在接受3种不同层级结构语言序列时的脑电微状态,并与静息状态开展了对比。结果显示,在处理多层级语言序列时,健康被试更多表现出与高级脑区活动相关的脑电微状态,患者组脑活动与感觉皮层活动更相关。进一步对比两组患者团队发现,与无反应觉醒综合征组相比,最小意识状态组低级感觉相关微状态的持续时间更短,高级认知相关微状态的单位时间内出现次数更多,且患者组间的脑活动微状态差异在高级语言任务条件下更为显著。
综合利用上述语言范式下脑电指标建立的机器学习模型,不仅在诊断上显著优于基于行为学量表的临床评估,且能更准确预测患者个体在脑电记录100天后的康复,正确率达80%。研究中,一位47岁的男性中风昏迷患者,据传统行为评估量表只在总分23分中获得5分,这表明苏醒概率极低。然而,在对其大脑实行语言加工刺激研究中,患者对词语与句子的神经活动强烈,研究人员结合脑电微状态判断,他有很大概率恢复意识——最终,他苏醒了。
“这意味着我们可能找到了一种普适大脑意识水平的评价指标,在昏迷、睡眠、麻醉等一系列与意识水平相关的大脑状态评估中,有着广泛潜在应用价值。”王立平表示。
桂鹏透露,团队将在研究中进一步优化测试方案,结合多模态测试与记录手段,提高研究结果的临床效果、适应面与自动化程度,最终为研究意识障碍的神经机制、意识活动的神经表征,以及在意识障碍患者中开展相关科学研究提供实验依据与理论基础。