《Frontiers in Neurology》：The diagnostic and prognostic value of auditory statistical learning ability in patients with disorders of consciousness
编辑推荐：
引言：由于意识障碍（DoC）患者的行为反应能力有限，准确评估其残余认知仍具挑战性。统计学习（SL）被定义为从感觉输入中提取规律性的能力，反映了与残余认知相关的神经处理过程。本研究探讨了SL在不同意识水平间的保留情况，以及SL的神经标志物能否为DoC患者的诊断和
引言：由于意识障碍（DoC）患者的行为反应能力有限，准确评估其残余认知仍具挑战性。统计学习（SL）被定义为从感觉输入中提取规律性的能力，反映了与残余认知相关的神经处理过程。本研究探讨了SL在不同意识水平间的保留情况，以及SL的神经标志物能否为DoC患者的诊断和预后提供信息。方法：研究人员采用包含结构化三音节假词的听觉范式，记录了46名患者和25名健康对照的脑电图（EEG）。使用频率标记分析量化了对统计规律性的神经夹带。结果：在健康对照组和微意识状态（MCS）组中观察到了组内效应模式，而无反应觉醒综合征（UWS）组未显示出显著效应。此外，更强的神经学习预测了MCS患者更好的行为评分，但在UWS患者中则不然。进一步分析表明，在创伤组中，与SL相关的效应与行为评分和6个月结局显著相关，而在非创伤组中未观察到这种关联。重要的是，基于SL的EEG模型有效地区分了健康对照和患者，并进一步区分了MCS和UWS患者。将SL模型与临床行为表现相结合，可以实现对患者意识水平更精确的评估。讨论：这些发现表明，SL在整合结构规律性时可能需要一个最低水平的意识，并且它可以作为DoC患者临床诊断和预后的指标。
本研究近期发表在《Frontiers in Neurology》上。准确评估意识障碍患者的残余认知在临床神经科学和康复医学领域始终面临巨大挑战。意识障碍通常由严重的创伤性脑损伤（TBI）或非创伤性脑损伤（NTBI，如颅内出血、心脏骤停或缺血性卒中）引起，患者依其损伤程度被划分为无反应觉醒综合征（UWS，表现出睡眠-觉醒周期但无意识感知）和微意识状态（MCS，能表现出服从指令等可重复的意识迹象）。传统的行为评估量表，如昏迷恢复量表修订版（CRS-R），在面对伴有感觉或运动功能障碍的患者时具有固有的局限性。为了解决这一问题，研究人员逐渐开始使用被动脑电图（EEG，一种非侵入性且便携的神经电生理检测技术）来检测患者的残余脑活动。被动实验范式无需患者主动参与或保持持续注意力，非常适合意识水平存在波动的DoC患者。统计学习作为一种被动评估认知的机制，指个体在没有明确指导的情况下自动从感觉输入中提取模式和规律（如音节间的转换概率，TP）的能力。然而，SL相关神经指标能否作为可靠的临床定量诊断与预后工具尚属未知，且学界对于SL是否依赖于意识觉知仍存争议。因此，开展本研究旨在探究不同意识水平和病因的DoC患者是否保留了SL能力，并评估这些神经特征在定量诊断和预后评估中的临床应用价值。
在关键技术方法与队列来源方面，研究人员从上海勇慈康复医院、杭州武警医院康复科及浙江省康复医疗中心招募了46名成年DoC患者（包括25名MCS和21名UWS患者），以及25名来自当地社区的健康对照。研究构建了包含五个三音节假词的听觉刺激流，音节以4 Hz恒定速率播放，假词以1.33 Hz速率呈现，且词内过渡概率为1，词间为0.25。研究采用频率标记分析结合32通道EEG记录，通过计算试次间相位一致性（ITPC）来量化神经夹带。为评估SL效率，研究计算了词学习指数（WLI，即1.33 Hz处ITPC与4 Hz处ITPC的比值），并将10分钟记录数据分为5个2分钟窗口提取基线与最大WLI差值。最后运用广义线性模型（GLM）构建分类器进行建模，并执行十折交叉验证及排列检验评估模型性能，同时结合CRS-R评分和6个月随访数据展开相关性分析。
研究结果部分浓缩如下：
EEG神经追踪效应：通过比较目标频率及相邻频率的ITPC频谱响应发现，健康对照组在词率（1.33 Hz）、次谐波（2.67 Hz）及音节率（4 Hz）均出现显著响应峰值；MCS组和UWS组在音节率表现出显著响应，但在词率及其次谐波处未见显著效应。
EEG统计学习效应：研究计算了归一化的WLI指标，比较基线与最大WLI值后发现，健康对照组和MCS组表现出显著差异，而UWS组无显著差异。由于MCS患者被定义为拥有微弱的残余意识，此结果提示SL过程在整合结构规律性时可能需要一个最低水平的意识参与。
统计学习效应与DoC患者行为评分的相关性：提取WLI随时间窗口变化的差值，并进行Spearman相关分析发现，MCS组的WLI差值与脑电记录时的CRS-R评分呈显著正相关，说明神经追踪更强的MCS患者行为表现更好，而UWS组不存在相关性。在病因分析中，TBI亚组的WLI差值与记录时及6个月随访的CRS-R评分均显著正相关，NTBI亚组则无此关联。
统计学习效应的临床应用：基于ITPC特征训练的GLM分类器能有效区分健康对照组与DoC患者，并能进一步区分MCS与UWS患者。部分在临床行为上被诊断为UWS的患者被脑电模型分类为MCS，在6个月随访时这些患者的行为改善率更高；反之，被脑电模型分类为UWS的临床确诊MCS患者改善率较低，说明结合脑电分类与行为评估可以提供更具预测价值的预后信息。
在讨论部分，研究人员归纳了以上结果的重要意义。首先，MCS患者保留了基于残余语言处理脑区协调的SL能力，而UWS患者由于网络连接受阻无法进行高级模式整合。研究提出了SL的两阶段理论假设：第一阶段为无意识检测，由初级感觉区域自动识别局部统计规律（UWS患者保留此能力）；第二阶段为有意识整合，需要最低限度的意识参与以巩固学习模式（MCS患者保留此能力）。其次，本研究证明了基于SL的EEG指标具诊断与预后潜力，不仅能够作为辅助筛查工具揭示被运动障碍掩盖的觉知能力，还能结合病因提供更为可靠的6个月结局预测框架。其中，TBI组中广泛轴索损伤但网络主结构保留的特点带来了更好的预后相关性，提示未来的预后评估应优先考虑病因因素。
在结论部分，研究人员总结称，通过被动听觉范式证实了SL在MCS组中的存在。复杂的SL在整合结构规律性时依赖于残余意识，将基于SL的EEG指标与临床行为评估相结合，可为评估患者6个月结局提供更可靠的参考框架。这些发现突显了SL相关EEG测量作为DoC患者临床诊断与预后评估客观神经指标的重要潜力。
