中國科研人員的一項最新研究把語言加工能力作為指標，結合相關神經表徵與機器學習方法，來判斷「植物人」殘存的意識水平，為患者的臨床診療提供新參考。
△研究者結合多層級語言序列範式和頭皮高密度腦電記錄，幫助臨床醫生對意識障礙患者的意識水平進行診斷和預後判斷。中科院腦科學與智能技術卓越創新中心 供圖
這項研究由中國科學院腦科學與智能技術卓越創新中心的王立平研究組與復旦大學附屬華山醫院的毛穎/吳雪海團隊合作完成，相關研究論文以《探索意識障礙患者層級語言加工》為題，於北京時間5月25日深夜在國際學術期刊《自然-神經科學》上在線發表。
科研人員介紹，每年中國有近10萬患者因顱腦外傷、腦卒中、缺血缺氧性腦病等疾病陷入昏迷，繼而進入長期的意識障礙狀態，即傳統意義上的「植物人」狀態。意識障礙患者中，以無反應覺醒症候群和最小意識狀態兩類最為常見；相較於無反應覺醒症候群患者，最小意識狀態患者的殘存意識水平更高，康復可能性也更高。然而，現階段對患者的狀態鑑定主要依賴於有經驗醫生的觀察和量表評分，具有一定的主觀性，誤診率頗高。
該項研究利用了簡便易行、適用面廣的床旁腦電記錄手段，採集了無反應覺醒症候群和最小意識狀態患者在接受到多層級語音刺激時的神經活動，並與健康人進行了對比。其結果顯示，當聽到含有字、詞、句結構等語音序列時，患者組和健康被試組均表現出了對字層級結構的顯著神經響應，但僅健康被試組的腦電活動顯著體現出對詞和句子結構的追蹤。在個體分析中，研究人員發現15名患者表現出對詞和句子結構追蹤的神經活動，其中6名患者在腦電記錄的100天後表現出明顯的意識水平康復。在處理多層級語言序列時，健康被試組更多地表現出了與高級認知加工相關的腦電微狀態，而患者組與感覺信息處理相關的腦電微狀態的出現概率更高。
研究人員表示，綜合利用上述語言範式下的「追蹤」反應和腦電微狀態等神經活動指標建立的機器學習模型，可以更準確地預測患者個體在腦電記錄100天後的康復情況。研究組進一步引入新一批患者數據對該模型進行預測功能的泛化驗證，成功復現了準確的分類和預測效果。
研究團隊表示，將在今後的研究中進一步提高研究結果的臨床效果、適應面和自動化程度。
【來源：中國新聞網】
版權歸原作者所有，向原創致敬