基于脑电图特征与软聚类分析评估闭锁综合征患者意识水平的创新方法及其在脑机接口沟通中的应用研究

本综述系统探讨了利用脑电图（EEG）信号的多维度特征（包括频域特征如相对功率RPθ、RPβ和谱边缘频率SEF95，复杂度特征如Lempel-Ziv复杂度（LZC）和椭圆半径比（ERR），以及连接性特征如相干性虚部（iCOH）和加权符号互信息（wSMI）），结合模糊C均值（FCM）与高斯混合模型（GMM）软聚类算法，构建归一化意识水平（NCL）评估模型，旨在解决完全闭锁状态（CLIS）患者意识客观评估的难题，为脑机接口（BCI）沟通时机的精准判断提供新策略。

　　

引言

闭锁综合征（Locked-In Syndrome, LIS）是一种罕见的神经系统疾病，患者虽意识清晰且认知功能保留，但几乎完全丧失自主肌肉运动能力，仅能通过眼球垂直运动或眨眼进行有限沟通。该病症多由脑桥腹侧部损伤引起，常见于脑卒中、创伤性脑损伤或渐冻症（Amyotrophic Lateral Sclerosis, ALS）等进展性神经系统疾病。随着病情进展，患者可能过渡至完全闭锁状态（Complete Locked-In Syndrome, CLIS），此时连眼球运动也无法实现，临床上面临无法判断意识状态的困境。传统意识评估工具如昏迷恢复量表修订版（CRS-R）或ALS功能评定量表修订版（ALSFRS-R）依赖运动反应，难以适用于CLIS患者。因此，开发基于神经生理信号的客观意识评估方法至关重要。

脑机接口（Brain-Computer Interface, BCI）技术为LIS患者提供了与外界沟通的途径，但其有效性高度依赖于患者意识状态。早期BCI系统基于慢皮质电位（SCPs）、P300事件相关电位或稳态视觉诱发电位（SSVEP），但存在速度慢、易疲劳或依赖眼球控制等局限。近年来，研究尝试通过听觉范式或运动想象任务实现沟通，但成功与否仍受制于患者意识水平。因此，在沟通尝试前评估患者意识状态，成为提高BCI效能的关键。

意识评估研究多集中于最小意识状态（MCS）或无反应觉醒综合征（UWS）患者，针对LIS/CLIS的研究较少。现有方法包括基于感觉刺激诱发事件相关电位（如P300）或静息态脑电分析（如频谱连接性、复杂度指标）。然而，这些方法多依赖单一特征，且缺乏针对CLIS患者的系统验证。本研究旨在通过整合多维度EEG特征与软聚类分析，构建一种稳健的意识水平评估框架，为CLIS患者的意识监测与沟通时机选择提供依据。

方法

本研究分析了四名ALS相关LIS患者（编号P11、P13、P15、P16）在2018-2019年间记录的EEG数据。实验包括静息态和听觉范式任务（训练、反馈、拼写会话），通过眼电（EOG）信号实现是/否响应选择。EEG信号采样率为500 Hz，电极布局采用10-10系统。

信号预处理包括降采样至200 Hz、0-45 Hz带通滤波，以及基于典型相关分析（CCA）的EOG伪迹去除。随后，从3秒信号段中提取七类特征：

• •

  频域特征：θ波段（4-8 Hz）相对功率（RP_θ）、β波段（12-30 Hz）相对功率（RP_β）和95%谱边缘频率（SEF₉₅）。RP计算采用Welch功率谱密度估计，SEF₉₅定义为累积功率达95%的最高频率。

• •

  复杂度特征：椭圆半径比（ERR）基于Poincaré图短期与长期变异性比值（SD1/SD2）；Lempel-Ziv复杂度（LZC）通过二值化序列分析模式多样性。

• •

  连接性特征：θ波段相干性虚部（iCOH）避免容积传导效应；加权符号互信息（wSMI）基于符号化序列分析非线性耦合。

特征按通道或通道对计算后，取全局平均值形成特征向量，输入模糊C均值（FCM）和高斯混合模型（GMM）进行软聚类分析。聚类数设为2（意识/无意识），通过集成学习合并成员概率，得到归一化意识水平（NCL），取值范围0-1。

结果

患者意识水平呈现显著个体差异与时间动态变化：

• •

  P11患者初期（2018年3-5月）NCL较高（均值0.907），后期逐渐下降至低水平（2019年1月后均值<0.1），提示随病情进展可能出现认知衰退。

• •

  P13患者2018年平均NCL为0.555，2019年降至0.366，显示意识水平随时间递减。

• •

  P15患者NCL波动较小（均值0.470），表明状态相对稳定。

• •

  P16患者初期NCL较低（2019年3月均值0.334），末期显著升高（5月均值0.816），提示意识状态可能复现。

特征相关性分析显示，频域特征（RP_β、SEF₉₅）和复杂度特征（LZC）与NCL呈强正相关（中位数相关系数0.794-0.843），而连接性特征（iCOH、wSMI）贡献较弱。这与神经生理机制一致：β功率增加反映认知参与，SEF₉₅高于8 Hz提示清醒状态，LZC升高表征信号随机性与意识水平正相关。

与代理意识评分（基于文献阈值）的Spearman相关性显示，P13（ρ=0.742）、P15（ρ=0.766）和P16（ρ=0.497）呈中高度正相关（p<0.001），但P11无显著关联（ρ=-0.052），反映个体差异可能受信号质量或阈值适用性影响。

与EOG沟通准确率的关联性分析中，仅P11显示显著正相关（r=0.378, p=0.005），其他患者相关性较弱或无统计意义。这可能源于EOG系统依赖眼球运动，随着患者运动能力丧失，准确率下降与意识水平解耦。

聚类质量通过划分系数（PC）和划分熵（PE）评估。P11、P13、P16的PC值接近1、PE值接近0，表明意识/无意识状态分离良好；P15的聚类质量较差（PC=0.503, PE=0.691），提示其神经活动模式可能更连续或噪声干扰。

讨论与结论

本研究提出了一种基于多特征融合与软聚类分析的意识评估框架，能够有效区分LIS患者的意识状态，且与神经生理学标志物具有良好一致性。频域和复杂度特征被证明是关键判别因子，而连接性特征贡献较弱，可能与CLIS患者功能连接紊乱有关。

该方法优势在于无需患者主动配合，减少了行为评估的局限性，尤其适用于CLIS群体。此外，NCL与代理意识评分的相关性支持其神经生理有效性，而与沟通准确率的解耦则凸显了运动输出障碍对传统BCI的影响。

临床意义上，该工具有助于精准判断沟通时机，改善患者生活质量。研究表明，提供沟通途径可延缓认知衰退，并显著提升患者主观幸福感。未来工作需扩大样本量，探索更多特征（如γ波段功率、分形维度），并开发个性化校准策略以应对个体差异。

局限包括样本量小、缺乏金标准，以及聚类方法强制分区可能引入偏差。然而，本研究为CLIS意识评估提供了新思路，推动了BCI从依赖运动输出向神经信号直接解码的范式转变。