《Frontiers in Computational Neuroscience》：Shifts in brain dynamics and drivers of consciousness state transitions
编辑推荐：
本文系统探讨了意识状态转换过程中脑动态变化的神经机制，通过功能磁共振成像（fMRI）结合线性时不变（LTI）动态系统模型，揭示了不同意识水平（清醒、轻度镇静、深度镇静和恢复期）下大脑振荡模式的稳定性与频率特征。研究发现，深度镇静状态下脑网络振荡模式趋于稳定，且自然听觉刺激诱发的共激活模式在意识水平变化时呈现显著差异。该模型为意识障碍（DOC）患者的意识恢复预测提供了潜在的生物标志物，并为闭环神经调控策略奠定了理论基础。
意识状态转换的脑动态机制与驱动因素研究
引言
理解不同意识状态之间转换的神经机制是神经科学领域的核心挑战。随着功能磁共振成像（fMRI）等现代神经影像技术的发展，研究者得以观察全脑活动在不同意识状态（如清醒、轻度镇静、深度镇静和恢复期）下的动态变化。早期研究通过单变量分析揭示了麻醉剂（如丙泊酚）可引起丘脑、中脑网状结构、前额叶皮层等区域的剂量依赖性活动降低，但这类方法难以捕捉意识背后的复杂网络交互。网络神经科学通过研究静息态下的功能连接（FC）变化，发现意识障碍患者默认模式网络（DMN）、执行控制网络（ECN）等高级网络的功能连接显著降低。近年来，机器学习方法虽能预测意识状态，但缺乏对转换机制的阐释。本研究基于公开数据集，采用线性时不变（LTI）动态系统模型，结合未知输入（UI）估计，旨在揭示意识状态转换中脑动态的频谱特征及外部驱动因素。
材料与方法
研究数据来自Kandeepan等人（2020）公开的fMRI数据集，包含17名健康参与者在四种意识水平下的静息态和自然听觉刺激（电影《飓风营救》音频）扫描数据。数据经过fMRIPrep预处理和XCP-D后处理，使用Schaefer图谱将大脑划分为100个皮质区域。LTI系统模型将每个脑区的BOLD信号时间序列表示为状态向量x[k]，其演化受内部耦合矩阵A和外部输入矩阵B驱动：x[k+1] = A x[k] + B u[k] + ωk。通过优化算法估计系统参数，并对特征模（eigenmodes）进行聚类分析，以识别意识状态相关的振荡模式。外部输入的空间模式通过主成分分析（PCA）提取，用于后续分类研究。
结果
静息态脑动态的频谱特征
通过特征模分解发现，意识水平降低伴随脑振荡模式的稳定性增强，尤其在深度镇静状态下，特征值的模|λ|显著趋近于1，表明系统振荡趋于稳定。聚类分析（k=3–20）显示，某些特征模集群在超过60%–80%的迭代中呈现意识状态依赖的稳定性与频率变化。例如，在k=13聚类方案中，集群10（涉及视觉和体感网络）和集群13（涉及边缘系统）在深度镇静下频率分布发生显著偏移。这些特征模的空间分布表明，高级联合皮层（如默认模式网络）在意识状态转换中扮演关键角色。
意识状态依赖的共激活模式
在听觉刺激任务中，模型估计的外部输入空间模式（矩阵B）通过PCA分解后，发现第三主成分（PC3）在听觉皮层激活模式上表现出意识状态依赖性：清醒和恢复状态下激活范围扩展至颞叶高级听觉区，而镇静状态下激活局限于初级听觉区。PC1、PC2和PC4则分别对应注意网络、体感网络和默认模式网络的共激活模式，且其空间分布在ANOVA分析中显示显著意识水平差异（p<0.05，FDR校正）。这些模式与既往研究中的瞬时共激活模式（CAPs）相似，但LTI模型允许多重输入模式同时存在。
意识水平分类
基于前四个主成分对应的输入空间特征，使用线性支持向量机（SVM）对意识状态进行分类，准确率达71.7%。ROC曲线显示模型对清醒和深度状态的区分能力最强，表明外部输入模式可作为意识水平的有效生物标志物。
讨论
本研究通过LTI系统模型揭示了意识状态转换中脑动态振荡的稳定性变化及刺激诱发网络重组规律。深度镇静下脑网络振荡趋于稳定，可能与丘脑皮质环路功能受损有关。自然听觉刺激诱发的共激活模式在意识水平变化时呈现空间扩展或收缩，反映了信息整合能力的改变。该方法克服了传统GLM模型对刺激特征的依赖，为意识障碍患者的诊断和预后提供了新思路。未来研究可结合长时程静息态数据和非线性模型，进一步揭示意识转换的动态机制。
结论
意识状态转换伴随脑网络振荡稳定性变化及外部驱动模式重组。LTI系统模型为理解意识动态提供了量化工具，有望推动意识障碍的客观评估与干预策略发展。
