意识是一种奇特的，甚至是超自然的观念。从三磅重的肉体中产生了一种对身体及其周围世界的感知。当我们看到意识时，我们都能认出它，但它究竟是什么？当它消失时，它又去了哪里？神经科学没有工具来回答这些问题——如果它们真的有可能被回答的话——但在医院里，医生需要能够诊断意识。他们需要知道脑损伤患者是否意识到自己或周围环境。这种诊断仍然主要通过简单的床边检查来进行。病人是否听从指令？他是否有目的地做手势或说话等等？
对于处于意识边缘的患者——既不清醒也不昏迷——定义意识状态是困难的。无目的的动作和声音可能看起来很像有目的的动作和声音。意识来来去去。在许多情况下，会做出高风险的诊断。患者要么处于最低限度的意识状态，有可能恢复，要么被诊断为无反应性觉醒综合征，即动作被认为是随机和无目的的，恢复的希望渺茫。令人不安的是，这些诊断在多达 40% 的病例中是混淆的。
鉴于风险巨大，发表在《大脑》杂志上的一项 最新研究 试图为医生提供一些帮助。文章详细介绍了一种机器学习算法，该算法使用脑电图脑波记录来区分无反应性觉醒综合征和最低限度的意识状态。如果投入使用，该算法将消除这种诊断中的一些猜测，并且可能比大多数人类医生表现得更好。但是，用算法诊断精神状态会引发伦理问题。我们对将这种生死攸关的诊断交给机器有多放心？尤其是考虑到我们对意识的概念理解是如此的有限？
关于支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道 订阅。通过购买订阅，您正在帮助确保有关当今塑造我们世界的发现和想法的影响深远的故事的未来。
寻找大脑中意识的踪迹并不是一个新想法。几十年来，研究人员一直在研究如何使用 PET 和 fMRI 等脑扫描技术来研究意识边缘。在 2014 年的一项里程碑式研究 中，PET 扫描显示，在一些被错误诊断为无反应性觉醒综合征的患者中，大脑可以对提示做出反应。更重要的是，PET 扫描活跃的患者更有可能取得有意义的康复。
这一发现表明，如果对患者的意识状态有任何疑问，都应使用 PET 扫描。但是，PET 扫描并非在每家医院都可用。它们也很昂贵，容易出现伪影，而且难以解释。一种更容易获得的选择是脑电图或 EEG，其中将电极传感器放置在患者的头皮上，通过头骨拾取活动。当足够的神经元同时放电时，脑电图会将大脑活动记录为波。在健康的人中，这些波以可预测的频率波动。脑损伤后，模式的可预测性较低。
在这项新研究中，巴黎 Pitié-Salpêtrière 医院的一个小组对 268 名被诊断为无反应性觉醒综合征或最低限度意识状态的患者进行了脑电图记录。脑电图是在旨在拾取对声音的有意识处理的听力任务之前和期间记录的。数十个数据方面被输入到一种名为 DOC-Forest 的机器学习算法中。
DOC-Forest 在这项复杂的任务中表现相对较好。大约四分之三的病例被正确诊断。（注意：作者没有使用准确率，而是使用了一个更好的性能指标，称为 AUC。AUC 考虑了误报分类的比例，这在这里具有深远的后果。）
作者还注意将 DOC-Forest 推入现实场景。他们在数据中引入了随机噪声，模拟了数据采集程序中的差异。他们考虑了头骨上传感器的不同排列。他们还在来自比利时列日一家医院的一组不同的患者身上使用了该算法。在每种情况下，DOC-Forest 都表现良好，性能指标大致相同。
从某种角度来看，这种机器学习算法是一项重大进步。脑电图数据很复杂，包含多个维度——时间、频率、测试条件、传感器位置等。想象一下计算机屏幕上一页又一页的弯弯曲曲的波浪线。通常，研究人员会专注于数据中一些容易解释的方面，例如听力任务期间特定脑电波的出现。这种对解释的关注排除了数据中可能重要的方面。机器学习没有这种人类对可解释性和可沟通性的偏见。它只专注于正确分类数据，而这正是这里所需要的。
如果投入实际应用，DOC-Forest 可以成为经验不足的神经科医生的有用工具。DOC-Forest 将浏览脑电图数据的弯弯曲曲的线条，并提供患者具有某种程度的意识的可能性，而经验不足的医生在他的床边测试中错过了这一点。但这里有一个循环。该算法是在人类神经科医生通过床边测试诊断的病例上进行“训练”的。虽然 Pitié-Salpêtrière 的小组能够跟踪患者一段时间以尽量减少误诊，但该算法只是将脑电图信号与那些——尽管是更专业的——床边诊断联系起来。但是，如果存在一种在任何这些测试（脑电图或其他）中都无法揭示的意识形式呢？请记住，我们并不真正知道意识在哪里以及如何产生。我们对意识体验可能采取的形式知之甚少，除了我们自己体验到的形式。有人可能会说，我们对这个问题的理解如此有限，意味着我们不应该过早地让机器参与进来。另一方面，我们是否能够对这些问题给出令人满意的答案尚不清楚。那么，为什么不让精心设计的工具（例如 DOC-Forest）在当前我们对意识的理解范围内帮助做出决策呢？没有简单的答案，但这可能是应该讨论的问题，因为这些工具正逐渐走向日常使用。