丙泊酚诱导的无反应与脑网络的相变有关
2024-04-08 次
丙泊酚诱导的无反应与脑网络的相变有关意识水平的变化与麻醉诱导的中枢神经系统功能连接的动态改变密切相关。并且丙泊酚会导致整体和局部功能连接的一致下降,时间范围从几秒到几十秒不等。关于丙泊酚如何在短时间(毫秒)和长时间(分钟)期间影响神经网络动力学的问题尚未完全探讨。以上是我们对这个主题已有的了解。
背景:清醒的大脑可以很容易地进入和协调大量不同的状态——动力学上提示的“临界”状态。麻醉会导致脑电波形水平的临界性丧失,但对大脑网络连接的临界性研究较少。作者假设,丙泊酚麻醉与大脑网络连通性在不同频率和时间尺度上突然的、不同的变化有关——这是一种相变的特征,是临界状态丧失的标志。
方法:作为一项已报道研究的一部分,向16名志愿者静脉输注丙泊酚,缓慢增加其大脑浓度并评估他们的行为反应性。基于4种相位和包络振幅的功能连接指标,计算31通道脑电数据1到20Hz的网络动力学,覆盖了从毫秒到分钟的广泛时间尺度。作者计算了每个功能连接指标的网络全局效率、聚类系数和统计复杂性(使用Jensen-Shannon散度),并将他们的发现与计算机网络模型Kuramoto的结果进行了比较。
结论:行为反应消失的过程中,丙泊酚浓度的小幅增加即可导致长时间尺度功率包络连通性的崩溃和10Hz基于相位连通性的增加——暗示了大脑网络发生了相变。
丙泊酚会导致大规模脑功能连接/耦合发生改变,这似乎与意识水平的变化密切相关。当使用功能磁共振成像来测量较长时间尺度(几秒到几十秒)的功能连通性时发现,丙泊酚会降低全局和区域的连通性。然而,当使用脑电图(EEG)在较短时间尺度上(毫秒到秒)测量连通性时,会得到许多不一致的结果。一些研究小组认为,这种连通性的降低是很微弱的,或者是局部区域性的。相反,麻醉后常见额叶α(8-12Hz)频段相干性的显著增加。显然,同样的麻醉干预同时导致了大脑区域之间的解耦和耦合,这取决于分析时频率、时间尺度和指标的选择。因此,潜在的生物学解释往往是特定的,专注于孤立的脑电现象。是否有一种单一的潜在过程可以解释这些不同的观察结果呢?
大脑临界性的概念可能是一种统一的解释。相变对应于系统行为的急剧和突然变化。十多年来,人们一直认为,清醒大脑的网络动态自组织到接近网络相变点的位置——即所谓的“扩展动态临界”区域内,这使得大脑能够很容易地进入意识清醒所需要的大量状态。有多种方法可以推断临界性的存在。通常开云网址,研究人员试图证明在大脑的时空动力学中存在幂律指数。但因可在不涉及任何临界性的情况下复制这些结果一直受到批判。另一种方法是用多电极数据拟合自相关模型的特征模式来量化大脑的时空复杂性。结果表明,麻醉与大脑动力学的稳定有关,意味着临界性的丧失。我们基于以下事实进行了第三条途径的探索:如果清醒的大脑处于一个临界的动态区域,在增加丙泊酚浓度扰乱大脑时,应该能促成相关邻近网络有序-无序相变的发生。Lee等人最近的一篇论文间接地暗示了这是可行的。为了验证这个假设,我们重新分析了先前麻醉实验中的脑电数据,并将结果与Kuramoto模型的结果进行比较。该模型由部分耦合的相位振荡器组成,已成为理解脑网络同步化现象的原型框架。我们使用四个不同的连接指标,包含从毫秒到分钟不同的时间尺度,相位和功率包络度量,记录了从 1 到 20 Hz 的功能连通性(连接图)和复杂性(复杂图)的连续进程,并使用标准的网络图论指数和 II 型复杂度进行总结。
重新分析了之前采集的16名健康成年志愿者(2009 年 11 月 11 日至 26 日)的31通道脑电数据集。所有受试者均获得伦理委员会的批准和书面知情同意。志愿者接受非常缓慢的静脉丙泊酚诱导麻醉直到约4 μ g / ml的浓度(40 分钟后),然后随着丙泊酚浓度的降低而苏醒。通过每15秒按一次认知单词任务的按钮来评估行为反应的消失和恢复时间。
将31通道的脑电数据进行全脑平均再参考,并降采样降至125Hz。对每个电极的信号进行简单的Hjorth-type空间滤波,通过减去三个周围电极的平均值减轻噪声、体积传导和全局共模信号的影响,增强脑电信号的位置信息。采用三级Butterworth滤波器对脑电图信号进行带通滤波,在1 ~20 Hz范围内,每个整数频率两侧的阻带均为0.75 Hz。得到的信号经Hilbert变换,以15秒的滑动窗(5秒重叠)提取相位和功率(分贝)。
计算了三种连通性指标:相干性、加权相位滞后指数和互信息。相干性和加权相位滞后指数是对单个波相位敏感的短时间尺度度量(小于 5秒)。互信息是在较长时间尺度上计算两个波的功率包络耦合,即具有中等时间尺度(约15秒)的窗内包络功率(中时间尺度互信息)和长时间尺度(大于60秒)的窗间包络功率(长时间尺度互信息)。这些EEG指标的选择在时间尺度上与功能磁共振研究中的指标相似。为了进行个体间比较,对连接时间序列的时间轴进行归一化处理,以对齐行为反应消失和恢复的时间。最终,我们专注于2 Hz(δ范围)和 10 Hz(α范围)两个感兴趣频率,对每个功能连接指标进行了网络全局效率、聚类系数和统计复杂度的统计估计。方法总结如图 1 所示。
图1.方法学概要。对丙泊酚缓慢麻醉诱导和苏醒期志愿者的脑电图 (EEG) 信号进行滤波和窗口化。从每个 15 秒的窗口中提取相位和功率信息,以计算三个不同指标的连通性。然后在参与者之间对时间轴进行归一化,并计算网络指标。
本研究使用了三个功能连通性指标:相干性、加权相位滞后指数和互信息。相干性和加权相位滞后指数是基于相位的指标,用于评估特定频率下 EEG 通道之间的同步性。互信息是一种非线性相关的指标。对每个电极对计算15 秒窗口(5 秒重叠)的连通性指标。由于所有指标都是对称的,我们的 31 通道 EEG 数据共有 465 个电极对。
相干性:相干性衡量两个信号的瞬时相位彼此锁相的程度。如果一个信号的瞬时相位始终领先或滞后于另一个信号的瞬时相位,则认为相位已锁定,相干性等于 1;如果两个信号的相位超前/滞后关系完全独立,则相干性为 0。
加权相位滞后指数:相位滞后指数衡量两个信号之间的相位角差朝向复平面虚轴的正侧或负侧的程度。“加权”项是指远离 0 的相位差比接近 0 的相位差的权重更大。如果所有相位差都在虚轴的同一侧,则相位滞后指数将为 1,而如果相位滞后均匀分布在正负两边,相位滞后指数将为 0。当两个电极测量来自同源的电活动时会发生体积传导,因此相位滞后为零或π,这可能会使结果的解释变得困难。为了减少体积传导的影响,计算中只考虑非零相位滞后的情况。
互信息:互信息是衡量信号间统计相关性的一种度量,有时被称为非线性相关。信号依赖性由Shannon熵评估,Shannon熵指变量中的信息量。计算每个信号的熵之和再减去信号之间的联合熵即为互信息。因为临界减速是接近相变的特征,所以互信息被应用于在 EEG 功率信息中捕获中长时间尺度的网络耦合。窗内互信息(中时间尺度互信息)使用每个15秒窗口内的功率变化,窗间互信息(长时间尺度互信息)使用 20 个连续窗的平均功率变化。窗内相关可以看作是将互信息统计量应用于带通滤波的脑电信号的包络,而不是应用于信号本身。窗间相关在更长的(205秒)时间间隔内量化通道间的互信息。因此,与相干性和加权相位滞后指数不同,互信息不能反映单个波的空间同步,而是反映了驱动脑电功率缓慢增减的过程。它的缺点是频率分辨率较差,因为包络波动主要是由潜在的宽频带活动过程产生的。互信息的绝对值取决于计算各种熵时直方图选取的bin 的大小。对于每个个体,我们随机抽取100个2秒长的数据样本,使用Freedman-Diaconis 规则计算 bin 的宽度,以此来对不同个体进行标准化。
图论将复杂的网络描述为具有节点(也称为顶点)和边(节点之间的连接)的图形。在由脑电数据构建的大脑网络中,节点是电极,边是连接强度。图论常应用于二进制数据(即,显著存在的网络连接),本文中即采用这样的方法。我们使用个体整个脑电记录的75百分位作为阈值计算产生个体所有连接指标的二进制矩阵,以在完全连接的网络和完全断开的网络之间寻求平衡。阈值选择从60 至85 百分位得到的结果是稳定的。每个功能连接指标计算了两种图论度量:全局效率衡量网络整合程度,聚类系数衡量局部效率或网络隔离的程度。有关图论度量的更多信息,请参阅 Tognoli 和 Kelso。请注意,可以计算单个节点(电极,下标 i)或整个网络的图论度量。
全局效率:全局效率 (GE),有时称为节点效率,计算为从节点 i 到所有其他节点的最短路径长度倒数的平均值。全局效率为 0 表示电极之间没有连接;全局效率为 1 意味着每个电极都与其他所有电极直接连接。对于具有 N 个节点的网络,dij 是从节点 i 到 j 的最短路径长度,GE 是由 Rubinov和Sporns 描述:
聚类系数:节点的聚类系数 (CC) 衡量一个节点的连接中有多少彼此之间也有连接。例如,在一个社交网络中,如果一个人的朋友之间彼此也是朋友,那么他们的聚类系数就很高;如果他们的朋友分散在世界各地并且彼此不认识,那么他们的聚类系数就很低。聚类系数越大,局部效率越高。如果 ki 是电极 i 的阈上连接数,而 ti 是该电极周围的三角形数,那么CC的计算方法是:
已经有很多不同的复杂性定义。II 类复杂度的定义使得最大复杂度点位于纯随机性和刚性顺序之间(即这两个极端情况下的复杂性都较低)。一种常用的方法是估计系统的随机性(H)以及系统与最大无序的距离(D)。这种所谓的统计复杂性(Cx)是通过H乘以D得到的。我们使用归一化Shannon熵衡量随机性(H),而Jensen-Shannon散度衡量非平衡度(D)。
我们使用最广为人知的Kuramoto模型(相位耦合振荡器产生的非线性动态系统)作为框架来解释我们的发现,并理解大脑网络动力学的基本拓扑结构。该模型可以将连接性的变化与复杂性和临界性联系起来,这是我们观察到的三个核心概念。模型在MATLAB中被实例化,由 500 个振荡器节点组成,每个节点的相位根据其自身的内部频率(由洛伦兹概率密度函数得到)和与其他振荡器的耦合强度演化。耦合强度从 0 到 8 分 50 步进行调整,以模拟异丙酚诱导的局部皮质效应。对于每个耦合强度,我们对 10,000 个数据点进行了 20 次运行(丢弃前 2,000 个数据点)。模型的输出是一个时间序列,其振幅取决于振荡器的同步性——“阶”参数。这类似于 EEG 网络的全局效率。随机设置采样率为100Hz,得到的频率峰值在 1 到 40 Hz 范围内,与 EEG数据相当。计算滞后 1,000 个时间点的 1,000 个点的窗口之间的长时间尺度互信息。采样率被任意设置为 100 Hz,频率峰值在1~40Hz范围内,与脑电图相当。计算了1000个点的窗口之间滞后1000个时间点的长时间尺度互信息。模型的输出是一个时间序列,其幅度取决于振荡器的同步性——阶参数。这类似于 EEG 网络的全局效率。采样率任意设置为 100 Hz,导致频率峰值在 1 到 40 Hz 范围内,与 EEG 相当。计算含有1,000 个点的窗口(滞后 1,000 个时间点)之间的长时间尺度互信息。
除非另有说明,数据以均值± 标准差表示,个体内的变化以均值(95%可信区间)变化表示。所有检验均为双尾检验,显着性水平为 P 0.05。使用重复测量方差分析评估全局效率、聚类系数和复杂性随时间变化的显著性。选择了五个时间段来代表麻醉的不同阶段:(i)诱导期,(ii)行为反应性消失后,(iii)深度麻醉,(iv)行为反应性恢复之前,(v)苏醒期。对每个网络指标和频段均单独建模。事后检验采用 Bonferroni 校正进行多重比较校正。为了确定长时间尺度互信息中看到的行为反应消失/恢复时峰值的显著性,我们在时间点( i )和行为反应消失之间以及行为反应恢复和时间点(v)之间进行配对t检验。
表1和图2中显示了丙泊酚引起的功能连接改变,表1为不同时间段16名(8 名女性)受试者的平均网络指标,图2 以“连接图”的形式呈现,类似频谱图。图3显示了2Hz及10Hz网络指标随不同时间段的变化轨迹,以及它们的显著差异。很明显,聚类系数的变化模式与全局效率的变化模式相似——除外加权相位滞后指数的聚类系数远低于全局效率(可能与前面提到的体积传到效应有关)。
图2.相干性开云网址、加权相位滞后指数、中等时间尺度互信息和长时间尺度互信息连通性的全局效率(顶行)和聚类系数(底行)的连通图。计算每个电极对的连通性指标以形成节点网络,然后计算全局效率和聚类系数。此处显示了所有个体 (n = 16) 的平均值。垂直虚线表示行为反应的消失/恢复。x 轴时间尺度是标准化的,因此每个个体的行为反应的消失和恢复是一致的。2Hz和10Hz的二维轨迹如图3所示。
清醒状态的特征是所有功能连接指标的局部和全局网络效率都处于中等水平。这与同质且集成良好的网络是一致的。在行为反应消失前后,连接性发生了一系列剧烈而复杂的动态变化,而估计的丙泊酚效应浓度变化较小——通常在0.2~0.4ug/ml范围内。行为反应恢复时发生同样的变化。然而,不同频率发生的变化不尽相同。图3显示了2Hz和10Hz全局效率在不同时间段变化的统计学显著性。
图3.每个连接指标在 10 Hz(顶层)和 2 Hz(底层)的全局效率变化轨迹(中位数,第 25 到75 个百分位数)。垂直虚线表示行为反应的消失和恢复时间。时间点 i 到 v(参见材料和方法)之间的全局效率差异显著性用括号表示(P 0.05)、* P 0.01 和 ** P 0.001。
相干性和加权相位滞后指数相似。在使用丙泊酚时,低频和较高频(大于 15 Hz)的网络效率未发生显著变化。10 Hz(α频段)的结果显示,在行为反应消失前后,全局效率显着提高(加权相位滞后指数的全局效率在个体内平均增加[95%可信区间],0.27 [0.11~ 0.43],P = 0.022),然后进一步增加直到丙泊酚效应浓度达到峰值时(4 μg/ml)到达平台期(平均额外增加[95%可信区间],0.15 [0.06~0.24],P 0.001)。在苏醒期间模式逆转,在连接图中显示为黄色的“微笑”(如图2 、左侧两列)。如图4所示,大脑不同区域之间存在一些差异。10Hz加权相位滞后指数网络效率的增加最初主要发生在额叶和前额叶皮层,随着麻醉的加深,这一增加逐步扩大到包括后部皮层的范围。
图4. 2 Hz 和 10 Hz在时间点 i 到 v 的加权相位滞后指数和中等时间尺度互信息的功能连接的地形变化(参见材料和方法)。每个地形图由从头顶、鼻子向上的视图组成。颜色代表针对特定皮质区域和时间点计算的平均全局效率 (GE) 和聚类系数 (CC)。
所有频率两个互信息指标的变化在一开始时相同的。在行为反应消失前后,10H中时间尺度互信息的网络效率显著降低(平均降低[ 95%可信区间],-0.28[0.45~-0.11],P =0.032),而长时间尺度互信息的网络效率出现瞬态峰值。较高的频率(大于10Hz)比较低的频率更早过渡/达到峰值。图 2 的诱导和苏醒转换阶段显示为一个轻微的V形。在接下来的几分钟内,中长时间尺度互信息的网络效率在所有频率下降至几乎为零。随着麻醉的进一步加深,中等时间尺度互信息的网络效率在高频(0.48[0.33~0.63],P0.001,10Hz)出现第二次增加。我们推测这可能与相位-振幅频率间耦合的发生有关。然而所有长时间尺度互信息的网络效率在所有频率仍然很低,但患者之间的差异很大。在行为反应恢复时,长时间尺度互信息在所有频率上均出现另一个瞬时峰值,且均大于行为反应消失时的峰值(P0.001)。
图 4 还强调了丙泊酚降低2Hz 频带中局部和全局效率之间的空间异质性这一事实。在清醒状态下,覆盖额叶和前额叶皮层区域电极的全局效率最大,而后部皮层区域的聚类系数最大。两者都在无反应期间消失,这与之前研究描述的远程信息交流丧失的观察结果一致。
综上所述,丙泊酚麻醉与较慢频率和时间尺度的功率包络网络连接的严重和突然丧失有关,但同时也与α频率网络相位耦合的增加有关。这表明,丙泊酚麻醉会单独增加大脑α波的同步性,而丙泊酚引起的慢波同步性的降低发生在功率包络水平而不是单个波形的水平上。较高频率的中期功率包络仅在异丙酚浓度最高时才开始同步。
表 2 和图 5 显示了 2 Hz 和 10 Hz 的网络复杂度的变化。前面提到的行为反应消失后10Hz/α网络相位同步的增加伴随着10Hz相干复杂度(P=0.005)和加权相位滞后指数复杂度的降低(P=0.01,图 5 ,第 1 行,第1和2列)。在丙泊酚浓度最高时,复杂性进一步降低(P=0.003)。相反,行为反应消失后2Hz的功率包络网络耦合的降低也被视为中等时间尺度互信息复杂度的下降( P 0.001,图5 、第2行、第3列)。加权相位滞后指数在2Hz和包络指标在10Hz时的复杂性变化最小。
图5.α/δ轨迹的复杂性(绿色和蓝色)与全局效率(灰色)进行比较。行为反应的消失和恢复用垂直虚线表示。时间点i到v之间复杂性的显著变化(见资料与方法),用括号表示(P0.05),*P0.01和**P0.001。
图6显示了复杂性与全局效率之间的相位图示例。10Hz的复杂度与加权相位滞后指数的全局效率呈负相关,而2Hz的复杂度与中时间尺度互信息的全局效率呈正相关。
尽管有许多方法间接表明清醒大脑的网络动态变化位于临界区域,然而接近网络相变是一种诊断特征,我们的研究结果表明,在行为反应消失/恢复过程中,存在某种网络相变。在行为反应消失时,我们发现长时间尺度互信息的瞬时增加,随后发生相关性的突然丧失,我们将其解释为临界减速现象的证据,该现象是接近网络相变的特征。低频和功率包络相关性的丧失与α频段相位度量(相干性和加权相位滞后指数)相关性的增加共存的现象,表明正在发生一种更为复杂的相变类型,这在性质上与网络相变现象的原型--Kuramoto模型类似。
图7显示了将 Kuramoto 模型的局部耦合强度与相干性联系起来的典型图表。值得注意的是,当局部耦合强度值为2时,会出现一个临界点。超过这个临界点的振荡器间耦合强度的增加会突然增加网络中存在的阶数——通过增加振荡器的平均相干性(二阶网络相变)来测量。因此,EEG 通道之间相干性的全局效率是一种实验可测量的顺序参数(黑线)。临界点附近慢时间相关性的增加是网络中临界减速的一种表现,与实验数据的窗间互信息统计相似。即使在这个简单的模型中,高频振荡器相干性的增加也可以与窗间互信息(长时间尺度的互信息开云网址,红线)的减少共存——正如我们在丙泊酚诱导的无反应期间所观察到的实验结果那样。
图7. 网络有序-无序相变及其亚临界和超临界相的Kuramoto模型。顺序参数(相干性)和长时间尺度互信息已进行归一化处理。耦合强度以任意单位表示。将第9号参与者的10Hz相干性和2Hz长时间尺度互信息绘制在图旁以进行比较。
大脑是大量神经元和相关细胞的协作体,因此必须采用某种形式的统计力学公式。在统计力学中,“相变”一词对应于系统行为的突然变化。在大脑中,神经元尺度效应将驱动大规模的网络动态,但这些不仅仅是小尺度生物效应的总和。大脑网络连接的大规模变化受制于描述复杂系统的传统动力学方程。随着丙泊酚浓度的增加,我们看到了两种清晰的模式:大脑似乎同时显示出α波超同步和 delta 波功率包络碎裂,并且两者都导致网络 II 型复杂性降低。此外,在丙泊酚浓度变化很小的情况下,向无反应状态的转变和从无反应状态苏醒的实际过程突然发生,并且显示出符合网络有序-无序相变的模式。这种相变模型的生物学意义在于它为看似不同的耦合现象提供了一个合理的统一解释。我们认为,这种解释存在于大脑网络层面。我们的研究结果补充了以前的工作(局限于电极水平的分析),表明意识的转变标志着本征模式变为负值,相位滞后熵减少以及网络滞后。这些观察结果可以在网络相变框架下理解。此外,这种附近相变的存在支持了这样一种观点,即有意识的大脑在接近或处于临界状态时发挥作用。
清醒的大脑受到区域耦合的中间和波动水平定义的——表明它处于亚临界状态,即所谓的格里菲斯阶段。这些瞬时的同步现象是亚稳态系统在不同状态之间移动的表现。亚稳态的特点是短时间尺度的相变和缺乏单一的稳定状态(即吸引子)。行为无反应与全局效率的变化之间的时间关系是重要的。行为反应的消失恰好发生在大规模网络过渡之前或之际。这与之前的功能性磁共振研究结果一致,即局部/小尺度的变化先于网络连接性的全局干扰。一般来说,频率越高,空间尺度越小,我们可以清楚地看到这种转变在较高的频率中发生得更早(图2)。
对于大约5到15Hz之间的频率,最明显的结果是在行为反应消失前后,基于相位的指标(相关性和加权相位滞后指数)的全局效率持续不断地提高。与其他研究一致的是,在丙泊酚浓度较高的情况下,这种效应开始于大脑前部区域,并扩散到大脑的其他部分,此时功率-包络度地同步(10Hz中等时间尺度的互信息)也开始增加。所有节点都与其他节点高度耦合。这些观察结果并不新鲜,在之前的几篇论文中已有报道。丙泊酚引起这些效应的机制尚不清楚。我们的实验观察定性地遵循 Kuramoto模型中的观察结果。标准网络术语将丙泊酚描述为导致大脑前部网络中单一主要“巨大成分”的形成。这有两个含义:首先,它的存在意味着系统已经跨越了临界阈值并经历了网络相变;其次,从复杂网络统计力学中众所周知的结果来看,这是低温玻色-爱因斯坦凝聚的网络模拟,其中单个节点失去了它们的独立性,并作为一个单一单元发挥作用——这对复杂性和信息的损失具有明显的意义。我们的研究结果与Lee等人发表的结果完全一致,他们发现丙泊酚诱导的无意识状态下,相位滞后的变化(由其熵估计)减少(参见其论文的图3)。另一种证明网络相变存在的证据是,全局效率长期可变性(时间尺度为数十秒至数百秒)地瞬时增加,仅发生在反应消失的前后,是“临界减速”现象的一种表现,这是相变的特征。
关于麻醉对慢波连通性的影响,以往的研究结果令人困惑。Burdillon等人以及Lewis等人的研究发现了慢波的碎片化,而Ma等人和Lee等人的研究则发现了头皮脑电图同步的增加。当使用量化的单个波的相对相位的连通性指标(相干性和加权相位滞后指数)时,我们没有看到丙泊酚引起的显著影响。然而,在使用基于包络的指标(中、长时间尺度互信息)时,我们发现了在无反应期间的大幅下降,这与Duclos等人最近发表的一篇论文相一致,该论文表明基于波幅的脑电指标比基于相位的指标更能区分麻醉深度。
之前的大多数关于功能连接的研究都描述了连接的变化以及大脑中信息流动可能产生的后果,但没有说明这些连接变化背后的原因。网络动力学解释允许对发生在不同频率和时间尺度范围内的连接现象的不同模式进行统一解释。我们认为,丙泊酚对神经元的主要作用是增强抑制,从而在小范围内(小于4厘米)使神经元同步。这一现象在在体和脑切片水平均可直接测量到,并且还表现为使用丙泊酚后头皮脑电图α波和δ波振幅增加。这种增强的抑制也会通过一些皮质和脑干过程引起丘脑皮质超极化,导致丘脑节律性突发放电和产生10Hz的共振频率的丘脑皮质反馈回路的形成。因此,局部连接性的增加导致了网络的相变,表现为α巨分量、临界减速、δ去同步化和复杂性的丧失。
我们得出结论,与丙泊酚诱导的行为反应消失相关的网络功能连接的变化与皮质的复杂网络有序-无序的相变一致。具体来说,在足以导致反应消失的浓度下,丙泊酚通过诱导前中部10Hz超同步“巨型组件”的相变,同时在较慢的时间尺度上导致网络的全局效率显著降低,从而降低了皮质网络动力学的复杂性。这导致大脑同时变得过于简单和分离,无法提供足够的信息流来维持清醒。测量大脑网络动态与相变的接近程度可用作行为反应即将发生转变的指标。
意识水平的变化与麻醉诱导的中枢神经系统功能连接的动态改变密切相关。并且丙泊酚会导致整体和局部功能连接的一致下降,时间范围从几秒到几十秒不等。关于丙泊酚如何在短时间(毫秒)和长时间(分钟)期间影响神经网络动力学的问题尚未完全探讨。以上是我们对这个主题已有的了解。
16 名志愿者接受缓慢增加浓度的丙泊酚后,在不同频率和时间尺度上对大脑网络动力学进行了时空分析。结果显示,向行为反应消失的过渡与α频率网络相位同步性的突然上升有关。但也与长时间尺度(数十秒)连通指标的瞬时增加和随后的网络耦合丧失有关。深度麻醉的特点是整个皮层的α波超同步和慢波功率包络的去同步化。这些观察结果表明,丙泊酚麻醉与网络连接在频率和时间尺度上的一系列变化有关,这些变化是行为反应发生急剧和突然转变的标志。这些是这篇文章告诉我们的新的内容。