对于有意识障碍的患者,多模式BCI的运动意图定量是结合脑电图和功能近红外光谱的多模式BCI
Nan Wang1,2,3, Xiaoke Chai2,3, Jiuxiang Song4
1Department of Neurosurgery, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing, China.
CNS neuroscience & therapeutics
|December 6, 2025
概括
多式脑电图 (EEG) 和功能近红外光谱 (fNIRS) 融合改善了意识障碍 (DoC) 的诊断. 这种综合方法在评估患者意识水平方面,与单一模式技术相比,提供了更高的准确性.
科学领域:
- 神经科学是一个神经科学.
- 医疗技术 医疗技术 医学技术
- 临床诊断 临床诊断 临床诊断
背景情况:
- 单模电脑图 (EEG) 或功能近红外光谱 (fNIRS) 在精确评估有意识障碍 (DoC) 患者的意识方面存在局限性.
- 单模方法的诊断准确度低于最佳,因此需要为DoC开发更有效的诊断工具.
- 临床试验注册表:ChiCTR2400085830. 这里可以查看.
研究的目的:
- 研究结合EEG和fNIRS的多式融合技术在DoC患者的临床诊断中的有效性.
- 通过整合神经生理学和血液动力学数据来提高意识障碍的诊断准确性.
主要方法:
- 纳入了11名DoC患者 (六名最小意识状态[MCS],五名植物状态[VS]).
- 同时的EEG和fNIRS记录使用基于运动意图的大脑与计算机接口 (MI-BCI) 范式来获取.
- 分析包括时间频率分析,与事件相关的脱同步 (ERD) 和血液动力学变化 (HbO,HbR,HbT),随后进行多模式分类.
主要成果:
- 在对健康对照 (HC),MCS和VS患者 (AUC 0.69 ± 0.10) 的分类方面,EEG-fNIRS多模式方法明显优于单模式EEG和独立fNIRS.
- 单模式EEG的AUC值为0.43 ± 0.19 (p < 0.01),独立的fNIRS的AUC值为0.63 ± 0.10 (p < 0.05). 单模式EEG的AUC值为0.43 ± 0.19 (p < 0.01),独立的fNIRS的AUC值为0.63 ± 0.10 (p < 0.05).
- EEG_ERD指数将MCS与VS区分开来,其中fNIRS_ACC,EEG_ACC和fNIRS_slope是分类的关键指标.
结论:
- 整合多式MI-BCI范式显示了评估DoC患者意识水平的显著临床潜力.
- 神经生理学 (EEG) 和血液动力学 (fNIRS) 生物标志物的协同组合为改善诊断精度提供了一个强大的框架.
- 这种多模式策略提高了意识障碍病人的床边诊断协议的准确性.
