意識是一種奇特的，甚至是超自然的觀念。從三磅重的肉體中產生了一種對身體及其周圍世界的感知。當我們看到意識時，我們都能認出它，但它究竟是什麼？當它消失時，它又去了哪裡？神經科學沒有工具來回答這些問題——如果它們真的有可能被回答的話——但在醫院裡，醫生需要能夠診斷意識。他們需要知道腦損傷患者是否意識到自己或周圍環境。這種診斷仍然主要透過簡單的床邊檢查來進行。病人是否聽從指令？他是否有目的地做手勢或說話等等？
對於處於意識邊緣的患者——既不清醒也不昏迷——定義意識狀態是困難的。無目的的動作和聲音可能看起來很像有目的的動作和聲音。意識來來去去。在許多情況下，會做出高風險的診斷。患者要麼處於最低限度的意識狀態，有可能恢復，要麼被診斷為無反應性覺醒綜合徵，即動作被認為是隨機和無目的的，恢復的希望渺茫。令人不安的是，這些診斷在多達 40% 的病例中是混淆的。
鑑於風險巨大，發表在《大腦》雜誌上的一項 最新研究 試圖為醫生提供一些幫助。文章詳細介紹了一種機器學習演算法，該演算法使用腦電圖腦波記錄來區分無反應性覺醒綜合徵和最低限度的意識狀態。如果投入使用，該演算法將消除這種診斷中的一些猜測，並且可能比大多數人類醫生表現得更好。但是，用演算法診斷精神狀態會引發倫理問題。我們對將這種生死攸關的診斷交給機器有多放心？尤其是考慮到我們對意識的概念理解是如此的有限？
關於支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。透過購買訂閱，您正在幫助確保有關當今塑造我們世界的發現和想法的影響深遠的故事的未來。
尋找大腦中意識的蹤跡並不是一個新想法。幾十年來，研究人員一直在研究如何使用 PET 和 fMRI 等腦掃描技術來研究意識邊緣。在 2014 年的一項里程碑式研究 中，PET 掃描顯示，在一些被錯誤診斷為無反應性覺醒綜合徵的患者中，大腦可以對提示做出反應。更重要的是，PET 掃描活躍的患者更有可能取得有意義的康復。
這一發現表明，如果對患者的意識狀態有任何疑問，都應使用 PET 掃描。但是，PET 掃描並非在每家醫院都可用。它們也很昂貴，容易出現偽影，而且難以解釋。一種更容易獲得的選擇是腦電圖或 EEG，其中將電極感測器放置在患者的頭皮上，透過頭骨拾取活動。當足夠的神經元同時放電時，腦電圖會將大腦活動記錄為波。在健康的人中，這些波以可預測的頻率波動。腦損傷後，模式的可預測性較低。
在這項新研究中，巴黎 Pitié-Salpêtrière 醫院的一個小組對 268 名被診斷為無反應性覺醒綜合徵或最低限度意識狀態的患者進行了腦電圖記錄。腦電圖是在旨在拾取對聲音的有意識處理的聽力任務之前和期間記錄的。數十個資料方面被輸入到一種名為 DOC-Forest 的機器學習演算法中。
DOC-Forest 在這項複雜的任務中表現相對較好。大約四分之三的病例被正確診斷。（注意：作者沒有使用準確率，而是使用了一個更好的效能指標，稱為 AUC。AUC 考慮了誤報分類的比例，這在這裡具有深遠的後果。）
作者還注意將 DOC-Forest 推入現實場景。他們在資料中引入了隨機噪聲，模擬了資料採集程式中的差異。他們考慮了頭骨上感測器的不同排列。他們還在來自比利時列日一家醫院的一組不同的患者身上使用了該演算法。在每種情況下，DOC-Forest 都表現良好，效能指標大致相同。
從某種角度來看，這種機器學習演算法是一項重大進步。腦電圖資料很複雜，包含多個維度——時間、頻率、測試條件、感測器位置等。想象一下計算機螢幕上一頁又一頁的彎彎曲曲的波浪線。通常，研究人員會專注於資料中一些容易解釋的方面，例如聽力任務期間特定腦電波的出現。這種對解釋的關注排除了資料中可能重要的方面。機器學習沒有這種人類對可解釋性和可溝通性的偏見。它只專注於正確分類資料，而這正是這裡所需要的。
如果投入實際應用，DOC-Forest 可以成為經驗不足的神經科醫生的有用工具。DOC-Forest 將瀏覽腦電圖資料的彎彎曲曲的線條，並提供患者具有某種程度的意識的可能性，而經驗不足的醫生在他的床邊測試中錯過了這一點。但這裡有一個迴圈。該演算法是在人類神經科醫生透過床邊測試診斷的病例上進行“訓練”的。雖然 Pitié-Salpêtrière 的小組能夠跟蹤患者一段時間以儘量減少誤診，但該演算法只是將腦電圖訊號與那些——儘管是更專業的——床邊診斷聯絡起來。但是，如果存在一種在任何這些測試（腦電圖或其他）中都無法揭示的意識形式呢？請記住，我們並不真正知道意識在哪裡以及如何產生。我們對意識體驗可能採取的形式知之甚少，除了我們自己體驗到的形式。有人可能會說，我們對這個問題的理解如此有限，意味著我們不應該過早地讓機器參與進來。另一方面，我們是否能夠對這些問題給出令人滿意的答案尚不清楚。那麼，為什麼不讓精心設計的工具（例如 DOC-Forest）在當前我們對意識的理解範圍內幫助做出決策呢？沒有簡單的答案，但這可能是應該討論的問題，因為這些工具正逐漸走向日常使用。