每年，我国都有近10万患者因颅脑外伤、脑卒中、缺血缺氧性脑病等病陷入长期昏迷，漫长的治疗过程给家庭和社会都带来了巨大的压力。然而现阶段，对于患者的状态鉴定效果并不能让人称心如意，所以对于“植物人”语言能力和意识水平的探索成了研究者们努力钻研的课题。

        就在2020年5月25日，中国科学院脑科学与智能技术卓越创新中心（神经科学研究所）、中国科学院灵长类神经生物学重点实验室王立平研究组与复旦大学附属华山医院神经外科毛颖/吴雪海团队在《自然神经科学》期刊在线发表了题为《探索意识障碍患者层级语言加工》的合作研究论文。

        该论文的研究结果表明，通过将神经表征和机器学习方法相结合，可实现对患者意识状态的诊断和康复，这无疑是一个振奋人心的消息。研究人员通过对词组序列和句子序列的排列变换，记录无反应觉醒综合征和最小意识状态两类患者的床旁脑电活动，将数据与健康人员数据进行对比，发现意识障碍患者的残存意识水平与语言序列中层级结构的加工深度存在关联而且利用词组序列和句子序列更有利于区分两类患者的神经活动。

        接着，研究人员大胆假设大脑处理的语言序列句法结构与高级脑区活动有关，并在大脑处理语言序列句法结构越复杂涉及的高级脑区活动越多这一假设理论基础上，记录了3组被试在接受3种包含不同层级结构的语言序列时的脑电微状态。经过与静息状态对比、被试组间对比和两组患者对比，发现将语言层级相关的神经电活动和脑电微状态相结合，可以更加准确地判断患者的意识水平。为了充分检测语言-脑电模型对单个患者的分类和预测结果的可靠性，研究人员又进一步引入新一批患者数据，对当前模型进行预测功能的泛化验证，成功复现了准确的分类和预测效果。

        这一系列对预测效果泛化能力的验证，意味着研究团队可能找到了一种普适的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的潜在应用价值。若研究团队在今后的研究中进一步提高研究结果的临床效果，那对于研究意识障碍的神经机制和意识活动的神经表征以及在意识障碍患者上开展相关科学研究将具有重大突破意义。

撰稿：黄珂

参考信息：

http://www.cebsit.cas.cn/yjz/wlp_/xw/202005/t20200526_5589893.html