编辑推荐：
为解决意识障碍（DoC）患者意识检测难题，研究人员开展 “评估运动想象期间脑 - 肌肉网络以检测隐蔽指令遵循” 的研究。结果发现脑 - 肌肉功能网络不受运动想象影响，但心率和皮质功率可检测运动想象。这对提升无反应患者隐蔽反应检测有重要意义。
在医学领域，意识障碍（Disorders of consciousness，DoC）患者的诊断一直是个棘手的问题。DoC 指因神经系统损伤或创伤导致意识受影响的一组病理状态，其中无反应觉醒综合征（Unresponsive wakeful syndrome，VS/UWS）和微意识状态（Minimally conscious state，MCS）是两种不同的意识受损状态。准确区分 VS/UWS 和 MCS 患者至关重要，因为这关系到治疗方案的选择、预后判断和临终决策等，但仅依靠临床行为评估很难做到精准区分，据估计约 40% 的 DoC 患者会被错误分类。
为了解决这些问题，来自 Sorbonne Université 等机构的研究人员开展了一项研究，该研究成果发表在《BMC Medicine》上。研究旨在评估一种基于肌电图（Electromyography，EMG）和脑电图（Electroencephalography，EEG）记录的网络方法，能否检测健康参与者的隐蔽指令遵循，进而为开发适用于无反应患者的诊断工具奠定基础。
研究人员用到的主要关键技术方法包括：首先通过运动想象量表评估参与者运动想象能力；让参与者执行简单听觉任务，同时用非侵入性设备记录生理信号，包括 EEG、EMG 和心电图（Electrocardiogram，ECG）；对采集的数据进行预处理和分析，利用非负矩阵分解（Non - negative matrix factorization，NMF）构建脑 - 肌肉网络，还运用了事件相关同步 / 去同步（Event - related synchronization/desynchronization，ERD/ERS）分析、心率和心率变异性计算等方法，最后通过统计分析和构建分类器来评估各指标在检测运动想象中的作用。
研究结果如下：
- 运动想象分类情况：35 名健康参与者完成任务，基于常见空间模式和线性判别分析的分类器检测发现，仅 15 名参与者的脑活动符合运动想象，分类准确率相对较低，可能与任务设计等因素有关。
- 脑 - 肌肉网络分析：对比运动想象和静息状态下的脑 - 肌肉网络，发现两者无显著差异，且基于脑 - 肌肉网络特征的分类器难以区分运动想象和静息状态，说明运动想象未引起脑 - 肌肉网络配置的显著变化。
- 心脏活动评估：线性混合模型分析显示，在组水平上，运动想象对心率和心率变异性无显著影响，但在个体水平上，心率变异性对区分运动想象和静息状态很重要。
- 传感器运动节律变化：聚类置换分析表明，运动想象与静息状态相比，在 mu - beta 频段有显著差异，表现为运动想象时 mu - beta 频段功率降低；同时，运动执行与运动想象相比，在 mu - beta 和 mu - alpha 频段也有差异，运动执行时这些频段功率增加。
- 运动想象相关因素分析：运动想象量表得分显示，参与者的动觉运动想象得分低于视觉运动想象得分。动觉运动想象得分与 mu - beta 频段功率变化存在小的相关性，而视觉运动想象得分与功率变化无相关性。
- 分类器性能评估：构建的基于多种特征（包括脑 - 肌肉网络、心率、心率变异性和皮质功率等）的随机森林分类器，能成功区分所有参与者的运动想象和静息状态。去除脑 - 肌肉网络特征后分类性能略有提升，而去除心率变异性或 mu - alpha 功率特征会降低分类性能。
研究结论和讨论部分指出，虽然脑 - 肌肉功能网络不受手和脚运动想象的调节，但心率活动和皮质功率对于检测参与者是否在进行运动想象至关重要。该研究强调了结合 EEG 和外周测量检测指令遵循的重要性，这对于提高无反应患者隐蔽反应的检测能力具有重要意义，为未来开发针对 DoC 患者的诊断工具提供了有价值的参考。不过，研究也存在一定局限性，如参与者运动想象时间不确定、同时进行的运动想象条件联合分析影响结果等，这些为后续研究提供了改进方向。
