《PLOS Computational Biology》：Individualised electrophysiological neural field models for the assessment of thalamocortical function in disorders of consciousness: A multicentre study
编辑推荐：
理解意识障碍（disorders of consciousness, DoC）背后的神经机制仍是一项重大挑战，尤其是在区分最小意识状态（minimally conscious state, MCS）中有限的意识与无反应觉醒综合征（unresponsive wa
理解意识障碍（disorders of consciousness, DoC）背后的神经机制仍是一项重大挑战，尤其是在区分最小意识状态（minimally conscious state, MCS）中有限的意识与无反应觉醒综合征（unresponsive wakefulness syndrome, UWS/VS）中完全的无意识方面。在这项多中心研究中，研究人员将一种基于生物物理学的皮层-丘脑神经场模型（corticothalamic neural field model）拟合至来自两个大型独立数据集的高密度脑电图（high-density EEG）数据，共包含203例UWS患者、270例MCS患者及74例健康对照。随后，研究人员利用拟合得到的参数在个体水平上模拟脑电时间序列，并比较了经验数据与模拟数据的复杂度指标。该模型可靠地捕捉了不同意识状态下的频谱特征，并揭示了DoC患者皮层-丘脑完整性的降低，且这一降低在UWS中较MCS更为显著，从而支持了中回路假说（mesocircuit hypothesis）。此外，模拟脑电重现了经验记录的复杂度模式，其中排列熵（permutation entropy）作为一种敏感标志物，能够在真实与模拟时间序列中均可区分MCS与UWS。
一、研究背景与科学问题
意识障碍（disorders of consciousness, DoC）是一类由严重获得性脑损伤引起的临床状态，患者表现为觉醒和/或意识受损。根据临床表现，DoC可细分为昏迷、无反应觉醒综合征（unresponsive wakefulness syndrome, UWS/VS）和最小意识状态（minimally conscious state, MCS）。其中，UWS患者仅表现出睁眼和反射性运动等觉醒迹象，而MCS患者则额外表现出指令跟随或视觉追踪等最小意识迹象。准确区分MCS与UWS在临床诊断和预后评估中至关重要，但仅依赖行为量表（如昏迷恢复量表修订版，CRS-R）存在主观性和敏感性不足的问题。
丘脑作为皮层与皮层下结构之间的中枢通信枢纽，在意识维持中发挥关键作用。中回路假说（mesocircuit hypothesis）认为，严重脑损伤后纹状体和丘脑的广泛去传入导致皮层、基底节和中央丘脑之间的通信崩溃，进而损害丘脑皮层环路的功能。尽管已有多种影像学和电生理手段支持这一假说，但利用非侵入性脑电图（EEG）直接评估丘脑皮层功能仍具挑战性。神经场理论（neural field theory, NFT）模型通过模拟大规模神经元群体的非线性动力学，能够从EEG功率谱中反演皮层-丘脑环路的生物物理参数，为机制性研究提供了可行路径。然而，既往研究虽能区分健康与DoC患者，却未能进一步区分MCS与UWS亚组。
此外，脑信号复杂度与意识水平密切相关。复杂度指标如Lempel-Ziv复杂度（LZC）、谱熵（SE）和θ频段排列熵（PE）已被证明能够区分UWS与MCS。但生物物理模型能否在拟合频谱的基础上，进一步重现经验EEG的复杂度特征，尚缺乏系统验证。本研究旨在利用两个大型独立高密度EEG数据集，评估皮层-丘脑神经场模型在区分DoC亚组及重现信号复杂度方面的能力。
二、研究内容与核心结论
研究人员利用来自比利时列日大学医院和法国巴黎Pitié-Salpêtrière医院的两个独立数据集，共纳入277例UWS、340例MCS和74例健康对照。列日数据集为静息态记录，巴黎数据集为局部-全局（local-global, LG）听觉范式记录，后者被作为伪静息态处理。通过将Robinson等人提出的皮层-丘脑神经场模型拟合至183通道平均功率谱，以及Fz和Pz电极周围区域的平均功率谱，获得个体化的模型参数。随后，利用拟合参数模拟EEG时间序列，并计算经验与模拟数据的LZC、SE和θ频段PE，通过Spearman相关分析评估两者的一致性。
研究得出以下核心结论：第一，模型在两组数据中均能高精度拟合各组的功率谱，拟合误差无组间显著差异，并能重现健康对照的α和β峰频率、MCS患者突出的θ活动以及UWS患者以δ为主的频谱特征。第二，模型参数揭示了DoC患者皮层-丘脑环路的系统性改变：兴奋性皮层-丘脑环路增益降低、抑制性皮层-丘脑环路增益升高、丘脑内环路增益升高、皮层-丘脑延迟延长以及肌电（EMG）分量增大。这些变化在UWS中较MCS更为显著，支持中回路假说。第三，在巴黎数据集中，MCS患者的兴奋性皮层-丘脑环路增益和皮层-丘脑延迟显著高于UWS患者，表明MCS可能保留了部分丘脑皮层交互功能。第四，模拟时间序列成功重现了经验数据的复杂度模式，其中θ频段PE在区分MCS与UWS方面最为敏感，且在真实与模拟数据中表现一致。经验与模拟数据之间的复杂度指标呈中到高度相关，PE的相关性最高，且健康对照的相关性普遍高于患者组。
三、关键技术与方法
研究采用的主要技术方法包括：1）高密度EEG记录与预处理，使用256通道EGI系统（采样率250 Hz），去除面部和颈部电极后保留183通道；列日数据集采用静息态记录并经过滤波、分段、独立成分分析和球形插值等预处理，巴黎数据集采用LG听觉范式并经过自动化预处理；2）皮层-丘脑神经场模型，包含皮层兴奋性、皮层抑制性、丘脑中继和丘脑网状四个神经群体，通过非线性sigmoid函数描述平均放电率，并利用线性化扰动和傅里叶变换推导EEG功率谱的解析表达式；3）马尔可夫链随机游走算法对模型参数进行个体化拟合；4）复杂度分析，包括LZC、SE和θ频段PE（嵌入维度为3）的计算；5）统计比较采用Kruskal-Wallis检验和Mann-Whitney U检验，相关分析采用Spearman系数。
四、研究结果
模型参数中的组间差异。 模型成功拟合了所有组的功率谱，卡方误差低且组间无显著差异。Kruskal-Wallis检验显示，两组数据集中健康对照与DoC患者之间存在多个参数的显著差异：兴奋性皮层-丘脑环路增益（Gese）在患者中降低，抑制性皮层-丘脑环路增益（Gsei）、丘脑内环路增益（Gsrs）、皮层-丘脑延迟（t0）和EMG分量在患者中升高。在巴黎数据集中，MCS患者的Gese和t0显著高于UWS患者，表明MCS保留了更多的皮层-丘脑交互功能。列日数据集中未发现MCS与UWS之间的显著差异，但Gese的中位数趋势与巴黎结果一致。未发现模型参数与发病时间（TSO）或CRS-R评分之间的显著相关。
经验与模拟数据复杂度特征的相关性。 在列日数据集中，经验数据的LZC无显著组间差异，但模拟数据显示健康对照的LZC高于MCS，且UWS高于MCS。在巴黎数据集中，经验与模拟数据的LZC均显示健康对照显著高于两个患者组。SE在两组数据集中均显示健康对照显著高于患者组，但MCS与UWS之间无显著差异。θ频段PE在两组数据集中均显示健康对照显著高于患者组，且在巴黎数据集中MCS显著高于UWS，这一模式在模拟数据中同样成立。经验与模拟数据的复杂度指标之间存在中到高度相关：LZC的合并相关系数为0.458，SE为0.613，PE为0.803，其中PE的相关性最高。所有复杂度指标的相关性在健康对照组中均高于患者组。
五、讨论与结论
讨论部分指出，模型参数的变化与中回路假说一致，支持DoC患者皮层-丘脑连接受损的机制解释。MCS与UWS之间皮层-丘脑增益和延迟的差异，可能反映了MCS患者保留了部分但可能减慢的丘脑皮层回路功能，而UWS患者则表现为快速、无突触且过度兴奋的病理生理活动。巴黎数据集能够区分MCS与UWS，可能归因于LG范式主动激活了层级处理过程，从而更敏感地捕捉意识相关的神经响应。θ频段PE在区分MCS与UWS方面表现最佳，且模拟数据成功重现了这一模式，表明模型参数不仅捕捉了频谱特征，还隐含了信号动态信息。研究局限性包括：头皮EEG的空间分辨率限制、单节点模型无法解析区域间交互、部分参数可辨识性较低，以及模型参数与行为量表之间缺乏线性相关。未来工作可结合扩散加权成像构建多节点模型，并利用模型模拟脑刺激和药物干预效果。
研究结论部分翻译如下：研究人员证明了利用神经场模型拟合DoC患者高密度EEG记录的可行性，以及该模型揭示导致异常功率谱的特定丘脑皮层环路的能力。此外，研究还展示了模型生成与经验记录复杂度特征高度相似的合成信号的能力。模型检测神经元群体间通信损伤的能力，结合其模拟EEG时间序列的功能，为研究DoC个体化损伤提供了有前景的机制框架。未来工作中，该框架还可能为估计接近临界态的程度提供见解，并测试旨在恢复意识的个性化治疗策略。
