与丙泊酚相比，右美托咪定在人类受试者中能引发更类似睡眠的大脑活动

《British Journal of Anaesthesia》：Dexmedetomidine produces more sleep-like brain activity compared with propofol in human participants

对比右美托咪定、丙泊酚麻醉及自然睡眠对脑活动的量化影响，发现右美托咪定诱导的无反应状态在delta功率和网络熵方面与N2睡眠相似，而丙泊酚变化更小且区域不均。研究采用34例癫痫患者脑电图数据，通过分析delta波功率、功能连接和网络熵，揭示右美托咪定对脑活动的影响更接近睡眠机制。

　　本研究旨在通过比较不同麻醉药物与自然睡眠对大脑活动和连接性的影响，揭示意识状态变化的神经机制。研究团队由来自美国威斯康星大学麦迪逊分校麻醉科的科学家组成，他们利用34名癫痫患者在手术前进行的颅内脑电图（iEEG）记录，分析了在未进行任务的自由状态、使用 dexmedetomidine 或 propofol 麻醉以及自然睡眠期间的大脑活动模式。这些数据帮助研究人员了解这些条件下的大脑活动和连接性变化，以及它们如何与意识水平的变化相关联。

在方法部分，研究团队首先对参与者进行了详细描述。这些参与者均为成人癫痫患者，未接受过手术切除或存在重大脑部异常。所有参与者均在2017年至2024年间被监测，并且他们的数据在分析中被纳入。研究方案得到了美国爱荷华大学机构审查委员会的批准，并获得了所有参与者的书面知情同意。研究过程不会干扰临床数据采集，参与者可以随时撤回同意，而不会影响其临床评估。

为了获取未受任务影响的大脑活动数据，研究团队在使用 dexmedetomidine 诱导麻醉时记录了10名参与者（其中4名女性）的数据，而在使用 propofol 诱导麻醉时记录了19名参与者（其中11名女性）的数据。对于自然睡眠，研究团队记录了24名参与者（其中13名女性）的数据。为了确保患者安全， dexmedetomidine 的输注是在最高剂量下进行的，最多持续15分钟，并且在此期间持续由麻醉师监测患者的生命体征。值得注意的是，虽然 dexmedetomidine 的剂量高于临床常规使用，但研究团队观察到患者没有出现心率、呼吸频率或血压方面的显著变化，这表明这种麻醉方式在安全范围内。

在麻醉期间的数据采集方面，研究团队使用了颅内脑电图记录，通过比较不同麻醉阶段（清醒、镇静、无反应）下的大脑活动，来确定其对大脑网络结构和功能连接的影响。研究中使用了“观察者评估警觉度/镇静度”（OAA/S）评分，该评分用于区分镇静（OAA/S ≥3）和无反应（OAA/S ≤2）状态。对于睡眠数据，研究团队采用了标准的多导睡眠图（polysomnography）进行睡眠分期，包括清醒（WS）、非快速眼动睡眠（N1、N2、N3）和快速眼动睡眠（R）。睡眠记录是在麻醉记录之前进行的，平均时间为6.3天（四分位数范围为5.6至7.4天），以确保数据的代表性。

为了更准确地分析大脑活动和连接性，研究团队还使用了区域兴趣点（ROIs）来划分大脑结构。这些区域基于与之前研究一致的解剖学重建，结合了T1加权磁共振成像（MRI）和计算机断层扫描（CT）的配准。通过这种方式，研究人员能够将大脑活动与特定的脑区进行关联，从而更深入地理解不同意识状态下的神经活动模式。

在数据预处理阶段，研究团队使用了MATLAB编写自定义软件进行iEEG数据的分析和预处理。他们排除了那些位于癫痫发作区、白质或脑外的记录点，以确保数据的准确性。剩余的数据经过自动化通道和异常数据的过滤过程，以减少干扰并提高分析的可靠性。这些预处理步骤对于确保数据质量至关重要，因为高质量的数据是进行后续分析的基础。

在研究的具体分析部分，研究团队首先计算了不同频率带的功率，包括delta（1–4 Hz）、theta（4–8 Hz）、alpha（8–14 Hz）、beta（14–30 Hz）和gamma（30–50 Hz）。他们使用了“调制带传输”（DBT）方法来获取时间-频率表示，并将每个频率带的功率标准化，再在1分钟的时间段内进行平均，最终转换为相对于1 μV2 Hz?1的分贝（dB）。这种分析方法有助于研究人员在不同频率范围内比较大脑活动的变化。

接下来，研究团队计算了功能连接性。他们使用了“偏差加权相位滞后指数”（wPLI）和正交化包络相关性（orthogonalised envelope correlations）来评估不同脑区之间的连接模式。wPLI被用于计算alpha波段的功能连接性，因为该波段的变化与意识状态的改变密切相关。研究团队还分析了“远距离”连接性，即所有记录点之间最长物理距离的前50%。这种分析方法有助于研究人员理解大脑在不同意识状态下的连接性变化。

此外，研究团队还利用扩散映射嵌入（diffusion map embedding）方法来计算网络熵（network entropy）。网络熵是从休息状态下功能连接性的特征值谱中得出的，用于衡量大脑网络的复杂性。研究团队发现，随着麻醉深度的增加和NREM睡眠阶段的推进，网络熵呈现出下降趋势，这表明大脑在这些状态下可能经历了功能整合和分离的平衡变化。通过这种方式，研究人员能够更全面地理解大脑在不同意识状态下的网络动态。

在统计分析方面，研究团队采用了线性混合效应模型，以评估不同意识状态下的大脑活动变化。他们将行为状态（如清醒、镇静、无反应）作为固定效应，将参与者和实验日作为随机效应，以确保结果的可靠性和有效性。通过这种方式，研究人员能够区分不同意识状态下的显著变化，并排除个体差异和实验日变化对结果的影响。

研究结果显示，dexmedetomidine 和 propofol 麻醉以及自然睡眠期间均观察到 delta 功率的增加。然而，dexmedetomidine 和睡眠在 delta 功率变化的幅度和区域性方面更为相似，而 propofol 的变化则较小且更加局部化。此外，网络熵的变化在 dexmedetomidine 和睡眠中更为显著，而 propofol 的变化则相对较小。这些结果表明，dexmedetomidine 的作用更接近于睡眠，特别是在无反应状态下，其 delta 功率和网络熵的变化与 N2 睡眠最为相似。

在 alpha 波段的功能连接性分析中，研究团队发现，在 dexmedetomidine 和 propofol 麻醉以及自然睡眠期间，大脑前部与后部之间的功能连接性均有所增加。这种变化表明，无论是在麻醉还是睡眠状态下，大脑的连接模式都发生了显著的改变。然而，propofol 的远距离连接性变化与 dexmedetomidine 和睡眠相比则更为显著。这进一步支持了 dexmedetomidine 麻醉与睡眠在神经机制上的相似性。

在讨论部分，研究团队强调了意识状态变化的复杂性。不同的药物和自然条件可能导致相似或不同的大脑活动和连接性变化，这些变化可能反映了意识的神经基础。通过比较 dexmedetomidine 和 propofol 麻醉与自然睡眠之间的差异，研究人员能够更深入地理解意识的神经机制。例如，delta 功率的增加和网络熵的减少可能共同反映了意识的丧失，而这些变化在 dexmedetomidine 和睡眠中的相似性则表明它们可能共享某些神经机制。

研究团队还指出了研究中的局限性。由于参与者均为癫痫患者，研究结果可能无法推广到更广泛的群体。此外，电极的放置基于临床需求，而不是研究目的，这可能导致不同参与者之间的数据变异性。癫痫病史、抗癫痫药物的使用以及医院环境等因素都可能影响睡眠和麻醉的敏感性。为了减少这些混杂因素的影响，研究团队采用了基于命令反应的条件，而不是依赖药物剂量或浓度，并使用多导睡眠图来确定睡眠状态。

研究团队还讨论了梦境在麻醉和睡眠中的作用。他们指出，梦境是意识的一种形式，通常伴随着大脑的解离状态。因此，在研究中无法确定无反应的参与者是否处于无意识或梦境状态，但可以通过连续唤醒实验来推测意识的可能性。例如，网络熵在N3睡眠中最低，而在快速眼动睡眠中与清醒状态相似，这表明网络熵可能更多地与意识相关，而不是单纯的反应性。

最后，研究团队总结了他们的发现。他们认为，dexmedetomidine 麻醉与自然睡眠在多个方面表现出相似性，尤其是在 delta 功率和网络熵的变化上。这些发现不仅有助于理解意识的神经基础，还可能对麻醉药物的开发和应用提供新的视角。通过比较不同麻醉药物和自然睡眠的影响，研究人员能够更准确地评估意识状态的变化，并为临床实践提供科学依据。