研究者结合多层级语言序列范式和头皮高密度脑电记录，帮助临床医生对意识障碍患者的意识水平进行诊断和预后判断。
中国科研人员的一项最新研究把语言加工能力作为指标，结合相关神经表征与机器学习方法，来判断“植物人”残存的意识水平，为患者的临床诊疗提供新参考。
这项研究由中国科学院脑科学与智能技术卓越创新中心的王立平研究组与复旦大学附属华山医院的毛颖/吴雪海团队合作完成，相关研究论文以《探索意识障碍患者层级语言加工》为题，于北京时间5月25日深夜在国际学术期刊《自然-神经科学》上在线发表。
科研人员介绍，每年中国有近10万患者因颅脑外伤、脑卒中、缺血缺氧性脑病等疾病陷入昏迷，继而进入长期的意识障碍状态，即传统意义上的“植物人”状态。意识障碍患者中，以无反应觉醒综合征和最小意识状态两类最为常见；相较于无反应觉醒综合征患者，最小意识状态患者的残存意识水平更高，康复可能性也更高。然而，现阶段对患者的状态鉴定主要依赖于有经验医生的观察和量表评分，具有一定的主观性，误诊率颇高。
该项研究利用了简便易行、适用面广的床旁脑电记录手段，采集了无反应觉醒综合征和最小意识状态患者在接受到多层级语音刺激时的神经活动，并与健康人进行了对比。其结果显示，当听到含有字、词、句结构等语音序列时，患者组和健康被试组均表现出了对字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。在个体分析中，研究人员发现15名患者表现出对词和句子结构追踪的神经活动，其中6名患者在脑电记录的100天后表现出明显的意识水平康复。在处理多层级语言序列时，健康被试组更多地表现出了与高级认知加工相关的脑电微状态，而患者组与感觉信息处理相关的脑电微状态的出现概率更高。
研究人员表示，综合利用上述语言范式下的“追踪”反应和脑电微状态等神经活动指标建立的机器学习模型，可以更准确地预测患者个体在脑电记录100天后的康复情况。研究组进一步引入新一批患者数据对该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。
研究团队表示，将在今后的研究中进一步提高研究结果的临床效果、适应面和自动化程度。
