本篇文献发表在Neurology杂志。所发布内容旨在与大家分享学术新知，促进交流学习，版权归原作者或原出处所有，感谢各位学者的辛勤付出与研究成果。

引言

对于急性脑损伤后意识障碍患者(DoC)而言，辨别其意识水平至关重要。此处所指的意识水平，主要是指觉知或对自身和环境的体验。这一意识水平具有伦理意义，因为它可能影响患者如何被纳入医疗决策或参与其中。它也具有预后意义，因为在急性期意识水平较高的患者未来更有可能恢复更高水平的意识和功能。此外，也许最关键的是，其意识水平可能影响维持生命治疗是继续还是撤除。因此，尽可能准确地回答“患者能体验到什么”这一常见问题，不仅具有哲学意义，还可能深刻影响患者照护。

尽管如此，意识的客观评估仍然具有挑战性。数十年来，使用标准化量表（如修订版昏迷恢复量表）进行详细的行为检查一直是辨别患者意识水平的金标准。2006年的一项惊人发现彻底改变了这一格局：一名看似无意识的患者，在功能磁共振成像扫描期间，被发现在响应指令时表现出对大脑活动的主动调节。当被要求想象打网球时，她表现出与运动规划相关脑区的活动；当被要求想象在自己的房子里走动时，她表现出与空间导航相关脑区的活动，这与健康个体的表现相同。这种现象，即行为上无反应的患者表现出觉知的证据，此后在其他意识障碍患者中通过类似范式被发现，并被称为“隐蔽意识”。隐蔽意识也通过脑电图被识别出来，在脑电图中，患者被要求遵循指令，机器学习算法或频谱密度比较被用于识别脑电图信号中的反应。这些功能磁共振成像和脑电图范式已在高达25%的对指令无行为反应的患者中发现了隐蔽意识的证据。

这些技术进步表明，患者行为不能完美反映其潜在意识水平。因此，通过非行为性指令跟随检测来识别隐蔽意识已引起越来越多的关注，并被纳入美国及欧洲的临床意识障碍指南。然而，当前用于识别隐蔽意识的范式仍存在关键的概念和实践缺陷。有趣的是，关于神经解码的日益增长的文献提供了一种新方法，可能克服其中的许多挑战，这一应用仍有待检验。本文讨论了当前隐蔽意识评估的局限性，概述了如何利用神经解码重新定义对保留心智状态的理解和识别，并提出了有助于实现这一潜力的未来方向。

检索方法

在此叙述性综述中，使用PubMed和Google Scholar数据库识别了1990年1月至2024年9月期间发表的相关文章。使用检索词“隐蔽意识”、“认知运动分离”、“神经解码”和“语义解码”识别文章。代表性文章的选取基于其发现是否反映了该领域其他研究的成果、是否突出了当前范式的局限性，以及/或者是否说明了解码范式的机遇或挑战。

当前范式的技术特异性局限

在目前大多数功能磁共振成像范式中，行为上无反应的患者被要求在功能磁共振成像扫描期间执行一项任务，例如运动或空间想象。运动任务可以是主动的（例如“移动你的手”）或想象的（例如“想象移动你的手”）。指令通常与休息期交替出现（例如“移动你的手”然后“停止移动你的手”）。然后检查功能磁共振成像数据，以确定神经活动是否伴随指令递送期发生变化（通过指令相对于休息期的血氧水平依赖信号变化来推断）。此分析通常局限于预先定义的解剖学感兴趣区。对于使用运动任务的范式，预期可能在辅助运动区和前运动皮层等区域出现神经反应。对于使用空间想象的范式，预期区域可能包括海马旁回或枕顶交界区。如果在任何这些预期区域中，信号在响应指令时超过了统计阈值，则判定患者存在隐蔽意识。换句话说，在当前的fMRI范式中，隐蔽意识通常是由与所管理任务相关的大脑区域的显著激活来定义的。将分析限制在先验区域，既减少了整个大脑的测量数量，也排除了可能对命令做出条件反射反应而不一定反映意识的区域(例如，听觉皮质)，从而降低了假阳性结果的风险。

这种标准方法存在几个缺点。第一，即使在健康大脑中，功能解剖学也存在显著变异，因此任务诱发活动的预期位置并不明确。例如，在对运动任务的反应中，健康个体可能表现出辅助运动区或前运动皮层以外的活动。第二，在急性脑损伤（常伴有大脑结构扭曲）的情况下，预期区域可能变得更加难以识别。第三，尚不确定需要何种统计阈值才能判定大脑活动是有意义的。阈值过宽松可能导致将噪声误判为隐蔽意识证据，阈值过严格可能导致未能检测到真实反应。在缺乏具有已知且固定信号和噪声特征的金标准意识评估方法的情况下，合适的阈值是未知的。

此研究提供了一些例子来说明基于指令的功能磁共振成像范式的局限性和不确定性。图1A展示了一个扫描例子，其中只有一小部分激活与先验感兴趣区轻微重叠。目前尚不清楚任何程度的重叠是否应被视为代表隐蔽意识，特别是在经过严格统计阈值处理后激活仍分布在大脑多个区域的情况下。图1B展示了因硬膜下血肿导致大脑结构扭曲的扫描例子。该扫描显示在先验区域之外存在可靠的反应。目前尚不清楚这种先验区域之外的激活是否也可能代表隐蔽意识。

类似地，在当前评估隐蔽意识的脑电图范式中，行为上无反应的患者通常被要求在休息期交替期间执行运动任务。机器学习或脑电图频率的统计比较被用于确定任务是否在电极间的分布式反应中引发系统性的变化，从而反映隐蔽意识。换句话说，当前脑电图范式中的隐蔽意识通常被定义为伴随所执行任务的大脑活动变化。脑电图范式克服了功能磁共振成像范式的一些缺点，将两者结合可提高隐蔽意识检测的灵敏度。由于脑电图范式不依赖于脑区，因此不易在功能拓扑结构非典型或大脑结构扭曲的情况下出错。然而，与神经解剖学的独立性也带来了自身的局限性。由于指令特异性脑电图变化可能发生在大脑任何部位，因此难以确定这些变化是否反映了执行指令的尝试。例如，指令（如“继续移动你的手”）和休息期（如“停止移动你的手”）之间的脑电图信号差异可能反映刺激听觉质量的差异，而不是执行指令本身的尝试。支持这种可能性的一项研究使用该范式发现，患有脑内出血和全面性失语的有意识患者，尽管存在明显的语言理解障碍，但仍表现出对指令的脑电图反应。

当前范式的基本局限性

除了每种技术特有的缺点外，当前所有隐蔽意识评估还存在更基本的局限性。第一，即使在有明显意识的个体中，这些技术检测意识的灵敏度也不完美。基于功能磁共振成像和基于脑电图的技术未能检测到高达25%的健康个体和60%的对指令有行为反应的脑损伤患者的意识证据。这种不敏感可能反映了功能神经解剖变异、觉醒或注意力的波动、不恰当的统计阈值、伪迹或其他技术故障。

第二，这些范式对于检测脑损伤患者的意识具有内在的不敏感性。患者要表现出隐蔽意识，必须注意刺激、理解指令、将指令转化为连贯的反应、有执行该反应的动机，并需要在多次试验中持续这样做。这些排除条件中的许多在脑损伤的背景下是常见的(由于脑损伤本身、镇静剂或有毒代谢)，任何一种都可能足以模糊意识的检测。

第三，这些范式将意识视为一种二分现象。意识存在于一个谱系中，从最基本的感知声音和视觉，到物体的辨别，到概念的理解，最后到交互的能力。当前的隐蔽意识范式将这一谱系简单二值化——隐蔽意识要么存在要么不存在——同时为展示意识设定了很高的标准。

第四，当前范式不利于脑机接口的开发。隐蔽意识最重要的意义之一可能是重新建立沟通的可能性。然而，迄今为止，用于检测隐蔽意识的范式通常尚未转化为沟通媒介。正如2010年报告的1例病例和2013年报告的2例病例所示，少数患者可以通过想象运动或空间任务，分别使用功能磁共振成像范式回答是否问题，但这种方法需要患者付出巨大的努力和能力，并且无法传达更复杂的概念。

最终，当前隐蔽意识评估的范式在回答“患者能体验到什么？”这一根本问题方面存在局限。基于指令的范式未检测到隐蔽意识并不一定意味着患者缺乏体验——证据的缺失并非缺失的证据。同样，考虑到假阳性风险，当前范式的阳性结果也不一定能确保存在正常的意识体验。当前范式在确定意识水平方面既非必要也非充分条件。

除了上述“基于任务”的范式外，还有许多其他“基于刺激”的方法已被开发用于探测脑损伤后的脑功能。例如，功能磁共振成像和脑电图都已被用于识别行为无反应患者对感觉刺激的皮层反应。类似地，经颅磁刺激已被用于诱发脑电图反应；该反应的复杂性与意识水平相关。这些技术有助于解决当前隐蔽意识评估结果为阴性的患者中不确定的神经功能问题。然而，尚不确定大脑对刺激的被动反应是否足以表明存在意识体验。

因此，迫切需要一种新的方法来定义和识别隐蔽意识，这种方法能够克服当前范式的概念和实践缺陷。相对于当前范式，一种理想的探测意识的方法将提高灵敏度而不牺牲觉知的确定性，减少对预设感兴趣区的依赖，需要较少的患者主动参与，能够敏感于意识水平的分级，促进脑机接口的开发，并最终更直接地解决患者体验什么的问题。

神经解码

一种理想的情景是能够基于患者的神经活动“解码”或重建其意识体验。尽管曾被认为是科幻小说的野心，但随着技术的进步，神经解码已变得日益可行。神经解码的原理通常如下。在训练阶段，个体暴露于一系列感觉刺激，同时通过功能磁共振成像和脑电图等方式监测其大脑活动。这个“训练”数据集允许机器学习算法建立刺激与神经反应之间的关联。在随后的测试阶段，个体暴露于一组新的刺激，并将机器学习解码算法应用于相关的大脑活动，以重建个体所体验过的刺激。

这项技术可以应用于各种输入，从简单的听觉和视觉刺激到复杂的概念。在基本水平上，神经解码可用于重建特定于通道的感觉体验(即，感觉解码)。最近，神经解码的进展使得重构与通道无关的概念(即语义解码)成为可能，最初区分了广义的语义范畴，最近又重构了外部或内部派生的叙事。

神经解码已被用于重建一系列视觉刺激。2005年，一项针对4名健康个体的研究表明，可以使用功能磁共振成像可靠地解码所观察线条的方向。解码受注意力调节；如果个体被呈现重叠的线条，注意力指向的线条主导了解码的大脑活动。2009年，一项针对3名健康个体的研究表明，可以使用功能磁共振成像和贝叶斯解码方法解码图像。2011年，一项针对3名健康个体的研究表明，可以使用功能磁共振成像和一个允许从较慢的血氧水平依赖信号中解码快速变化刺激的模型来解码电影。2017年，一项针对5名健康个体的研究表明，即使是想象的视觉刺激也可以使用功能磁共振成像进行解码。

类似的技术已被用于解码听觉刺激。2011年，一项针对4名盲人的功能磁共振成像研究表明，可以使用功能磁共振成像解码声音运动的方向。2012年，一项研究使用颅内电极在15名接受神经外科手术的个体的听觉皮层中解码单个单词。2019年，一项针对5名个体的皮层脑电图研究表明，可以解码更复杂的语言特征，如说话者的性别。与视觉解码类似，听觉解码受注意力调节；当要求10名健康个体注意4个说话者中的1个时，被注意的语音通过脑电图解码更准确。2023年，一项针对29名个体的皮层脑电图研究表明，可以重建一首歌曲。

虽然这些研究侧重于解码刺激的感觉属性，但其他研究在解码其语义内容方面取得了进展。尽管功能磁共振成像是做这件事最常用的技术，但也有研究使用了脑电图、皮层脑电图、脑磁图、功能性近红外光谱和其他技术。2010年和2011年的脑电图研究表明，刺激的语义类别（如动物或工具）可以以平均72%至79%的准确率被区分。2023年，Tang等人领导的一项针对7名健康个体的功能磁共振成像研究使用一种新颖的解码模型重建了感知言语、想象言语和无声电影的语义内容。与感觉解码一样，语义解码受注意力调节：当个体同时听到多个语音时，被注意的语音的语义内容以更高的保真度被重建。

作为隐蔽意识评估的神经解码

关于病人的有意识体验，神经解码能告诉我们什么? 接下来，此研究将讨论感觉解码和语义解码的含义，以及它们可能反映意识谱系中的哪些内容。准确解码刺激的能力意味着患者的大脑活动足够独特且可重复，从而能够实现刺激的重建。

感觉解码——即解码刺激的定性特征，如语言的声音——不一定意味着患者能够体验这些特征。例如，当健康个体在麻醉状态下听到可听的单词时，听觉皮层会有显著激活，尽管他们不记得听到过这些单词。类似地，在缺氧后昏迷的麻醉患者中，标准和偏差声音之间的区别可以通过脑电图解码。目前尚不清楚是否有任何技术在原则上可以区分反映潜意识处理和有意识体验的神经反应，即感觉刺激。

然而，语义解码具有更强的含义。与语义概念独特且可重复关联的大脑活动意味着大脑可以将刺激加工到提取意义的程度。意义的提取更有说服力地表明了意识的存在。可以说，正是意义的提取——不仅将世界体验为一堆感觉刺激，而是体验为一组离散的物体和概念——从根本上构成了对自身和环境的觉知。此外，现有的隐蔽意识评估范式已经将意义的提取确立为意识的基准。当前范式评估的指令跟随的展示之所以被接受为指示意识，并非因为试图执行指令行为本身，而是因为执行指令行为表明指令本身已被理解。换句话说，指令跟随之所以能令人信服地指示意识，是因为它意味着患者从指令中提取了意义。语义解码确定了意义的提取已经发生，而不依赖于执行反应的尝试。

神经解码不仅允许推断意识，还允许辨别不同水平的意识。当前基于指令的意识范式是二分的，仅判断患者是否有足够的语义提取来理解指令的含义。相比之下，解码范式允许沿着意识谱系进行评估，评估多个复杂性水平。例如，如果向患者呈现一系列描述鸟类、哺乳动物、工具和车辆的词语，可以确定患者在多大程度上能够区分语音上不相似的词、有生命与无生命物体，或鸟类与哺乳动物。患者在每一层次上进行这种区分的程度，将通过重建的刺激和概念与呈现的刺激和概念的相似程度来反映。高保真度的语义重建意味着对这些语义类别具有高度独特且可重复的大脑状态，从而具有高度的意义提取。

此外，区分层次不必按类别组织，也可以在感觉和语义层面上连续组织。例如，在语义上，“鼠标”与“大鼠”略有不同，与“公牛”差异更大，与“卡车”差异更大，依此类推。单词之间的语音和语义差异可以被构想为连续的“距离”或嵌入向量，使用多种方法中的一种。例如，可以使用源自卡内基梅隆大学发音词典的元音加权方法从模型中检索语音嵌入，语义嵌入可以从OpenAI的text-embedding-3-large模型中检索。然后可以计算每对单词之间的成对余弦相似度。患者大脑能够辨别越来越短的语音和语义距离(更高的余弦相似度)的能力，将通过解码刺激的保真度增加来体现，这反映了患者加工刺激和提取意义的能力。换句话说，意识水平较高的患者可能能够区分更相似的刺激；例如，认知功能更完整的患者可能能够区分“鼠标”和“大鼠”，而认知功能较差的患者可能只能区分“鼠标”和“卡车”。不太可能存在一个特定的保真度阈值，超过该阈值可以推定存在意识，低于该阈值可以推定意识不存在。然而，与当前范式相比，这些指标可能更忠实地反映可能意识状态的连续范围，并更直接地解决患者经历的问题。

与当前需要预先设定感兴趣区的范式相比，基于解码的范式的另一个优势在于，它们更受数据驱动并纯粹依赖患者特异性模型，从而减少了因非典型功能拓扑或结构扭曲而造成的误差。尽管解码范式可能会排除那些不太可能表现出刺激特异性活动的脑区（例如白质），但相对于当前的功能磁共振成像范式，它们对大脑活动发生的位置相对不可知。只要诱发的大脑活动是独特且可重复的，即使其在患者间的空间分布差异巨大，它也能被解码以反映患者的意识水平。

解码范式的局限性

隐蔽意识评估存在一些局限性，这些局限性无法通过解码范式解决。如前所述，这种方法无法避免评估主观状态的内在不确定性。意义的提取会发生“反射性”吗？大脑是否可能对语义概念表现出独特且可重复的活动，而个体实际上并没有体验这些概念？卷积大语言模型可以说是在从未有意识地体验这些概念的情况下从语言中提取概念的。最终，反射性和有意识的大脑活动可能永远无法在原则上通过客观方法可靠地区分。即使是遵循指令也可能由机器人实现而不反映真实的体验。然而，语义提取产生了构成意识定义的自我和环境概念，为推断意识提供了一个合理的阈值。

解码的解释和传达还存在额外的局限性。与当前范式一样，阴性结果不一定会导致意识缺失。尽管解码范式将避免某些导致假阴性结果的原因，但仍易受其他原因的影响，如注意力不集中、耳聋、失语或技术伪迹。值得注意的是，即使这些剩余的原因，在解码范式中也可能比在当前范式中更容易克服——注意力可能更容易被显眼的物体而非指令所吸引，耳聋或失语可以通过替代刺激模式来规避。此外，作为评估意识的手段，解码范式还存在特定局限性。例如，该技术的连续输出使解释复杂化；尽管它可能更忠实地代表意识的连续谱系，但可能难以具体地将其结果传达给临床团队或家属。

解码范式的临床实施也存在技术障碍。先前的研究已经采集了长时间的数据来训练机器学习算法，有证据表明解码精度随持续时间增加而提高。诸如注意力不集中或对刺激的异质性神经反应等因素也可能要求在脑损伤患者中采集更长时间的数据。这可能带来挑战，因为在这个危重患者群体中，数小时的数据采集可能不可行。然而，解码范式可能在更短的时间跨度内实现。首先，在健康个体中，大约1小时的听觉刺激递送后，甚至更短时间的视觉刺激递送后，就可以实现显著高于机会水平的准确语义解码。此外，出于意识评估的目的，重建完整叙述是不必要的；重建基本概念应该足够了，这可以用更少的数据实现。最后，解码对于更抽象的概念准确性较低；呈现更具体的概念可能有助于减少训练机器学习算法所需的数据。

伦理考虑

对心理隐私的担忧伴随着神经解码技术的发展而出现。如果解码范式先进到足以重建个体感知或想象的概念，就有可能违背其意愿暴露其思想。反对这种担忧的论点包括：（1）在实际操作中，很难对某人进行非自愿约束以获取神经解码所需的数据，耗时过长；以及（2）个体可以通过有意识地参与分心任务来主动抵抗对其思想的重建。然而，这些论点可能不适用于意识障碍患者，因为无需他们的配合就能采集数据。此外，他们可能因严重脑病而无法识别该范式、自主设计分心任务并持续参与其中。因此，必须承认，对意识障碍患者进行语义解码的前景，可能面临在未获得其明确同意（而这一同意本身就无法获得）的情况下暴露其心理内容的风险。

有几个理由可以认为语义解码在意识障碍患者中仍然是伦理上可辩护的。第一，设计上，解码范式试图重建传递给患者的刺激，而非内部衍生的刺激。第二，即使患者未能注意传递的刺激，而是专注于他们的内心想法，机器学习算法也不会被训练来解码那些内心想法。第三，额外的安全预防措施可以降低违背患者意愿解码语义内容的风险。在训练和测试数据集开始时，可以在给患者的说明中包含类似以下的声明：“我们正在进行一项研究，以更好地了解您的意识水平。为此，我们将尝试重建您即将体验的刺激。如果您不希望我们重建这些刺激，请对自己重复‘停止’，而不是注意这些刺激。”利用语义解码范式的可分散性，这一策略可能帮助患者主动模糊其心理内容。

然而，尽管不可能或是有限，仍然存在暴露患者心理内容的不可避免的风险。但必须记住，了解患者的意识水平和体验能力可能决定维持生命治疗是继续还是撤除。因此，至少在某些情况下，更准确评估患者意识水平的潜在益处可能超过非自愿语义解码的潜在风险。与伦理学家进行多学科合作开展和执行此类测试，后者可以帮助评估风险和益处并协助解释或沟通结果，将是至关重要的。

结论与未来方向

纵观历史，大脑一直以最当前的技术来理解。随着技术的发展，我们对大脑的隐喻也在演变——从发条装置，到电话交换台，最终到数字计算机。随着此研究过渡到机器学习和人工智能的新时代，意识的观念也做出类似的转变似乎是合适的。此研究接受这样一个事实，即人工智能运行的确切过程可能永远无法被完全理解，然而，此研究承认它在帮助理解世界和做出决策方面的实用效用。同样，虽然意识的确切神经机制可能永远不为人知，但可以使用人工智能来推断一个人的意识水平。尽管当前的隐蔽意识评估易于概念化，但它们仍然根本不敏感，将意识过度简化为二元状态，因此其结果往往是模糊的。为了更直接地回答意识障碍患者能够体验什么的问题，可能需要放弃易于设想的范式的舒适区，并信任人工智能来揭示更广泛的意识谱系。

尽管神经解码作为评估意识的新方法前景广阔，但在实现这一前景之前，无疑还有许多实际障碍需要克服。该方法的可行性将需要在危重脑损伤患者中采集足够空间和时间分辨率的数据、获取必要时长的数据、实施数据分析所需的技术，并适当应对伦理复杂性。此类技术的可及性也构成了另一挑战。值得注意的是，即使空间分辨率降低到与功能性近红外光谱等更便携技术的分辨率相匹配，神经解码仍然被证明是可行的，这表明未来可能实现更便携的替代方案。

如果神经解码被证明作为隐蔽意识评估是可行的，那么还有许多进一步的研究方向。与临床实施相关的问题包括：某些脑损伤病因是否比其他病因更适合神经解码，以及测试表现是否因刺激模式而变化。关键问题将包括：解码保真度是否能像当前隐蔽意识范式一样预测未来恢复，以及语义解码是否能有效转化为脑机接口。脑机接口通常需要信号采集、信号预处理、特征提取和向外接设备的转换。方便的是，神经解码已经涵盖了前三个步骤，尽管用于训练机器学习算法的概念库需要扩展以适应可能出现的内部衍生概念的范围。然后，机器学习算法不仅可以用于重建外部刺激，还可以用于解码患者的内部概念，这些概念可以通过通信设备进行传输。如果这样的系统被证明可行，将会有额外的技术和伦理考虑。是否能够区分患者希望传达的概念和不愿意传达的概念？脑机接口能否达到评估患者决策能力所需的可靠性和复杂性，如果足够，能否将其纳入医疗决策？

尽管面临障碍和不确定性，但当前方法的根本局限性和神经解码的理论前景表明，这是在意识障碍意识评估中一条重要的研究路径。

参考文献：Fischer, D., Edlow, B. L., Freeman, H. J., Alaiev, D., Wu, Q., Ware, J. B., Detre, J. A., & Aguirre, G. K. (2025). Reconstructing Covert Consciousness: Neural Decoding as a Novel Consciousness Assessment. Neurology, 104(4), e210208. https://doi.org/10.1212/WNL.0000000000210208