認知神經(jīng)科學(xué)前沿文獻分享

基本信息

Title:AI predicts how brain injuries disrupt consciousness — and how to restore it once it’s disordered

發(fā)表時間:2026-03-24

發(fā)表期刊:Nature Neuroscience

影響因子:20.0

獲取原文:

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

研究背景

嚴重的腦損傷（如昏迷或植物狀態(tài)）會導(dǎo)致意識障礙（disorders of consciousness）。盡管深部腦刺激（deep brain stimulation, DBS）等干預(yù)手段顯示出潛力，但由于科學(xué)界對意識喪失的底層神經(jīng)環(huán)路機制缺乏完整理解，難以確定最佳的刺激靶點與頻率。這一困境的核心在于，現(xiàn)有計算模型缺乏生物學(xué)真實性，且領(lǐng)域內(nèi)缺乏能用于因果探究或在臨床試驗前測試干預(yù)措施的有效實驗?zāi)Ｐ汀?/p>

實驗設(shè)計與方法邏輯

為突破瓶頸，作者開發(fā)了結(jié)合深度學(xué)習(xí)與生物物理腦模型的生成式對抗AI框架（generative adversarial AI framework）。

1. 首先，利用逾68萬段真實大腦活動記錄訓(xùn)練深度卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural networks, CNNs），使其能區(qū)分清醒與無意識狀態(tài)，作為“判別器”。

2. 然后，構(gòu)建包含皮層、丘腦和基底神經(jīng)節(jié)的可解釋神經(jīng)平均場模型（neural mean field model）作為合成大腦活動的“生成器”。

3. 通過遺傳算法進行對抗優(yōu)化，先使模型生成“真實且有意識”的信號，隨后反轉(zhuǎn)目標，生成模擬意識障礙的無意識模型。

4. 最后，對比兩種模型的參數(shù)差異提取機制，并結(jié)合腦損傷患者的彌散MRI與動物RNA測序數(shù)據(jù)進行交叉驗證。

核心發(fā)現(xiàn)

發(fā)現(xiàn)一：基底神經(jīng)節(jié)間接通路損傷與皮層抑制增加是意識喪失的核心機制

AI框架生成的無意識模型揭示，意識障礙與基底神經(jīng)節(jié)間接通路（從表達多巴胺受體2的紋狀體神經(jīng)元到外側(cè)蒼白球）的特異性損傷，以及皮層抑制性突觸耦合的增加密切相關(guān)。這一預(yù)測得到了患者彌散MRI和RNA測序數(shù)據(jù)的交叉驗證。

Fig. 1 中，作者展示了AI預(yù)測的環(huán)路變化及腦成像驗證；圖1a的機制示意圖呈現(xiàn)了連接減弱與增強的環(huán)路變化，圖1b則直觀對比了無反應(yīng)患者與微意識狀態(tài)患者在紋狀體與外側(cè)蒼白球之間纖維連接密度的顯著差異

通過在計算模型中模擬不同皮層下靶點和頻率的DBS，研究發(fā)現(xiàn)高頻丘腦底核（subthalamic nucleus）刺激能有效調(diào)節(jié)受損的神經(jīng)網(wǎng)絡(luò)。該前瞻性假說得到了接受此類刺激的清醒患者皮層喚醒增加的間接臨床證據(jù)支持。通過AI框架的模擬對比，研究為未來的DBS臨床試驗縮小了靶點與頻率的參數(shù)搜索空間。

Fig. 1a 的環(huán)路圖中同樣包含了丘腦底核等關(guān)鍵節(jié)點；作者正是基于這一模型網(wǎng)絡(luò)模擬了不同靶點的刺激效果。

省流總結(jié)

本研究利用生成式對抗AI框架，揭示了基底神經(jīng)節(jié)間接通路受損在意識障礙中的核心作用，并預(yù)測高頻丘腦底核DBS為潛在療法。盡管模型簡化了生物學(xué)細節(jié)且預(yù)測仍需臨床驗證，該工作為探索意識喪失機制提供了有效計算平臺。

分享人：天天

審核：PsyBrain 腦心前沿編輯部

你好，這里是「PsyBrain 腦心前沿」

專注追蹤全球認知神經(jīng)科學(xué)的最尖端突破

視野直擊 Nature, Science, Cell 正刊 及核心子刊與頂級大刊

每日速遞「深度解讀」與「前沿快訊」

科研是一場探索未知的長跑，但你無需獨行。歡迎加入PsyBrain 學(xué)術(shù)社群，和一群懂你的同行，共同丈量腦與心智的無垠前沿。

點擊卡片進群，歡迎你的到來

一鍵關(guān)注，點亮星標 ? 前沿不走丟！

一鍵分享，讓更多人了解前沿