來(lái)自加州大學(xué)洛杉磯分校、Casa Colina Hospital and Centers for Healthcare、列日大學(xué)、RIKEN Center for Brain Science、德州大學(xué)西南醫(yī)學(xué)中心等團(tuán)隊(duì)，在《Nature Neuroscience》發(fā)表了研究論文《Adversarial AI reveals mechanisms and treatments for disorders of consciousness》。這項(xiàng)工作想解決一個(gè)非常關(guān)鍵的問(wèn)題：當(dāng)一個(gè)人陷入昏迷、植物狀態(tài)或最小意識(shí)狀態(tài)時(shí)，腦內(nèi)到底是哪些環(huán)路出了問(wèn)題？更進(jìn)一步，能不能據(jù)此找到更好的干預(yù)靶點(diǎn)？

很多關(guān)于意識(shí)障礙的研究，往往停留在“觀察到差異”這一步。比如我們知道某些腦區(qū)活動(dòng)變?nèi)趿耍承╊l段變慢了，但這些變化究竟是原因、結(jié)果，還是伴隨現(xiàn)象，往往很難說(shuō)清。因?yàn)檎嬲膯?wèn)題不只是“看到什么變了”，而是“哪條環(huán)路一改動(dòng)，意識(shí)水平就會(huì)跟著掉下去”。而這篇研究的特別之處，就在于作者把深度學(xué)習(xí)和可解釋的腦網(wǎng)絡(luò)模型放在一起，讓 AI 不只是識(shí)別意識(shí)狀態(tài)，還反過(guò)來(lái)逼近那些可能真正導(dǎo)致意識(shí)喪失的機(jī)制。

AI學(xué)會(huì)分辨“清醒腦”和“無(wú)意識(shí)腦”

研究的第一步，是先訓(xùn)練幾個(gè)深度卷積神經(jīng)網(wǎng)絡(luò)，讓它們從腦電或局部場(chǎng)電位里判斷一個(gè)腦處于多大程度的“有意識(shí)”狀態(tài)。作者收集了超過(guò)68萬(wàn)個(gè)10秒神經(jīng)電生理片段，數(shù)據(jù)來(lái)自人類、猴子、老鼠和蝙蝠，覆蓋皮層、丘腦和蒼白球等多個(gè)區(qū)域，還用了急性昏迷、慢性意識(shí)障礙、健康清醒、麻醉失去意識(shí)等多種狀態(tài)。

這一步并不是簡(jiǎn)單做一個(gè)“清醒/昏迷”二分類，而是盡量讓模型學(xué)到一個(gè)連續(xù)的意識(shí)水平。結(jié)果顯示，這些網(wǎng)絡(luò)確實(shí)能比較穩(wěn)定地區(qū)分不同狀態(tài)：在皮層數(shù)據(jù)里，AI 預(yù)測(cè)值會(huì)隨著患者 GCS、CRS-R 評(píng)分變化而變化；在獨(dú)立測(cè)試中，它也能把清醒者和心臟驟停后昏迷患者、麻醉猴、麻醉大鼠區(qū)分開(kāi)。更重要的是，它對(duì)“鎖定綜合征”患者和健康人的預(yù)測(cè)沒(méi)有明顯差異，這說(shuō)明模型抓到的更像是意識(shí)相關(guān)信號(hào)，而不只是運(yùn)動(dòng)輸出能力。

圖1 AI先學(xué)會(huì)從皮層、丘腦和蒼白球信號(hào)中識(shí)別意識(shí)水平

AI開(kāi)始“反向逼問(wèn)”腦環(huán)路該怎么改才會(huì)變成昏迷

如果只是訓(xùn)練一個(gè)分類器，那它仍然只是“會(huì)看圖識(shí)圖”。這篇研究真正往前走的一步，是把這些識(shí)別器變成了“判官”，再配上一個(gè)可解釋的神經(jīng)場(chǎng)模型做“生成器”。這個(gè)生成器不是普通黑箱神經(jīng)網(wǎng)絡(luò)，而是一個(gè)基于已知解剖連接構(gòu)建的丘腦—皮層—基底節(jié)平均場(chǎng)模型，里面有皮層興奮/抑制神經(jīng)元、丘腦投射核、丘腦網(wǎng)狀核、紋狀體 D1/D2 通路、外側(cè)和內(nèi)側(cè)蒼白球、丘腦下核等成分。

作者的做法很像一種“對(duì)抗式進(jìn)化”：讓生成模型不斷修改參數(shù)，產(chǎn)生新的模擬腦信號(hào)；再讓前面訓(xùn)練好的 AI 來(lái)判斷，這些信號(hào)像不像真實(shí)大腦、像不像清醒狀態(tài)、會(huì)不會(huì)更像癲癇。經(jīng)過(guò)反復(fù)優(yōu)化后，模型先學(xué)會(huì)生成“像真的清醒腦”，再進(jìn)一步被推向“像真的昏迷腦”。這樣一來(lái)，哪些參數(shù)一改就會(huì)讓模型更像意識(shí)障礙，就會(huì)被自動(dòng)暴露出來(lái)。

圖2 AI判別器與可解釋腦網(wǎng)絡(luò)模型被放進(jìn)同一個(gè)閉環(huán)中

意識(shí)障礙并不是單點(diǎn)失靈，而是整條中環(huán)路一起被拖垮

當(dāng)作者讓模型從“清醒腦”逐漸走向“無(wú)意識(shí)腦”時(shí)，模型自動(dòng)重現(xiàn)了很多臨床上常見(jiàn)的意識(shí)障礙腦電樣式，比如廣泛慢波、burst suppression 等。更關(guān)鍵的是，哪些連接參數(shù)和“意識(shí)水平下降”最相關(guān)，被系統(tǒng)地排了出來(lái)。

其中一部分結(jié)果和經(jīng)典的mesocircuit hypothesis 很一致：皮層到丘腦、皮層到紋狀體、紋狀體到蒼白球這些通路變?nèi)�，�?huì)讓意識(shí)水平下降；皮層和丘腦投射神經(jīng)元放電減少，而蒼白球外側(cè)、丘腦網(wǎng)狀核等抑制相關(guān)節(jié)點(diǎn)活性升高，也都對(duì)應(yīng)更低的意識(shí)水平。換句話說(shuō)，這個(gè)模型并不是隨便找到了幾個(gè)統(tǒng)計(jì)學(xué)相關(guān)項(xiàng)，而是把過(guò)去關(guān)于意識(shí)障礙的“中環(huán)路理論”重新在數(shù)據(jù)驅(qū)動(dòng)框架里跑了一遍。

但更有意思的是，它還額外找到了幾條以前沒(méi)那么被重視的線索，其中最突出的有兩條：一條是皮層抑制性中間神經(jīng)元之間的耦合增強(qiáng)，另一條是紋狀體 D2 通路到外側(cè)蒼白球（GPe）的連接選擇性受損。這兩條，后來(lái)都被作者拿真實(shí)數(shù)據(jù)做了驗(yàn)證。

圖3 從模型里冒出來(lái)的“昏迷機(jī)制”并不只是一處損傷

皮層里的抑制網(wǎng)絡(luò)可能在無(wú)意識(shí)狀態(tài)下越抱越緊

在模型分析里，一個(gè)最醒目的預(yù)測(cè)是：皮層內(nèi)抑制性神經(jīng)元到抑制性神經(jīng)元的連接增強(qiáng)，與意識(shí)下降顯著相關(guān)。表面上看，這有點(diǎn)反直覺(jué)。因?yàn)楹芏嗳藭?huì)先想到“意識(shí)差，是不是因?yàn)榕d奮不夠了”。但這里提示的是，問(wèn)題可能不只是興奮少了，而是抑制網(wǎng)絡(luò)內(nèi)部變得更緊、更同步，進(jìn)一步壓縮了正常的信息流動(dòng)空間。

作者隨后分析了急性創(chuàng)傷性昏迷患者切除腦組織的單核 RNA 測(cè)序數(shù)據(jù)，重點(diǎn)看皮層 PV+ 抑制性中間神經(jīng)元。結(jié)果發(fā)現(xiàn)，VGF 和 SCG2 這兩個(gè)與 PV+→PV+ 突觸形成有關(guān)的基因，在昏迷患者中顯著上調(diào)。并且這種上調(diào)更像是發(fā)生在 PV+ 細(xì)胞這個(gè)特定群體里，而不是整個(gè)皮層所有細(xì)胞一起上去。作者還在嚴(yán)重缺血性腦卒中的大鼠數(shù)據(jù)里看到了類似方向的變化。

這意味著，意識(shí)障礙可能不僅是“信號(hào)弱了”，也可能是皮層局部抑制網(wǎng)絡(luò)發(fā)生了重塑，使得大腦更容易陷入低復(fù)雜度、低靈活性的狀態(tài)。對(duì)于理解為什么有些昏迷腦看上去并不是完全“靜默”，而是被某種異常同步活動(dòng)困住，這條線索很有啟發(fā)。

圖4 昏迷相關(guān)腦組織中，PV抑制神經(jīng)元的突觸生成相關(guān)基因出現(xiàn)上調(diào)

基底節(jié)間接通路受損可能比想象中更關(guān)鍵

另一條被模型明確指出的機(jī)制，是紋狀體 D2 神經(jīng)元到外側(cè)蒼白球的間接通路變?nèi)�。這條通路在傳統(tǒng)意識(shí)障礙理論里并不是完全陌生，但過(guò)去很難直接說(shuō)明它到底有多關(guān)鍵。

作者用51名意識(shí)障礙患者的擴(kuò)散張量成像數(shù)據(jù)去檢驗(yàn)這個(gè)預(yù)測(cè)，結(jié)果發(fā)現(xiàn)：與最小意識(shí)狀態(tài)或已從最小意識(shí)狀態(tài)中恢復(fù)的患者相比，植物狀態(tài)患者左側(cè)紋狀體到GPe的結(jié)構(gòu)連接更弱，右側(cè)也有同方向趨勢(shì)；并且這條連接強(qiáng)度還和CRS-R評(píng)分相關(guān)。相對(duì)地，紋狀體到GPi的連接并沒(méi)有出現(xiàn)同樣的下降。

這個(gè)結(jié)果很重要，因?yàn)樗选盎坠?jié)參與意識(shí)”從比較籠統(tǒng)的表述，推進(jìn)到了更細(xì)的一層：不是所有紋狀體輸出都一樣，D2→GPe這條間接通路可能特別脆弱，也特別關(guān)鍵。模型里給出的解釋是，這條路一旦削弱，會(huì)導(dǎo)致GPe失去正常制約，進(jìn)一步壓低丘腦活動(dòng)，最終把皮層帶入更不利于意識(shí)維持的狀態(tài)。

圖5 植物狀態(tài)患者的紋狀體到外側(cè)蒼白球連接更弱，和模型預(yù)測(cè)一致

丘腦下核可能是被低估的干預(yù)靶點(diǎn)

光解釋機(jī)制還不夠，這篇研究還往前多走了一步：既然模型已經(jīng)能模擬“昏迷腦”，那可不可以直接在模型里試不同腦區(qū)的深部腦刺激，看哪種方案最可能把系統(tǒng)往“更有意識(shí)”的方向推回去？

作者把不同頻率、不同靶點(diǎn)的DBS都在模擬腦里掃了一遍。結(jié)果顯示，低頻刺激丘腦投射核會(huì)有一些改善，高頻刺激GPe也有一定作用，但最強(qiáng)、最穩(wěn)定的提升出現(xiàn)在高頻刺激丘腦下核（STN）。這個(gè)結(jié)果挺出人意料，因?yàn)樵谝庾R(shí)障礙領(lǐng)域，STN并不是最常被首先想到的經(jīng)典靶點(diǎn)。

隨后，作者又拿真實(shí)人的EEG做了一個(gè)初步驗(yàn)證。他們分析了6名接受DBS的頸性肌張力障礙患者，比較刺激開(kāi)和關(guān)時(shí)的皮層EEG，經(jīng)AI檢測(cè)后發(fā)現(xiàn)：刺激腹外側(cè)丘腦、zona incerta沒(méi)有明顯效果，但STN 130 Hz刺激會(huì)讓AI預(yù)測(cè)的意識(shí)水平上升。當(dāng)然，這些患者本來(lái)就是清醒的，所以這里不能直接等同于“恢復(fù)意識(shí)”，但至少說(shuō)明STN刺激確實(shí)把腦動(dòng)力學(xué)往一種更“清醒樣”的方向推了。

圖6 在模型預(yù)測(cè)和真人 EEG 中，丘腦下核高頻刺激都表現(xiàn)出更強(qiáng)的“

圖6 在模型預(yù)測(cè)和真人 EEG 中，丘腦下核高頻刺激都表現(xiàn)出更強(qiáng)的“促清醒”潛力

這篇工作的亮點(diǎn)，不只是提出了幾條新機(jī)制，而是它示范了一種新的研究路徑：先用大規(guī)模真實(shí)腦信號(hào)訓(xùn)練“會(huì)分辨意識(shí)”的 AI，再把這個(gè) AI 反過(guò)來(lái)接到一個(gè)可解釋的腦網(wǎng)絡(luò)模型上，逼著模型生成更像清醒、也更像昏迷的腦動(dòng)力學(xué)，最后再?gòu)膮?shù)變化里提煉出生物學(xué)假設(shè)，并用真實(shí)影像、轉(zhuǎn)錄組和電生理數(shù)據(jù)去驗(yàn)證。

這比單純做相關(guān)分析更進(jìn)一步。因?yàn)楹芏鄷r(shí)候，我們能看到昏迷患者腦電變慢、復(fù)雜度下降、丘腦皮層交流減少，但難說(shuō)這些改變誰(shuí)先誰(shuí)后。這里作者試圖建立的是一種“從表型反推環(huán)路”的框架。它不一定一步到位給出最終答案，但至少把“AI只是分類工具”推進(jìn)成了“AI也能參與機(jī)制發(fā)現(xiàn)和干預(yù)篩選”。

當(dāng)然，這項(xiàng)工作離真正改寫(xiě)臨床還早。它的生成模型雖然比普通黑箱強(qiáng)得多，但仍然是平均場(chǎng)模型，很多細(xì)胞類型、層級(jí)結(jié)構(gòu)和具體核團(tuán)分化沒(méi)有被完整展開(kāi)。作者自己也提到，像丘腦網(wǎng)狀核、丘腦下核等關(guān)鍵部位，缺乏直接電生理約束；皮層部分也還是相對(duì)粗粒度的興奮/抑制框架。轉(zhuǎn)錄組結(jié)果說(shuō)明了相關(guān)基因表達(dá)變化，但還不能直接等同于突觸數(shù)量真的增加；DTI結(jié)果提示連接受損，但也還不能替代真正的細(xì)胞類型特異性驗(yàn)證。

但也正因?yàn)槿绱耍@篇研究留下了很值得追問(wèn)的方向：意識(shí)障礙究竟是不是一種“網(wǎng)絡(luò)被鎖死”的狀態(tài)？如果是，那么未來(lái)治療也許不只是去“激活一個(gè)腦區(qū)”，而是要想辦法把整個(gè)系統(tǒng)從異常穩(wěn)定的低復(fù)雜度動(dòng)力學(xué)里推出來(lái)。STN會(huì)不會(huì)成為新的DBS靶點(diǎn)？皮層抑制網(wǎng)絡(luò)的重塑能不能被逆轉(zhuǎn)？這些問(wèn)題，現(xiàn)在第一次有了一個(gè)可以系統(tǒng)試錯(cuò)的框架。

這項(xiàng)研究最重要的意義，不只是讓AI更會(huì)判斷“有沒(méi)有意識(shí)”，而是開(kāi)始讓AI幫我們追問(wèn)——意識(shí)為什么會(huì)消失，又能從哪里被重新喚醒。

論文信息：

https://www.nature.com/articles/s41593-026-02220-4

來(lái)源 | Nature Neuroscience、Al4Neuro

浙大科技園啟真腦機(jī)智能產(chǎn)業(yè)化基地是在浙大控股集團(tuán)領(lǐng)導(dǎo)下，由浙江大學(xué)科技園發(fā)展有限公司與杭州未來(lái)科技城管委會(huì)共建，圍繞腦機(jī)智能產(chǎn)業(yè)主體，輻射腦機(jī)+生命健康、腦機(jī)+智能制造、腦機(jī)+新一代信息技術(shù)、腦機(jī)+新材料等領(lǐng)域的專業(yè)化特色產(chǎn)業(yè)基地，由杭州啟真未來(lái)科技發(fā)展有限公司負(fù)責(zé)全面運(yùn)營(yíng)。

基地依托浙江大學(xué)在腦機(jī)智能方面的學(xué)科優(yōu)勢(shì)，以腦機(jī)智能作為核心科技支撐，貫徹浙江大學(xué)國(guó)家大學(xué)科技園“有組織科技成果轉(zhuǎn)化、有靶向科技企業(yè)孵化、有體系未來(lái)產(chǎn)業(yè)培育”的服務(wù)體系，致力于打造腦機(jī)智能領(lǐng)域具備成果顯示度、區(qū)域影響力的產(chǎn)業(yè)化高地。