基于fNIRS与机器学习的长时密闭环境下脑功能评估与应激监测新策略

《IEEE Open Journal of Engineering in Medicine and Biology》：Assessment of Brain Function After 240 Days Confinement Using Functional Near Infrared Spectroscopy

本研究针对长期太空任务中航天员心理健康监测难题，创新性地结合功能近红外光谱(fNIRS)与多模型机器学习算法，通过对240天密闭环境受试者的前额叶皮层活动与功能连接网络分析，实现了96.48%的应激水平分类精度。该研究为极端环境下的精神应激早期识别提供了可靠的技术路径，对深空探索任务保障具有重要实践价值。

　　

随着人类深空探索计划的推进，长期太空飞行中的心理健康问题日益凸显。在远离地球的密闭环境中，航天员需要面对微重力、宇宙辐射、社交隔离等多重应激源，这些因素可能引发一系列心理生理问题，甚至影响任务执行效率。尽管现有研究已关注到太空环境对骨骼肌肉系统的影响，但针对长期隔离环境下脑功能变化的动态监测仍缺乏有效手段。传统神经影像技术如功能性磁共振成像(fMRI)因设备体积和操作限制难以应用于太空任务，这使得开发便携式、高精度的脑功能评估工具成为航天医学领域的迫切需求。

在这一背景下，由Fares Al-Shargie等学者组成的研究团队在《IEEE Open Journal of Engineering in Medicine and Biology》发表了创新性研究，通过功能近红外光谱(fNIRS)技术结合多模态机器学习算法，系统评估了240天密闭隔离环境下人脑功能的动态变化。研究团队依托国际合作的SIRIUS-19模拟任务，在俄罗斯生物医学问题研究所的地面实验设施中开展了为期8个月的纵向观测。

研究采用多维度技术路线：首先通过便携式唾液α淀粉酶(sAA)检测仪量化应激生理指标，同时利用斯特鲁普色词测试(SCWT)记录行为学数据；其次采用NIRSport2系统采集前额叶皮层血氧信号，通过快速傅里叶变换(FFT)计算功率谱密度(PSD)，并基于偏定向相干性方法构建功能连接网络(FCN)；最后运用支持向量机(SVM)、K最近邻(KNN)等五种机器学习模型进行应激水平分类。所有实验均遵循赫尔辛基宣言伦理规范，并获相关机构伦理委员会批准。

唾液α淀粉酶与行为学分析

研究发现sAA水平在隔离期间呈现20%-485%的显著增长，证实长期密闭环境会引发累积性应激反应。然而行为学指标呈现差异化表现：SCWT测试的靶标检测准确率随隔离时间反而提升，研究者认为这更可能反映任务熟练度而非认知功能改善，强调需结合神经生理指标进行综合判断。

PSD与FCN分析

功率谱密度分析显示大多数受试者前额叶区域神经活动显著增强，特别是在右前额叶区域。功能连接网络则呈现右前额叶连接强度减弱的有趣现象，可能与应激引起的神经资源重分配机制相关。值得注意的是Subject 2表现出独特的左前额叶优势激活模式，提示个体差异在应激响应中的重要作用。

应激分类

机器学习模型验证中，PSD特征在SVM分类器中达到96.48%的准确率，显著优于FCN特征的93.64%。分类器敏感性(96.4%)与特异性(96.56%)指标高度一致，证实该方法在应激水平判别中的可靠性。比较研究还发现KNN算法在FCN特征分类中表现最优，提示不同特征需匹配特定算法才能发挥最佳性能。

研究结论强调fNIRS与机器学习结合技术在长期密闭环境应激监测中的有效性。虽然观察到sAA水平升高证实累积应激存在，但前额叶活动的复杂性变化提示大脑可能通过神经可塑性机制进行代偿性调节。该研究的创新点在于首次系统验证了fNIRS技术在模拟太空环境中的适用性，为开发航天员实时心理健康监测系统提供了理论依据。未来研究需扩大样本量、纳入更多生理参数，并建立基线数据对照，以进一步提升该技术在航天医学实践中的转化价值。