一项最新研究揭示，人工智能工具能够检测严重脑损伤患者面部微小的、难以察觉的表情变化，表明部分患者可能在标准床旁检查确认前数天甚至数周就已具备意识。这项发表在《自然通讯医学》期刊的研究提出了一种新型计算机视觉方法，可帮助临床医生更准确识别有意识的患者，从而实现早期干预并改善护理效果。
研究人员长期面临评估严重脑损伤患者的难题。在医院重症监护室中，医生可能要求看似无意识的患者执行简单任务，例如握紧拳头或扭动脚趾。成功响应即确认存在一定程度的意识。
然而，约15%至25%的患者可能存在意识但身体无法产生这些明显可见的动作。这种被称为"隐匿性意识"或"认知-运动分离"的状况，会导致能听见和理解指令的患者被错误归类为无反应状态。这种误判将严重影响治疗决策和康复努力。
现有检测隐匿性意识的高级技术（如专业脑部成像或脑电图）并不总适用于持续床旁监测。本研究团队假设，意识恢复的最早迹象可能表现为面部极其微小的低幅度动作。由于面部拥有复杂的微小肌肉网络且在大脑皮层中占据较大区域，成为搜寻这些细微意志动作的理想区域。
为验证这一假设，纽约州立大学石溪分校的神经外科研究团队开发并评估了名为SeeMe的计算机视觉工具。研究涉及37名因创伤或出血等急性脑损伤而昏迷的成年患者，以及16名健康对照者。
研究人员在医疗条件允许时对患者进行每日测试：先暂停镇静药物以获取最准确评估，将摄像机置于病床尾部对准患者面部。患者佩戴一次性耳机接收三组录音指令："睁眼"、"伸出舌头"和"微笑"，每项指令在单次测试中重复十次。SeeMe算法随后分析视频记录。
该系统通过识别和追踪面部数千个微观点（如单个毛孔），构建详细的面部动作向量图。通过比较指令前的静息期与指令后的动作，软件能量化即使人眼完全不可见的响应。
为评估SeeMe与人工观察的差异，研究团队安排两名不知晓患者临床状况或SeeMe结果的医学训练生审查相同录像。研究还将SeeMe结果与医院记录的临床评估（针对睁眼的格拉斯哥昏迷量表和针对口腔指令响应的昏迷恢复量表修订版）进行对比。
结果显示，SeeMe的敏感性显著高于人工观察：在全部测试中，算法平均每10条指令识别5.4次有效动作响应，而人工评估员仅发现2.8次。更重要的是，该工具比标准临床检查更早发现意识迹象——在SeeMe检测到动作的30名患者中，超过半数案例的响应早于临床医生记录。具体而言，针对"睁眼"指令，SeeMe平均提前4.1天检测到响应；针对标志着更高认知功能的口腔指令响应，则平均提前8.3天。例如，一名车祸后昏迷的患者在伤后第18天通过SeeMe检测到刺激诱发的口腔动作，但临床记录直到第37天才确认其能执行运动指令。
研究还发现SeeMe检测到的动作与患者最终预后存在强关联：系统测量的微表情幅度和频率与患者出院时的功能状态呈正相关。SeeMe检测到更大更稳定面部反应的患者，更可能恢复意识并获得更好的整体预后。
为确认这些细微动作是真实指令响应而非随机痉挛，团队使用另一人工智能分类器进行验证。该深度神经网络通过训练能根据患者面部反应模式预测所给指令类型，整体准确率达65%，证明检测到的动作具有特定意图。
研究存在一定局限性：少数案例中临床医生比SeeMe更早发现响应，可能源于患者觉醒状态的自然波动；不同脑损伤类型可能影响恢复路径；呼吸机等医疗设备偶尔遮挡口腔区域；镇静药物使用也干扰动作检测。研究团队强调该工具旨在补充而非取代现有临床评估。
未来研究计划开展更大规模临床试验验证结果，并整合肌肉活动客观测量数据。长期目标是将SeeMe与脑电图等监测技术结合，构建更全面的重症监护意识追踪平台，为临床医生提供更清晰客观的患者内在状态评估，助力治疗方案制定，确保隐匿性意识患者更早被识别，从而获得更好的康复机会。
这项题为《计算机视觉检测无反应脑损伤患者的隐匿性自愿面部动作》的研究由Xi Cheng、Sujith Swarna、Jermaine Robertson等学者共同完成。
【全文结束】
