大脑网络整合动力学与七氟醚引起的意识丧失和恢复的相关性
一、引言
探索意识的神经机制是当代神经科学的一个基本挑战。解决该问题的一个强有力的方法是将非侵入性脑成像与全身麻醉引起的暂时性意识抑制相结合。特别是最近的研究表明，大脑网络整合和分离的动力学对于我们理解人类的意识及其丧失具有重要意义。一方面，使用动态功能连接性（dFC）的研究越来越多地表明大脑连接性的模式不是固定的，而是随时间的推移而发生变化，即在与认知甚至意识的不同相关性的动态亚状态之间切换；另一方面，整合和分离是心智和大脑的基本属性。主观上，人类体验由不同的感觉流（分离）组成的整个世界（整合）。从神经生物学角度来看，特定领域系统并行处理的信息最终必须汇集在一起并整合，以指导适应性行为。因此，大脑整合和分离的相互作用是主导意识理论解释的核心。
通过将大脑表示为节点网络（大脑区域）图论提供了一种形式化的方法来量化和研究整合、分离及其在大脑中的动态实例化证明人类大脑可以强有力地描述为在整合亚状态和分离亚状态之间交替。这些亚状态在支持认知和运动功能方面发挥着不同的作用。最近研究发现，无论是由于丙泊酚麻醉还是严重颅脑损伤，当意识丧失时，以整合为主的动态亚状态表现出网络复杂性和信息容量的降低；同时还发现，这两种动态亚状态在意识丧失期间表现出不同的功能连接重组模式。而无论其原因是什么，大脑的默认模态和执行控制网络存在着反相关，这两种模式有力地刻画了静止状态下的意识大脑。
至关重要的是，除了在意识丧失时受到损害外，积极支持意识的大脑功能的任何方面也应该在意识恢复时得到恢复。在此，我们将图论与先前公布的功能性MRI数据中的动态连接性相结合，以探索由吸入麻醉剂七氟醚的全身麻醉引起意识丧失及其恢复的时间分辨效应（由反应性的丧失和恢复表示）。在临床实践中被广泛使用的七氟醚能可逆地引起人类的意识丧失，在过去的十年中，有越来越多人努力去了解其对人脑的影响。然而，七氟醚麻醉下大脑网络整合和分离的具体动力学尚未探索。具体而言，我们假设，如果在丙泊酚麻醉和意识障碍患者中，观察到对大脑整合和分离的影响参与支持人类大脑中意识的存在，那么他们应该推广到七氟醚诱导的麻醉；而这些影响应在恢复时逆转，因为当意识恢复时，积极支持意识的大脑功能的任何方面都应得以恢复。
二、材料与方法
本研究是对先前获得的数据集的重新分析，在原始出版物中有详细描述（Ranft et al.,2016）。最初的研究获得了功能性磁共振成像（fMRI）和脑电图（EEG）数据，但在目前的研究中，我们只考虑了fMRI数据。
（一）研究参与者
慕尼黑理工大学医学院伦理委员会批准了当前的研究，该研究是根据赫尔辛基宣言进行的。在研究开始前至少48小时，从志愿者处获得书面知情同意。通过校园活动和个人接触招募了20名20-36岁，平均26岁的健康成年男性。在纳入研究之前，他们需提供关于该方案和风险的详细信息，回顾病史，评估之前的任何神经或精神疾病，进行了专项体检以及记录静息心电图。进一步排除标准如下：ASA I级以上、长期服用药物或毒品、耳聋或听力困难、德语不流利、已知或怀疑患有恶性高热倾向、急性肝衰竭卟啉病、氟烷性肝炎病史，体重指数超过30kg/m2的肥胖，胃肠道疾病伴胃食管反流，已知或怀疑气道困难，以及存在金属植入物等。
（二）研究方案
选择七氟醚浓度，使受试者能够耐受人工通气（达到2.0%vol），并且所有受试者都能达到爆发抑制（BS）（约4.4%vol）。为了使组间比较可行，还使用了3.0%vol的中间浓度。在MRI扫描中，志愿者处于静息状态，闭眼700s。使用功能磁共振兼容麻醉机（德国Dräger Fabius Tiro）通过紧密贴合的面罩实施七氟醚与氧气混合进行标准监测，使用心肺监护仪（DatexaS/3，通用电气）监测七氟醚、氧气和二氧化碳的浓度持续5分钟，七氟醚浓度每3分钟逐步增加0.2%vol，直到参与者失去知觉。然后增加七氟醚浓度，以达到约3%vol的呼气末浓度。当达到临床指示时，由医生和适用于fMRI成像的喉罩管理通气（I-gel，Intersurgical，英国）然后将吸入氧气的分数设置为0.8，并调整机械通气，以在BS期间将呼气末二氧化碳的浓度保持在33±1.71 mmHg的稳定浓度，在3%vol期间保持在34±1.12 mmHg，在2%vol期间保持在33±1.49 mmHg的稳定浓度（在本文中，平均值±SD）.持续输注去甲肾上腺素（0.1±0.01μg kg）−1分钟−1）将平均动脉血压维持在接近基线值（基线，96±9.36 mmHg；BS，88±7.55 mmHg；3%vol，88±8.4mmHg；2%vol，89±9.37 mmHg；随访，98±9.41 mmHg）。插入喉罩后，七氟醚浓度逐渐升高，直到脑电图显示BS，抑制期至少为1000ms，电活动抑制约50%（达到4.34±0.22%vol），这是深度麻醉的特征。在这一点上，记录了另外700s的脑电图和fMRI成像。在平衡时间为15分钟后，分别在稳定的呼气末七氟醚浓度为3和2%vol的情况下，获得了另外700s的数据。在最后一步中，etSev被降低到了初始浓度的两倍时，大多数受试者在这种情况下会发生移动或不再耐受喉罩，因此该阶段不包括在分析中。然后终止七氟醚给药，并将扫描台从MRI扫描仪中滑出，以监测麻醉后的恢复情况。对志愿者进行手动通气，直到恢复自主通气。患者一按要求开口，就立即取下喉罩。在响应性恢复15分钟后，进行Brice访谈，以评估七氟醚暴露期间的意识；第二天在电话中重复访谈。在总共45分钟的恢复时间后， 获得另一种静息状态下的联合功能磁共振-脑电图扫描（与基线扫描一样，闭上眼睛）。当参与者保持警觉、定向、合作和生理稳定时，他们由事先指定的家庭成员或朋友带回家。共有n=16名志愿者完成了所有五个阶段（清醒、BS、3%vol、2%vol和恢复）并纳入在我们的分析中。
（三）fMRI成像采集
数据采集在一台3-Tesla磁共振成像扫描仪（Achievea Quasar Dual 3.0 T 16CH，荷兰）上进行，该扫描仪带有八通道相控阵头部线圈，使用梯度回波平面成像序列收集数据。在功能扫描之前，使用覆盖整个大脑的240×240×170个体素的T1加权MPRAGE序列进行解剖扫描（1×1×1mm体素大小）。
（四）预处理
研究使用CONN工具箱（用于计算显示和分析功能连接性磁共振成像），对于志愿者在研究中的五个阶段，我们采用了标准预处理管道，管道包括以下步骤：移除前三个体积、以实现稳态磁化、运动校正、切片时序校正、通过质量保证/工件修复软件ART识别后续洗涤的异常体积、标准化至蒙特利尔神经研究所（MNI-152）标准空间（2mm各向同性重采样分辨率），使用来自每个志愿者T1加权解剖图像的分割灰度图像，以及先验灰质模板；最后，使用6 mm全宽的高斯核在半最大值处对功能数据进行空间平滑。对于异常值检测，我们采用了5个全局信号Z值和0.9mm的默认设置。
（五）去噪
还使用CONN工具箱进行去噪。为了减少因心脏和运动伪影引起的噪音影响功能连接和网络分析，我们在CONN工具箱中应用解剖型aCompCor（推荐用于动态连接性研究的程序之一）方法对功能数据进行去噪。该方法包括从功能数据中回归出白质和脑脊液（CSF）信号的前五个主要成分；六个主题特定的重新排列参数（三个平移和三个旋转）及其一阶时间导数；然后，使用普通最小二乘回归去除ART确定的异常值。最后，对去噪后的BOLD信号时间序列进行线性去趋势处理和带通滤波，以消除低频漂移效应和高频噪声，从而将频率保持在0.008和0.09Hz之间。
（六）感兴趣区域的定义
为了构建功能连接性矩阵，将空间标准化的大脑划分为200个感兴趣的皮层区域（ROI），由于该分区仅包括皮层区域，因此从最近的墨尔本皮层下功能分区的最高分辨率中增加了32个皮层下ROI。我们将该复合232-ROI分区称为“augmented Schaefer-232。”我们之所以选择该图集，是因为最近的研究表明，该图集生成的网络的拓扑结构在替代节点定义方案中具有高度代表性。然而，为了确保分析对分组选择的稳健性，我们使用Brainnetome图谱复制了它们，该图谱包含246个皮质和皮质下ROI，来自多模态（解剖和功能）连接性。研究发现，按200个节点的顺序排列的地块产生了最具拓扑代表性的网络，Brainnetome atlas是仅次于Schaefer-232的第二个最具代表性的网络。文中给出的结果与Schaefer-232图谱有关，支持信息中给出了替代细分的相应结果。对于每个ROI，在属于它的所有体素之间平均去噪粗体信号的时间过程，并提取用于进一步分析。
（七）动态功能连接
使用重叠滑动窗口方法推导动态连接性矩阵，对于每位受试者和每种情况（清醒、BS、3%vol、2%vol和恢复），根据之前的工作，通过将22 TRs（40 s）的矩形与3 TRs的高斯核卷积，以1 TR步长获得滑动锥形滑动窗口。选择的长度为30-60秒，建议捕获自发波动，同时确保每个窗口有足够数量的时间点，以实现稳定的网络识别；同样，选择锥形窗口以最小化异常值的潜在影响。为了确保我们的分析对窗口长度的稳健性，我们还采用了较短的长度（33 s-18 TRs）和较长的长度（50 s-27 TRs）复制了它们。在22个（分别为18、27个）TR的每个重叠时间窗口内，对ROI之间的232×232功能连接矩阵进行了估计（或对脑网络图谱的246×246矩阵）。因此，对于每个受试者的每种情况，我们获得了一个3D张量，由每个时间点的一个功能连接矩阵组成。
（八）整合和分离亚状态的推导
先前对健康和无意识个体的研究建立了“制图剖面”作为一种研究人脑网络整合和分离动态的稳健方法。该方法确定了在人类行为和意识中具有不同的作用的高度整合或分离的动态亚状态。由于地图配置文件依赖于每个ROI（节点）的图论模块分配，此处，节点由给定地块方案的ROI生成，网络边缘由其功能连接性生成。在这些条件下，模块被定义为相互正相关但与属于不同模块的节点负相关的节点组。
图1
图1中采用了确定制图剖面的成熟程序。简而言之，对于每个受试者和条件的每个时间点，在大脑连接工具箱（BCT）识别网络模块。基于模块化分配，我们随后使用BCT推导每个节点的参与系数和度内Z分数：这两个指标一起量化了节点的模块间和模块内连接性。根据其联合柱状图，按照先前制定的程序确定“制图剖面”。 依据之前针对健康和无意识个体的研究中定义的既定程序，矩阵平均参与系数较高的集群被标记为“主要整合”状态，而平均参与系数较低的集群被认为是“主要分离”状态。对于每个受试者，计算每个状态（主要是整合和分离状态）的功能连接性质心矩阵，作为分配给对应于该状态的集群的时间点特定FC矩阵的元素中位数。该程序已成功应用于先前的研究中，以获得dFC主要整合和分离亚状态的稳健特征。
（九）针对静态零模型的动力学验证
使用此处使用的制图剖面法，之前证明了静止的大脑比静止的零模型波动更频繁，表明数据中存在真实的动力学。然而，在这里，我们也在我们自己的数据中验证了这一观察结果，使用向量自回归（VAR）模型生成构造上是平稳的代用时间序列。由于拟合同时考虑所有区域时间序列对其之间协方差的单一多维VAR在计算上不可行，我们遵循了之前的工作，在每种情况下，分别为每个参与者的每对ROI拟合二维VAR模型。VAR模型阶数设置为5，选择该阶数对应于9s的时间滞后（鉴于我们的TR为1.83s）。然后将滑动窗口dFC和制图pro文件应用于每个参与者和条件的替代数据，并比较经验数据和静态替代数据之间在主要整合亚状态中花费的时间比例。
（十）小世界倾向
当调查信息处理网络，比如人脑时，会考虑什么样的网络结构将更有优势的促进信息交换。包括人脑在内的许多自然和人工网络的一个关键属性是所谓的“小世界”组织。小世界网络将紧密互连的集群（以晶格网络为特征，理论上支持专业处理）与短特征路径长度（随机网络的一个关键特征，促进不同集群之间的整合）结合在一起。因此，小世界代表着全局和局部处理之间的最佳平衡。在麻醉期间和DOC患者中，特别是整合亚状态期间，动态亚状态的小世界性降低。因此，我们假设使用七氟烷也应观察到同样的情况。小世界倾向是为了量化和比较不同网络呈现小世界结构的程度而设计的，它考虑了网络的整体观测聚类系数Cobs和特征路径长度Lobs与等效晶格和随机网络的偏差。
因此，小世界倾向被解释为：大的ΔC和ΔL表示网络属性与定义小世界组织的相应属性之间存在较大偏差。较大的ΔC或ΔL将导致小世界倾向的测量值接近于零。相反，如果一个网络同时显示两个属性，晶格的高聚集系数和随机网络的低路径长度，那么它将具有低ΔC和低ΔL，小世界倾向作为一个整体将更接近1。因此，较高的小世界倾向直观地表明对小世界网络的要求有更好的遵从性。
（十一）连接熵
我们还根据每个ROI连接的平均归一化 “连接熵”，量化了功能连接的每个亚状态的连接模式的复杂性。熵是一种分布不均匀性的度量，更高的熵反映了一种更不可预测、更多样化的模式。
（十二）统计分析
由于方差分析显示七氟醚水平对洗涤体积百分比有显著影响（F[4,75]=2.53，p=0.047），洗涤体积百分比作为无意义的协变量纳入，以统计控制潜在的混杂效应。此外，一名受试者在清醒扫描期间有超过20%的血压波动；因此，我们将该受试者剔除，剩下n=15名受试者。通过协方差分析评估麻醉水平影响的统计显著性；在受试者内通过Bonferroni校正，并对每对麻醉剂量进行比较，进一步探讨了显著影响。为了确保结果的稳健性，我们还重复了所有分析，不包括协变量，也不排除高伪影受试者；使用Cohen'sd估计效应大小。基于网络的统计（NBS）方法，用于研究七氟醚诱导的主要整合和分离亚状态下，功能性脑网络改变的统计意义。这种非参数统计方法旨在控制由于多重比较而产生的误差，以应用于图形数据。图中的连接组件是经过先验统计阈值（Ftest；此处我们将阈值设置为强度值10）识别的。反过来，通过将这些连接组件的拓扑结构与非参数置换测试获得的连接组件大小的零分布进行比较，来估计这些连接组件的统计显著性。这种方法拒绝了组件基础上的零假设，因此与质量单变量方法相比，获得了更高的功效。再一次地，洗涤体积百分比被作为一个无意义的协变量以解释潜在的混杂效应。为了确保我们的结果的稳健性，我们还采用基于范围的阈值复制了这些结果。
三、结果
（一）降低深度七氟醚麻醉下整合状态的患病率
研究七氟烷引起的脑功能改变提供了将其有效的麻醉效果与其潜在的神经生物学相关性联系起来的途径。特别是，这项研究的重点是全身麻醉对大脑两个基本属性（整合和分离）动力学影响。因此，我们将dFC的先验聚类分为两个亚状态，遵循先前建立的“制图剖面法”，以证明在认知和意识中具有明确角色的主要整合和分离的亚状态。
然而，方差分析表明，麻醉剂量对处于主要整合亚状态的时间比例有显著影响（F[4,69]=21.38，p
令人欣慰的是，我们的验证分析表明，对于清醒状态和2%vol七氟醚，经验数据在整合亚状态中所占的时间比例明显大于每个参与者VAR模型生成的平稳数据。对于BS和3%vol七氟醚情况并非如此，这与七氟醚诱导的大脑动力学重组一致（我们注意到，恢复虽然与清醒或2%vol七氟醚没有显著差异，但包括一些异常值，在整合亚状态中花费的时间非常少，这解释了与VAR模型没有显著差异的原因）。我们还注意到，在每种情况下，主要整合亚状态的时间消耗比例与50%显著不同，如果亚状态是随机分配的，这是我们应该观察到的（图3）。
图3
（二）七氟醚对大脑连接性的时间特异性影响
先前的研究表明，意识状态的改变具有不同的神经元基础，正如在宏观尺度上观察到的那样，在整合和分离亚状态期间大脑网络具有功能性。因此，我们试图确定七氟醚对大脑功能的不同影响是否在高或低整合或分离的动态亚状态中表现出来。我们研究了这两种亚状态中的每一种在其功能连接性以及其网络特性方面是如何受七氟醚的影响，考虑到它们各自特点拟议的意识相关性。特别是，为了确定与意识存在和丧失相关的网络改变（如行为-听觉反应性所示），我们重点关注满足以下两种条件的大脑区域（边缘）之间的连接：（a）在无反应性的情况下，发生显著且一致的改变：与清醒相比，在所有三种七氟醚水平下（BS，3%vol和2%vol），给定的连接应显著减少，或在所有三种剂量的七氟烷期间显著增加；（b）在LOR期间观察到的任何显著变化应在恢复后显著且持续逆转。
我们进一步完善了我们的结果，以确定这些特定连接性变化是否对脑网络动力学敏感，定义为仅在一个或另一个动态亚状态中观察到的连接性变化，但并非两者都观察到。因此，分别针对以整合和分离的亚状态，我们使用NBS将每种麻醉水平（BS，3%vol和2%vol）与清醒状态以及麻醉后恢复进行比较。NBS显示，对于整合和分离亚状态，清醒和恢复在网络连接性方面均与BS、3%vol和2%vol七氟醚有显著不同（图4和图5）。此外，除了在两种动态亚状态中观察到的改变（图6a），还发现了一些特定的连接性改变，这些改变仅在DFC的主要整合或主要分离的亚状态中观察到，证明了考虑大脑网络动力学的重要性（图6b、c）。
主要整合的亚状态显示出比分离的亚状态更广泛的大脑连接重组。整合亚状态的连通性变化主要包括减少，尤其是视觉区域之间（深蓝色），但也广泛涉及默认模式网络区域（DMN；黑色节点，图6b），以及左丘脑前部和后部之间的断开；然而，也观察到少量连接增加，主要涉及额顶叶控制网络（FPN；黄色节点）的前部区域（图6b）。
相比之下，在主要分离的亚状态期间观察到的大多数变化包括默认模式和FPN或背部注意网络（DAN；深绿色节点）之间的半球间连接性增加（反相关减少）（图6c）。DMN在支持人类意识方面发挥了重要作用并且在无意识期间反复观察到由于DOC、丙泊酚和七氟醚引起的FPN/DAN的特征性变化。
图4
图5
图6
（三）七氟醚作用下功能网络小世界的减弱
除了重新组织大脑区域之间的个体联系外，先前的证据表明，意识丧失也会导致功能性大脑网络的整体拓扑结构发生变化，在丙泊酚麻醉或严重颅脑损伤引起的意识丧失期间，被称为网络小世界特征的最佳信息传输措施在脑缺血期间以动态方式受到损害。此外，随着时间的推移，这种损伤并不一致，而是由整合和分离的大脑动力学提供信息。因此，分别针对主要的整合和分离动态亚状态，我们分析了七氟醚麻醉水平下大脑网络的小世界倾向。方差分析表明，无论是对于主要整合还是主要分离亚状态，七氟醚浓度对大脑网络的小世界倾向有显著影响。事后，Bonferroni校正的成对检验表明：在七氟醚诱导LOR期间，大脑网络的小世界倾向性降低，在3%vol七氟醚浓度时达到最低水平，并且在觉醒后恢复到基线水平（图7和表S4和S5）。然而，当考虑到大脑整合和分离的动态时，小世界倾向似乎遵循不同的恢复轨迹。对于主要整合的亚状态，小世界倾向在BS时急剧下降，但在觉醒后逐渐恢复到基线水平；相反，对于主要分离的亚状态，当七氟醚从3%vol降至2%vol时，即使在2%vol下，参与者仍然没有反应，但恢复到基线水平的时间较早。
对于这两种动态的亚状态，七氟醚麻醉下小世界倾向的总体降低是由于两种相反趋势的平衡（图S4）：特征路径长度与相应随机网络（ΔL）的偏差在麻醉期间减小，这将导致小世界倾向性增加；然而，网络的聚集系数与常规网络的聚集系数（ΔC）的偏差增加，这一效应得到了充分补偿，由于局部处理能力严重受损，导致大脑网络的小世界倾向性总体增加。
图7
（四）七氟醚麻醉期间功能连接复杂性降低
最近的研究表明，在丙泊酚诱导的全身麻醉期间以及DOC患者，大脑的空间和时间复杂性降低。复杂性日益被视为大脑支持各种意识状态能力的基本属性。特别是，研究表明，大脑复杂性的衡量标准是多样性（熵）大脑区域之间的连接在时间上并不一致，而是在大脑动力学的主要整合状态下，由于意识的丧失而中断。因此，我们试图确定在七氟醚麻醉期间功能连接模式的复杂性是否降低，以及这种中断是否表现出大脑动力学主要整合和分离亚状态之间的差异，如前所述，观察到丙泊酚或严重颅脑损伤引起的意识丧失。因此，我们分别针对主要的整合和分离动态亚状态，研究了七氟烷水平上大脑连接模式的复杂性（连接熵）。
方差分析表明，麻醉深度对主要整合（F[4,69]=9.60，p
图8
四、讨论
在这里，我们结合fMRI dFC和图论来研究人类大脑和大脑整合和分离的两个基本特性，以及吸入麻醉药七氟醚诱导的全身麻醉对它们的影响。具体而言，我们假设，如果在丙泊酚麻醉和DOC患者中观察到的对大脑整合和分离的影响与支持意识有关，那么（a）也应使用七氟醚进行观察；（b）在恢复后应予以逆转。
为此，我们利用了一种被称为“制图剖面”的成熟方法来获得大脑整合和分离的动态亚状态，已知该亚状态在人类认知和意识中发挥着不同的作用。我们的主要发现总结如图9所示。
图9
值得注意的是，我们的第一个观察结果是，在七氟醚最深的情况下（BS和3%vol），大脑的大部分时间从dFC的主要整合亚状态转变为分离亚状态。在早期的研究中，我们没有观察到在无意识状态下，整合亚状态时间所占比例的差异。然而，Luppi等人（2019年）（Ramsay 5级）中描述的丙泊酚麻醉与当前研究中的2%vol（Ramsay 6级）（Ranft等人，2016年）最为相似。证实了我们早期的研究工作，在2%vol水平下，我们的参与者仍然没有反应，但是，在整合亚状态下花费的时间比例恢复到了类似清醒的水平。因此，目前的结果与我们先前的观察结果一致，即由剂量与2%vol七氟醚相当的异丙酚诱导的意识丧失（根据LOR确定）不会改变人脑中整合和分离状态的时间平衡。因此，我们认为在七氟醚浓度较高的情况下，在整合亚状态下花费的时间减少与药物剂量有关，而不是意识缺失（由反应性表示）本身。
支持高剂量七氟醚除了诱导LOR外还有其他效应的观点，在BS和3%vol的七氟醚时，我们还观察到功能连接和大脑网络小世界倾向的复杂性（熵）降低，对于整合和分离动态亚状态，而之前仅针对整合亚状态报告了此类结果。关键是，当七氟醚浓度降低到2%vol时，分离亚状态的小世界倾向性和熵都表现出显著的增加回到基线水平，而对于整合亚状态则没有观察到这一点：相反，恢复后回到基线水平的过程更为缓慢。
因此，尽管这两种动态亚状态在高浓度七氟醚时表现出较小的世界特征和连接模式的复杂性降低，但在浓度为2%vol时，即使个体深度无反应，分离亚状态也未观察到任何影响。目前的研究结果表明，整合亚状态的复杂性降低和小世界性与反应性丧失（可能还有意识）有关，而在分离亚状态下观察到的这些性质的变化似乎反映了药物的剂量。这是值得注意的，因为整合亚状态与警觉性和认知能力更为密切相关。
然而，先前研究丙泊酚或严重颅脑损伤引起的抗相关性降低动力学的工作报告，这些抗相关性降低主要发生在整合亚状态（Luppi等人，2019年）。相反，我们的结果表明，分离亚状态也参与了七氟醚诱导的抗相关性降低。尽管七氟醚的作用机制比丙泊酚更为广泛，另一种解释是，本研究中的全身麻醉比我们之前的研究更深，目前的研究结果表明，在足够高的七氟醚浓度下，先前仅在整合亚状态期间观察到的效应可以扩展到分离亚状态，这一假设可以在使用低剂量七氟醚的研究中进一步研究。
与之前的研究不同，我们没有观察到丘脑皮质连接性的重构；然而，我们确实观察到左丘脑前部和后部之间的连接性降低，当反应性恢复时，这种连接性持续逆转，表明其与LOR特异性相关。这些结果表明，当考虑到大脑动力学时，丘脑皮质断开可能与反应性的丧失有关，但与反应性（可能还有意识）的恢复无关。相反，左丘脑自身的前后连接性由于使用了粗粒度的细分，似乎更为具体，在LOR时减少,在恢复时得以恢复。
我们的结果补充了Golkowski等人（2019年）的动态分析。通过使用可变数量的动态亚状态，这些研究人员观察到丙泊酚或七氟醚麻醉会减少大脑的动态储备。相反，我们使用基于网络整合和分离的固定数量的动态亚状态的结果显示，在LOR期间，甚至在其相对患病率受到影响之前，单个亚状态及其网络属性本身都发生了改变。特别是，我们能够进一步确定每个动态亚状态对药理学干扰的相对敏感性，并确定哪些方面与LOR有关，而不是药物对大脑的其他影响，在较高浓度下尤其明显。
七氟醚3%vol时连接熵变化模式最为深刻，与之前在同一数据集中使用置换熵获得的结果一致（Ranft 等人，2016），即使这些结果与EEG时间信号的熵有关，而不是与fMRI连接性模式有关。这种跨领域的稳健性反映了最近的证据，即丙泊酚麻醉可导致类似大脑复杂性的降低，无论是在空间域还是在时间域。目前的研究结果在几个方面进一步补充了Luppi等人（2019）的研究结果。首先，我们证明他们的关键发现，即LOR期间整合亚状态的复杂性和小世界性降低，可以进一步推广到由不同途径诱导的全身麻醉：七氟醚吸入。其次，Luppi及其同事通过急性丙泊酚给药和慢性DOC之间的相似性确定了意识特异性：即，他们确定了不同个体的无意识（由无反应性表示）伴随的干扰，无论其原因如何。然而，他们的研究没有包括与麻醉后恢复的比较。通过证明这些假定的意识特异性改变在觉醒时被逆转，我们在这里证明了它们也在同一个体内特异性地跟踪意识。因此，我们的结果扩大了早期发现的普遍性，同时也加强了它们在支持人类意识方面的作用。
五、局限性
本研究有许多局限性需要考虑。首先，七氟醚麻醉从较高浓度（BS）开始，随后是较低浓度（3%vol和2%vol）。由于已知七氟醚会导致脑血流量的剂量依赖性增加，尽管其脑代谢降低，我们的设计引入了一种可能性，即在较低的麻醉浓度下发现的可能反映出较高剂量下的不足。然而，数据是在达到稳态平衡后获得的。此外，当七氟醚浓度下降到2%vol时，我们关于动态亚状态之间时间平衡改变的结果被逆转，并且小世界性和连接模式的复杂性在2%vol和更深程度之间表现出显著差异。最后，除了注意到运动、心脏、生理和呼吸伪影在我们的去噪过程中得到了解释之外，我们还注意到，以前使用相同数据集的工作报告了在fMRI和EEG中一致的结果，即使EEG与BOLD信号无关，因此不受七氟醚对脑代谢和脑血流之间耦合作用的影响。
另一个局限性是，所使用的两种分割均不包括小脑，其在麻醉诱导的意识丧失中的作用值得进一步研究。最后，基于滑动窗口的地图轮廓是研究大脑动力学的众多方法之一。每种方法都不可避免地具有优势和局限性，尽管不同方法之间已经开始出现趋同的证据。
六、结论
总的来说，我们证明了2%vol七氟烷诱导的全身麻醉伴随着动态亚状态下功能连接和网络特性的重组，而高剂量也会损害人脑整合和分离的时间平衡。综上所述，我们的研究结果表明，在高度整合的动态状态下，大脑网络的复杂性和信息容量是完整人类意识的标志，在全身麻醉期间受到损害，并在意识恢复时得以恢复。
述评：
大脑中整合和分离的动态相互作用是主要的意识理论解释的核心。人脑在以整合为主的亚状态和以分离为主的亚状态之间动态交替，在支持认知和行为方面发挥着不同的作用。这篇文章作者结合fMRI dFC和图论以及动态功能连接性来比较健康志愿者在不同浓度吸入麻醉药七氟醚诱导的反应性丧失之前、期间和之后的静息态fMRI数据。从中发现以大脑高度整合为特征的动态状态特别容易受到全身麻醉的影响，表现出复杂性减弱和小世界特征减弱。至关重要的是，这些影响在恢复后会得以逆转，表明它们与意识有关。更高剂量的七氟醚（3%vol和爆发抑制）也会损害人脑中整合和分离的时间平衡。此外，作者还证明了大脑默认模式和执行控制网络之间减少的反相关会根据大脑的整合或分离状态动态地重新配置。
文章观察得到的结果可能具有直接的临床相关性。2%七氟醚浓度与日常成人的手术麻醉深度相符，超过手术要求的麻醉深度与恢复延迟、术后谵妄和认知功能障碍等风险相关。最近有研究表明，EEG抑制程度较高的患者更容易出现术后谵妄，同样也发生于挥发性麻醉药浓度较低时EEG抑制的患者。另一方面，EEG抑制与患者或健康志愿者认知能力的长期变化无关，并且谵妄本身似乎通过术前的异常认知比通过EEG抑制能得到更好地临床预测。关键是，作者观察到，在BS阶段之前，整合亚状态中花费的时间已经减少。因此很容易推测，在3%或更高的七氟醚浓度下观察到的大脑整合和分离的时间平衡中断是否可能与深度麻醉及随后的谵妄和认知缺陷有关。未来的工作方向可能会直接研究大脑整合和分离的时间平衡中断是否可能是导致术后谵妄和认知缺陷的神经机制的一个预测因素或部分预测因子，甚至可能在达到BS阶段之前。
因此，大脑连接性的整合亚状态在复杂性和信息容量方面尤其容易受到麻醉的影响，其损害代表了意识丧失和其恢复的普遍性生物标志。
编译：辛平平；述评：陈旎
Luppi AI, Golkowski D, Ranft A, Ilg R, Jordan D, Menon DK, Stamatakis EA. Brain network integration dynamics are associated with loss and recovery of consciousness induced by sevoflurane. Hum Brain Mapp. 2021 Jun 15;42(9):2802-2822.