脑机启侦|AI把昏迷“大脑”重新模拟了一遍，找到了新的唤醒靶点

来自加州大学洛杉矶分校、Casa Colina Hospital and Centers for Healthcare、列日大学、RIKEN Center for Brain Science、德州大学西南医学中心等团队，在《Nature Neuroscience》发表了研究论文《Adversarial AI reveals mechanisms and treatments for disorders of consciousness》。这项工作想解决一个非常关键的问题：当一个人陷入昏迷、植物状态或最小意识状态时，脑内到底是哪些环路出了问题？更进一步，能不能据此找到更好的干预靶点？

很多关于意识障碍的研究，往往停留在“观察到差异”这一步。比如我们知道某些脑区活动变弱了，某些频段变慢了，但这些变化究竟是原因、结果，还是伴随现象，往往很难说清。因为真正的问题不只是“看到什么变了”，而是“哪条环路一改动，意识水平就会跟着掉下去”。而这篇研究的特别之处，就在于作者把深度学习和可解释的脑网络模型放在一起，让 AI 不只是识别意识状态，还反过来逼近那些可能真正导致意识丧失的机制。

AI学会分辨“清醒脑”和“无意识脑”

研究的第一步，是先训练几个深度卷积神经网络，让它们从脑电或局部场电位里判断一个脑处于多大程度的“有意识”状态。作者收集了超过68万个10秒神经电生理片段，数据来自人类、猴子、老鼠和蝙蝠，覆盖皮层、丘脑和苍白球等多个区域，还用了急性昏迷、慢性意识障碍、健康清醒、麻醉失去意识等多种状态。

这一步并不是简单做一个“清醒/昏迷”二分类，而是尽量让模型学到一个连续的意识水平。结果显示，这些网络确实能比较稳定地区分不同状态：在皮层数据里，AI 预测值会随着患者 GCS、CRS-R 评分变化而变化；在独立测试中，它也能把清醒者和心脏骤停后昏迷患者、麻醉猴、麻醉大鼠区分开。更重要的是，它对“锁定综合征”患者和健康人的预测没有明显差异，这说明模型抓到的更像是意识相关信号，而不只是运动输出能力。

图1 AI先学会从皮层、丘脑和苍白球信号中识别意识水平

AI开始“反向逼问”脑环路该怎么改才会变成昏迷

如果只是训练一个分类器，那它仍然只是“会看图识图”。这篇研究真正往前走的一步，是把这些识别器变成了“判官”，再配上一个可解释的神经场模型做“生成器”。这个生成器不是普通黑箱神经网络，而是一个基于已知解剖连接构建的丘脑—皮层—基底节平均场模型，里面有皮层兴奋/抑制神经元、丘脑投射核、丘脑网状核、纹状体 D1/D2 通路、外侧和内侧苍白球、丘脑下核等成分。

作者的做法很像一种“对抗式进化”：让生成模型不断修改参数，产生新的模拟脑信号；再让前面训练好的 AI 来判断，这些信号像不像真实大脑、像不像清醒状态、会不会更像癫痫。经过反复优化后，模型先学会生成“像真的清醒脑”，再进一步被推向“像真的昏迷脑”。这样一来，哪些参数一改就会让模型更像意识障碍，就会被自动暴露出来。

图2 AI判别器与可解释脑网络模型被放进同一个闭环中

意识障碍并不是单点失灵，而是整条中环路一起被拖垮

当作者让模型从“清醒脑”逐渐走向“无意识脑”时，模型自动重现了很多临床上常见的意识障碍脑电样式，比如广泛慢波、burst suppression 等。更关键的是，哪些连接参数和“意识水平下降”最相关，被系统地排了出来。

其中一部分结果和经典的mesocircuit hypothesis 很一致：皮层到丘脑、皮层到纹状体、纹状体到苍白球这些通路变弱，会让意识水平下降；皮层和丘脑投射神经元放电减少，而苍白球外侧、丘脑网状核等抑制相关节点活性升高，也都对应更低的意识水平。换句话说，这个模型并不是随便找到了几个统计学相关项，而是把过去关于意识障碍的“中环路理论”重新在数据驱动框架里跑了一遍。

但更有意思的是，它还额外找到了几条以前没那么被重视的线索，其中最突出的有两条：一条是皮层抑制性中间神经元之间的耦合增强，另一条是纹状体 D2 通路到外侧苍白球（GPe）的连接选择性受损。这两条，后来都被作者拿真实数据做了验证。

图3 从模型里冒出来的“昏迷机制”并不只是一处损伤

皮层里的抑制网络可能在无意识状态下越抱越紧

在模型分析里，一个最醒目的预测是：皮层内抑制性神经元到抑制性神经元的连接增强，与意识下降显著相关。表面上看，这有点反直觉。因为很多人会先想到“意识差，是不是因为兴奋不够了”。但这里提示的是，问题可能不只是兴奋少了，而是抑制网络内部变得更紧、更同步，进一步压缩了正常的信息流动空间。

作者随后分析了急性创伤性昏迷患者切除脑组织的单核 RNA 测序数据，重点看皮层 PV+ 抑制性中间神经元。结果发现，VGF 和 SCG2 这两个与 PV+→PV+ 突触形成有关的基因，在昏迷患者中显著上调。并且这种上调更像是发生在 PV+ 细胞这个特定群体里，而不是整个皮层所有细胞一起上去。作者还在严重缺血性脑卒中的大鼠数据里看到了类似方向的变化。

这意味着，意识障碍可能不仅是“信号弱了”，也可能是皮层局部抑制网络发生了重塑，使得大脑更容易陷入低复杂度、低灵活性的状态。对于理解为什么有些昏迷脑看上去并不是完全“静默”，而是被某种异常同步活动困住，这条线索很有启发。

图4 昏迷相关脑组织中，PV抑制神经元的突触生成相关基因出现上调

基底节间接通路受损可能比想象中更关键

另一条被模型明确指出的机制，是纹状体 D2 神经元到外侧苍白球的间接通路变弱。这条通路在传统意识障碍理论里并不是完全陌生，但过去很难直接说明它到底有多关键。

作者用51名意识障碍患者的扩散张量成像数据去检验这个预测，结果发现：与最小意识状态或已从最小意识状态中恢复的患者相比，植物状态患者左侧纹状体到GPe的结构连接更弱，右侧也有同方向趋势；并且这条连接强度还和CRS-R评分相关。相对地，纹状体到GPi的连接并没有出现同样的下降。

这个结果很重要，因为它把“基底节参与意识”从比较笼统的表述，推进到了更细的一层：不是所有纹状体输出都一样，D2→GPe这条间接通路可能特别脆弱，也特别关键。模型里给出的解释是，这条路一旦削弱，会导致GPe失去正常制约，进一步压低丘脑活动，最终把皮层带入更不利于意识维持的状态。

图5 植物状态患者的纹状体到外侧苍白球连接更弱，和模型预测一致

丘脑下核可能是被低估的干预靶点

光解释机制还不够，这篇研究还往前多走了一步：既然模型已经能模拟“昏迷脑”，那可不可以直接在模型里试不同脑区的深部脑刺激，看哪种方案最可能把系统往“更有意识”的方向推回去？

作者把不同频率、不同靶点的DBS都在模拟脑里扫了一遍。结果显示，低频刺激丘脑投射核会有一些改善，高频刺激GPe也有一定作用，但最强、最稳定的提升出现在高频刺激丘脑下核（STN）。这个结果挺出人意料，因为在意识障碍领域，STN并不是最常被首先想到的经典靶点。

随后，作者又拿真实人的EEG做了一个初步验证。他们分析了6名接受DBS的颈性肌张力障碍患者，比较刺激开和关时的皮层EEG，经AI检测后发现：刺激腹外侧丘脑、zona incerta没有明显效果，但STN 130 Hz刺激会让AI预测的意识水平上升。当然，这些患者本来就是清醒的，所以这里不能直接等同于“恢复意识”，但至少说明STN刺激确实把脑动力学往一种更“清醒样”的方向推了。

图6 在模型预测和真人 EEG 中，丘脑下核高频刺激都表现出更强的“

图6 在模型预测和真人 EEG 中，丘脑下核高频刺激都表现出更强的“促清醒”潜力

这篇工作的亮点，不只是提出了几条新机制，而是它示范了一种新的研究路径：先用大规模真实脑信号训练“会分辨意识”的 AI，再把这个 AI 反过来接到一个可解释的脑网络模型上，逼着模型生成更像清醒、也更像昏迷的脑动力学，最后再从参数变化里提炼出生物学假设，并用真实影像、转录组和电生理数据去验证。

这比单纯做相关分析更进一步。因为很多时候，我们能看到昏迷患者脑电变慢、复杂度下降、丘脑皮层交流减少，但难说这些改变谁先谁后。这里作者试图建立的是一种“从表型反推环路”的框架。它不一定一步到位给出最终答案，但至少把“AI只是分类工具”推进成了“AI也能参与机制发现和干预筛选”。

当然，这项工作离真正改写临床还早。它的生成模型虽然比普通黑箱强得多，但仍然是平均场模型，很多细胞类型、层级结构和具体核团分化没有被完整展开。作者自己也提到，像丘脑网状核、丘脑下核等关键部位，缺乏直接电生理约束；皮层部分也还是相对粗粒度的兴奋/抑制框架。转录组结果说明了相关基因表达变化，但还不能直接等同于突触数量真的增加；DTI结果提示连接受损，但也还不能替代真正的细胞类型特异性验证。

但也正因为如此，这篇研究留下了很值得追问的方向：意识障碍究竟是不是一种“网络被锁死”的状态？如果是，那么未来治疗也许不只是去“激活一个脑区”，而是要想办法把整个系统从异常稳定的低复杂度动力学里推出来。STN会不会成为新的DBS靶点？皮层抑制网络的重塑能不能被逆转？这些问题，现在第一次有了一个可以系统试错的框架。

这项研究最重要的意义，不只是让AI更会判断“有没有意识”，而是开始让AI帮我们追问——意识为什么会消失，又能从哪里被重新唤醒。

论文信息：

https://www.nature.com/articles/s41593-026-02220-4

来源 | Nature Neuroscience、Al4Neuro

浙大科技园启真脑机智能产业化基地是在浙大控股集团领导下，由浙江大学科技园发展有限公司与杭州未来科技城管委会共建，围绕脑机智能产业主体，辐射脑机+生命健康、脑机+智能制造、脑机+新一代信息技术、脑机+新材料等领域的专业化特色产业基地，由杭州启真未来科技发展有限公司负责全面运营。

基地依托浙江大学在脑机智能方面的学科优势，以脑机智能作为核心科技支撑，贯彻浙江大学国家大学科技园“有组织科技成果转化、有靶向科技企业孵化、有体系未来产业培育”的服务体系，致力于打造脑机智能领域具备成果显示度、区域影响力的产业化高地。