Predicting Somatosensory Awareness from Intracranially Informed Scalp EEG
本研究提出了一种机器学习方法，通过预测颅内岛盖岛瓣活动，推导出一种用于意识躯体感觉感知的非侵入性头皮脑电图（EEG）标记物，证明了其与现有标记物相比，在个体层面具有更优越的一致性以及跨数据集和跨脑状态的泛化能力。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
为了理解我们在感知事物时发生了什么，科学家通常会观察大脑的电信号。当神经受到刺激时，大脑会产生一种可以从头皮测量的可预测电波。几十年来，研究人员一直依赖一种被称为“躯体感觉意识负波”（Somatosensory Awareness Negativity）的特定信号模式，来推测一个人是否在意识层面感受到了触摸。这种模式表现为在刺激发生约十分之一秒后电压出现的一个凹陷。然而，这种方法有一个显著的缺陷：这个凹陷的形状、时机和大小在不同个体之间差异巨大。在一个人身上看起来像是意识清晰的迹象，在另一个人身上可能看起来就像是随机噪声，这使得利用该信号来判断特定的人是否感知到某种感觉变得非常困难，尤其是当他们无法通过言语或动作来告知我们时。
当面对处于清醒但无法交流状态的患者（如昏迷或深度睡眠状态）时，这一挑战变得至关重要。在这种情况下，医生无法询问“你感觉到那个了吗？”，必须完全依赖脑部扫描来判断患者是否具有意识。米兰大学及其他机构的研究人员开展的一项新研究提供了一个潜在的解决方案。通过结合先进的机器学习技术以及对头皮和大脑深处的同步记录，他们开发了一种估算一个人是否在意识层面感受到触摸的新方法。该方法不再寻找头皮信号中特定的形状，而是利用头皮数据来预测大脑深处已知与意识感知相关的特定且持续的电活动。
研究人员首先通过一组已经在接受癫痫侵入性监测的患者开展工作。这些患者的大脑深处植入了电极，同时头皮上也佩戴了高密度传感器帽。在患者清醒时，研究团队用轻微的电脉冲刺激其正中神经。由于患者可以报告是否感受到了脉冲，研究人员因此拥有了一个完美的“地面真值”（ground truth）来与脑电信号进行对比。他们使用计算机模型学习了头皮电活动与大脑深处（即与意识感知相关的岛盖区）特定且持续的电反应之间的关系。该模型经过训练，能够将头皮上杂乱、复杂的信号转化为对大脑深处发生情况的预测。
模型训练完成后，团队在另一组全新的健康志愿者身上进行了测试。这些参与者接受了类似的神经刺激，并被要求报告是否感受到了每次脉冲。研究人员将训练好的模型应用于这些新参与者的头皮记录中，且未改变任何设置。他们发现，当参与者报告感受到刺激时，模型会预测大脑深层区域存在强烈的、持续的电反应；而当参与者没有感觉到刺激时，预测的反应则微弱或不存在。至关重要的是，这种方法在开发集中测试的每一个人身上都表现得非常一致。与旧方法因大脑形状和信号时机的自然差异而难以区分意识不同，这种新方法成功地为每位参与者区分了“有感”与“无感”。然而，作者指出，由于决策阈值是在同一个数据集中推导并评估的，这种完美的区分反映了模型在开发集上的表现，而非对其灵敏度和特异性的无偏估计。
为了测试该工具的鲁棒性究竟如何，研究人员将完全相同的模型和决策规则应用于第三组人群，这些人要么处于清醒状态，要么处于极深度的睡眠阶段。在这项实验中，没有人报告他们的感受；唯一的区别在于他们的意识状态。该模型此前从未被训练用于区分清醒或睡眠状态，但它成功识别了每位参与者的状态。当受试者清醒时，模型预测存在意识感知信号；当他们处于深度睡眠时，该信号消失了。尽管该模型仅在针对清醒且能进行报告的人群数据进行训练，但它依然成功识别了状态。这种相同的数学规则能够区分清醒意识的大脑与深度睡眠的大脑，这一事实表明，该方法捕捉到了大脑处理感觉时的一种基本的生物学差异。然而，研究人员提醒道，不应将这一结果解释为对该方法分类感知能力的独立验证，因为在深度睡眠期间也可能产生意识想法，且目前尚无逐次尝试的报告来确认参与者实际经历了什么。
研究还直接将这种新方法与观察头皮特定电压凹陷的传统方法进行了对比。虽然传统方法在观察整体群体时能显示出“有感”与“无感”刺激之间的差异，但在针对个体时却无法提供明确答案。有些人的脑波看起来像是具有意识，而另一些人即使报告感受到了相同的东西，其脑波看起来也像是没有意识。研究人员称之为“头皮估算张力性”（Scalp Estimated Tonicity）的新方法，为开发集中的每一个人都提供了清晰、一致的答案。它在测试组中实现了完美的区分，在清醒/睡眠测试中正确识别了每个人的意识状态，并在感知测试中对每个人都做出了正确判断。
这项工作并不声称已经解开了意识之谜，也不建议该工具立即在所有医院投入使用。该研究是在相对较少的人群中进行的，且模型是基于癫痫患者的数据进行训练的，尽管用于模型的接触点是选自健康的脑组织。研究人员承认，该工具需要在临床环境中针对无法交流的患者（如昏迷或植物状态患者）进行进一步测试，以观察其是否能可靠地检测意识。然而，研究结果展示了一条清晰的前进路径。通过利用机器学习来弥合头皮观测与大脑深处活动之间的鸿沟，研究人员创造了一种比以往方法更可靠的非侵入性工具。它提供了一种聆听大脑关于感觉的内部对话的方式，有望为那些无法发声的人提供声音。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。