意识可由觉醒和认知两个部分组成。对意识的准确解耦有助于加深对人体脑功能机制的认识。已有的意识测量方法包括扰动测量指数和频谱指数，前者可以有效区分认知状态，但是不能区分出觉醒状态差异，且该指数的计算需多次试验数据；后者可以区分不同的觉醒状态，却难以区分认知水平差异。因此，亟需能够以较少试验解耦觉醒与认知状态的方法。

近日，韩国大学团队在《nature communications》杂志上发表题为“Quantifying arousal and awareness in altered states of consciousness using interpretable deep learning”的文章，提出了一种“可解释意识指标”（Explainable Consciousness Indicator，ECI）来量化意识改变情况时的觉醒因素与认知因素。

该研究基于卷积神经网络解耦并量化意识的组成，提出了可解释意识指标，并从生理、药理及病理三个层面验证可解释意识指标的有效性。研究结果表明，可解释意识指标可以同时量化生理、药理和病理条件下的意识组成，同时发现氯胺酮诱导的麻醉以及快速眼动睡眠状态下具备的低觉醒和高认知特征。研究还发现，大脑顶叶区域与量化觉醒和认知最为相关。

该研究提出的可解释意识指标作为一种神经生理学指标，可以同时区分意识改变状态下的觉醒和认知水平，可视化结果表明大脑顶叶区域与意识分类任务最为相关。该发现将有助于构建便捷、高效的意识分类方法，在脑损伤监护等领域具有重要的应用价值。

论文链接：https://www.nature.com/articles/s41467-022-28451-0

注：此研究成果摘自《nature communications》杂志，文章内容不代表本网站观点和立场，仅供参考。