该论文发表于Science Translational Medicine，题目为《A Theoretically Based Index of Consciousness Independent of Sensory Processing and Behavior》。

米兰大学生物医学与临床科学系的Adenauer G. Casali以及比利时列日大学及列日大学医院昏迷科学组和神经学系的Olivia Gosseries为本文共同第一作者。米兰大学生物医学与临床科学系的Marcello Massimini为本文通讯作者。

论文链接：https://www.science.org/doi/10.1126/scitranslmed.3006294

论文概要

论文主要提出了一种名为“扰动复杂性指数”（perturbational complexity index, PCI）的理论驱动指标，可以用于客观评估意识水平，不依赖于感知处理和行为反应。研究团队通过结合经颅磁刺激（TMS）和高密度脑电图（hd-EEG），测量大脑对磁刺激响应的时空信息复杂度，以量化意识状态。实验进行了健康人PCI验证和脑损伤患者应用，结果证明PCI能区分意识水平的梯度变化，且其在单一个体中表现稳定，不受刺激部位或强度显著影响。该研究为意识科学和临床神经学提供了新工具，可能推动意识障碍诊断与监测的革新。

研究背景

意识依赖于大脑能够维持既“集成”又“分化”的复杂活动模式，所谓整合指的是大脑区域间高效互动，形成统一整体（如不同脑区协同处理信息）。分化是各区域保持独特信息处理能力（如视觉与听觉皮层功能分离）。整合与分化的动态平衡反映了大脑的复杂性，意识存在时复杂性高，意识丧失（如睡眠、麻醉）时复杂性降低。在临床上缺乏一种客观的意识水平评估方法，尤其是在脑损伤或麻醉状态下，患者可能无法与外界互动，从而难以评估其意识状态。现有的评估方法往往依赖于患者的行为反应，而这些反应在某些情况下可能并不能准确反映患者的意识状态。

方法与结果分析

（1）TMS-EEG 测量：通过经颅磁刺激（TMS）扰动大脑皮层，使用高密度脑电

图（hd-EEG）记录响应。

（2）算法复杂度分析：

①记录TMS引发的皮层响应（前300ms内）。

②通过非参数统计方法提取显著信号源的时空矩阵（SS(x,t)）。

③采用Lempel-Ziv复杂度（LZC）计算这些响应模式的算法复杂度。

④将算法复杂度进行归一化，得到PCI值，具体计算公式如下：

其中，L是序列长度，cL，H(L)，源熵。

（3）实验设计：

健康受试者（32人）：在清醒、做梦、NREM睡眠、不同麻醉水平（Midazolam、Xenon、Propofol）状态下测量PCI。

脑损伤患者（20人）：包括植物状态（VS/UWS）、最低意识状态（MCS）、闭锁综合征（LIS）患者。

（4）实验结果

①PCI 能够有效区分清醒和无意识状态，既考虑了脑活动的广泛性，也关注了响应的复杂性：在图2A中表示清醒状态，可以看到不同皮层区域在不同时间点被激活，产生了一个既广泛又分化的时空活动模式，皮层响应既有“集成性”（多个区域参与）又有“分化性”（响应模式丰富多样），因此具有较高的复杂度。B图表示NREM 睡眠（90V/m），TMS 刺激仅引发了局部、短暂的皮层活动，局部响应表明大脑区域间的互动（集成性）降低，同时响应模式也缺乏多样性（分化性降低），导致复杂度大幅下降。C图表示NREM 睡眠 （160 V/m），增加 TMS 刺激强度后，出现了典型的慢波响应，呈现全局但同质的活动，尽管刺激强度更高，但由于大脑活动缺乏时空分化（所有区域的反应类似且同步），算法压缩后信息内容较低，导致复杂度未显著提升。

图2

②PCI在健康个体中可以区分意识与无意识状态：在图3A中，不同TMS刺激靶点（如BA04、BA06、BA07等脑区）和刺激强度对PCI无显著影响，表明PCI的稳定性。而图3B通过对比清醒、NREM睡眠、Midazolam麻醉、Xenon麻醉、Propofol麻醉的PCI值，表明PCI可跨不同无意识条件统一量化意识水平，且不同麻醉剂引起的PCI降低模式一致，支持PCI的普适性。图3C中在清醒状态下，PCI在刺激后100 ms左右快速上升，反映脑网络的动态整合能力。而NREM睡眠（无意识状态）下，PCI增长缓慢且趋于平缓，提示脑活动模式单一或局部化。这充分说明PCI在健康人群中的验证逻辑及其作为意识标志物的可靠性。

图3

③PCI对意识水平梯度变化具有敏感性，可量化意识水平的连续变化：图4A中表示6名受试者在不同Propofol麻醉深度下进行了TMS-EEG测量，在清醒状态下PCI处于较高值（0.44-0.67），显示出大脑活动的高复杂性。而在中度镇静PCI下降到0.34-0.42，处于清醒和深度镇静之间。深度镇静下PCI 进一步降低到0.13-0.30，显示大脑活动模式简单、缺乏复杂性。图4B对单一受试者在不同睡眠阶段（包括清醒、睡眠第一阶段S1、NREM、REM睡眠）中测量了PCI。这说明PCI 能够反映意识状态的渐变变化，证明了该指数不仅能区分清醒与无意识，还能识别中间状态。

。

图4

④PCI可以区分脑损伤患者的意识水平：图5A是通过刺激不同的位点和不同类型的脑损伤患者测量得到的PCI值，而图5A右侧直方图是健康人清醒与无意识状态的PCI分布，通过对照可以证明PCI可清晰区分不同意识障碍类型，且结果与临床行为评估一致。图5B可以看到VS患者PCI值（0.19–0.31）与健康人无意识状态完全重叠，支持其无意识诊断。MCS患者PCI值（0.32–0.49）显著高于VS，提示存在残余意识。LIS患者PCI值（0.51–0.62）与健康清醒者无差异，证明其意识完整但运动功能丧失。

图5

结论

本研究的结果证明了PCI可以区分意识水平的梯度变化，其通过量化大脑对扰动的复杂性响应，为意识评估提供了理论扎实、客观可靠的新方法，突破传统行为依赖的局限，为意识科学和临床实践开辟了新路径，对临床意识障碍患者的意识评估与预后也有重要指导意义。

撰稿人：姚燕龄

审稿人：李景聪