统计模型定义了氯胺酮麻醉对大脑的影响

麻省理工学院和麻省总医院的神经科学家开发了一个统计框架，严格描述了患者在氯胺酮诱导麻醉下的大脑状态变化

　　

   

   

图像:在氯胺酮麻醉下的120秒读数的多锥谱图显示了高“伽玛”频率和非常低的“德尔塔”频率的明显的高能波段(较暖的颜色)。

来源:布朗实验室/麻省理工学院皮考尔研究所

麻省理工学院(MIT)皮考尔学习与记忆研究所(Picower Institute for Learning and Memory)和马萨诸塞州总医院(Massachusetts General Hospital)的一组研究人员开发出了第一个精确描述氯胺酮麻醉如何影响大脑的统计模型，为三项研究进展奠定了新的基础:了解氯胺酮如何诱导麻醉;手术患者无意识状态监测;并应用一种新的分析大脑活动的方法。

发表在《公共科学图书馆计算生物学》(PLOS Computational Biology)杂志上的新模型基于对9名人类和2名动物的大脑节律的测量，定义了氯胺酮诱导麻醉时大脑活动的独特、特征状态，包括每种状态持续的时间。它还追踪状态如何从一个状态转换到另一个状态的模式。因此，“β -隐马尔可夫模型”为麻醉学家、神经学家和数据科学家提供了原则性的指导，以了解氯胺酮麻醉如何影响大脑，以及患者将会经历什么。

资深作者Emery N. Brown是MGH的麻醉师，也是麻省理工学院计算神经科学的爱德华·胡德·塔普林教授，他的实验室已经开发了统计分析来描述异丙酚麻醉下的大脑活动，但正如新的研究表明的那样，氯胺酮会产生完全不同的效果。因此，更好地了解这种药物和改善患者预后的努力取决于氯胺酮特异性模型。

布朗是麻省理工学院脑与认知科学系、医学工程与科学研究所以及哈佛医学院的教授，他说:“现在我们在氯胺酮及其动态方面有了非常可靠的统计基础。”

制作一个模型

在MGH的同事显示了氯胺酮麻醉下病人的高频伽马节律和极低频delta节律的交替模式后，Brown的团队，由研究生Indie Garwood和博士后Sourish Chakravarty领导，开始进行严格的分析。Chakravarty向Garwood提出，隐藏的马尔可夫模型可能很适合数据，因为它适合描述在离散状态之间切换的系统。

为了进行分析，Garwood和团队从两个主要来源收集数据。其中一组测量数据来自于9名手术患者的脑电图，这些患者自愿接受氯胺酮诱导麻醉一段时间，然后再接受额外麻醉药物的手术。另一种来自麻省理工学院神经科学皮考尔教授厄尔·米勒(Earl Miller)的实验室里，植入两只动物额叶皮层的电极。

使用隐藏马尔科夫模型分析读数，使用beta分布作为观察模型，不仅捕捉和表征了先前观察到的伽玛和德尔塔节奏之间的交替，而且还捕捉到一些其他更微妙的混合两种节奏的状态。

重要的是，该模型显示了各种状态通过一个特征顺序移动，并定义了每个状态持续的时间。加伍德说，了解这些模式可以让人们做出预测，就像一个新司机可以学习预测交通灯一样。例如，了解信号灯从绿色到黄色再到红色的变化，以及黄灯只持续几秒钟，可以帮助新司机在遇到十字路口时预测该做什么。类似地，监测病人节律的麻醉师可以利用这些发现来确保大脑状态在正常变化，或者在没有变化的情况下做出调整。

布朗补充说，描述大脑状态的模式及其转变也将有助于神经科学家更好地理解氯胺酮在大脑中的作用。他说，随着研究人员建立潜在大脑回路的计算模型以及它们对药物的反应，新发现将给他们提供重要的约束条件。例如，要使一个模型有效，它不仅要产生交替的伽马和慢节奏状态，而且还要产生更微妙的状态。它应该在适当的时间内产生每个状态，并按照适当的顺序产生状态转换。

Garwood说:“缺乏这种模型阻碍了我们的其他工作以一种严格的方式向前推进。”“开发这种方法使我们能够得到我们需要的定量描述，以便能够理解发生了什么，以及什么样的神经活动产生了这些状态。”

新想法

布朗说，随着神经科学家对氯胺酮是如何从这些努力中诱发无意识的了解越来越多，一个重要的启示已经很明显了。异丙酚导致大脑活动被非常低频的节律所支配，而氯胺酮则包括高频节律中的高功率周期。布朗说，这两种截然不同的无意识方式似乎表明，意识是一种可以以多种方式消失的状态。

“在某种意义上，我可以让你的大脑过度活跃，让你失去意识，或者我可以让你的大脑慢下来，让你失去意识，”他说。“更一般的概念是，有一种动态——我们无法精确定义——它与你的意识有关，一旦你因为太快或太慢、太不协调或过度协调而偏离了这种动态，你就可能失去意识。”

除了考虑这一假设，该团队还在研究几个新项目，包括测量氯胺酮在更广泛的大脑区域的影响，以及测量受试者从麻醉中醒来时的影响。

作者补充说，开发能够在临床环境中监测氯胺酮麻醉下的昏迷状态的系统需要开发能够实时运行的模型版本。目前，该系统只能应用于临时数据。

DOI 10.1371 / journal.pcbi.1009280

文章标题

A hidden Markov model reliably characterizes ketamine-induced spectral dynamics in macaque local field potentials and human electroencephalograms