东方网5月26日消息：每年我国有近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，长期治疗给家庭和社会都带来了巨大的压力。
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。
研究团队针对意识障碍患者开展了语言加工相关神经表征的探索性研究，并将相关神经表征与机器学习方法相结合，成功实现了对患者意识状态的诊断和康复预测，为意识障碍患者的临床诊疗提供了新的参考。
意识障碍患者中，以无反应觉醒综合征（unresponsivewakefulnesssyndrome，UWS）和最小意识状态（minimallyconsciousstate，MCS）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。
本研究合作者丁鼐研究员在以往的工作中发现，当健康人聆听按一定频率呈现的汉语语音序列时，大脑会以对应节律的神经振荡并行表征序列中不同层级的语言结构（字、词及句子/短语；图2a）。
如，当以4字/秒的速度连续播放如“小马过河”的4字句子，大脑会追踪其中的字（“小”、“马”、“过”、“河”；出现频率为4Hz）、词（“小马”、“过河”；出现频率为2Hz）和句（“小马过河”；出现频率为1Hz）结构，并在脑磁或脑电等神经信号上得以体现。相应的，如果呈现的是“高学山跑”这样不存在词和句结构的4字语音序列，则只能观察到与字结构出现频率对应的神经信号。
研究流程
在此基础上，团队假设，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可能存在关联，尤其会在高层级语言结构的神经表征上得到体现。
研究人员首先设计了3种包含不同层级的语言序列（仅包含字层级的单字序列，包含字及词结构的词组序列，包含字、词、句层级的句子序列），记录了无反应觉醒综合征和最小意识状态患者在接受到语音刺激时的床旁脑电活动，并与健康人进行了对比。
群体对比的结果显示，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。值得注意的是，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天后表现出明显的意识水平康复。机器学习进一步显示，利用词组序列和句子序列条件下的神经活动对两类患者的区分更为有效。
团队进一步假设：高意识水平的脑活动会长时间停留在较为高级的前额叶-顶叶皮层信息环路中，而低意识水平的脑活动则更常分布于感觉等低级信息处理脑区——即大脑处理的语言序列句法结构越复杂，涉及到的高级脑区活动越多。
在此基础上，研究人员设计了3种包含不同层级的语言序列（仅包含字层级的单字序列，包含字及词结构的词组序列，包含字、词、句层级的句子序列），记录了无反应觉醒综合征和最小意识状态患者在接受语音刺激时的床旁脑电活动，并与健康人进行了对比。结果显示，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。相较于无反应觉醒综合征组，最小意识状态组更能处理词语和句子，且句子条件下区分两组病人的效果最佳。
虽然现阶段科研人员尚未彻底理解语言层级结构在大脑中的神经基础和计算机制，但现有的基础研究结果已经可以为临床转化提供借鉴。
更重要的是，综合利用上述语言范式下的脑电指标建立的机器学习模型，不仅在诊断上显著优于基于行为学量表的临床评估，而且可以更准确地预测患者个体在脑电记录天后的康复，正确率达到80%。
研究团队将在今后的研究中进一步优化测试方案，结合多模态测试和记录手段，进一步提高研究结果的临床效果、适应面和自动化程度，最终为研究意识障碍的神经机制、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提供实验依据和理论基础。