一项新研究表明，人工智能工具能够检测严重脑损伤患者面部微小的、肉眼不可见的动作，提示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。这项发表于《自然·通讯医学》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患者意识状态，从而实现早期干预并改善诊疗效果。
长期以来，研究人员在评估严重脑损伤患者时面临重大挑战。在医院重症监护室中，医生可能会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。成功响应即可证实存在一定程度的意识。
然而，约15%至25%的患者可能具备意识却因身体原因无法产生这些大范围可见动作。这种被称为"隐藏意识"或"认知-运动分离"的状况，导致能听见和理解指令的患者被误判为无反应状态，进而对治疗决策和康复计划产生严重后果。
现有检测隐藏意识的高级技术（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，意识恢复的早期迹象可能表现为面部极其微小的动作。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表征区域，成为搜寻这类微弱自主动作的潜在突破口。
为验证这一假设，石溪大学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。研究纳入37名因创伤或出血导致急性脑损伤后昏迷的成年患者，以及16名健康对照者。
对患者而言，研究团队在医疗条件允许时进行日常检测：先暂停镇静药物以确保评估准确性，将摄像头置于患者床尾对准面部。患者通过一次性耳机接收三组录音指令：“睁开眼睛”、“伸出舌头”和“露出微笑”，每条指令在单次检测中重复10次。SeeMe算法随后分析视频记录。
该系统通过识别并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谱。通过对比指令前静息期与指令后动作期的面部变化，软件能量化人类肉眼完全无法察觉的响应。
为评估SeeMe与人工观察的差异，研究人员安排两名不知晓患者临床状况及SeeMe结果的医学生盲评相同视频，要求识别可见响应。团队还将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跟随的昏迷恢复量表修订版）进行比对。
研究发现SeeMe的敏感性显著高于人工观察：在所有检测中，算法平均每10次指令识别5.4次有效响应动作，而人工观察者仅检出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“睁开眼睛”指令，SeeMe平均提前4.1天检测到睁眼反应；针对口腔动作（反映更高阶的指令跟随认知功能），平均提前8.3天识别响应。例如，一名车祸后昏迷患者在伤后第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天才确认其具备运动指令跟随能力。
研究还发现SeeMe检测的微动作与患者最终结局存在强关联：系统测量的面部微动作强度和频率与患者出院时的功能状态呈正相关。SeeMe检测到更强烈、更稳定面部响应的患者，更可能恢复意识并获得更好的整体预后。
为确认这些微小动作是真实指令响应而非随机痉挛，团队采用另一人工智能分类器进行验证。该深度神经网络经面部动作数据训练后，能仅凭患者面部响应模式预测所给指令类型，整体准确率达65%，表明检测动作具有特定性和目的性。
本研究存在局限性：少数案例中临床医生早于SeeMe发现响应，可能源于患者觉醒度的自然波动；不同脑损伤类型可能影响恢复路径；呼吸机等医疗设备有时遮挡口腔视野，影响相关指令分析；必要的镇静治疗也可能干扰运动响应检测。研究团队强调，该工具旨在补充而非取代现有临床评估和长期观察。
未来研究计划开展更大规模临床试验验证成果，并整合肌肉活动客观测量以确认软件检测动作。长期目标是将SeeMe与其他监测技术（如脑电图）结合，构建更全面的重症监护室意识追踪平台。此类系统可为临床医生提供更清晰、客观的患者内在状态评估，指导治疗方案并确保隐藏意识患者更早被识别，从而提升康复机会。
该研究《计算机视觉检测无反应脑损伤患者的隐藏自愿面部动作》由程曦、苏吉特·斯瓦尔纳、杰梅因·罗伯逊、内森尼尔·A·克利、乔丹·R·萨多恩、奇梅卡·乌瓦克韦、尹冬华、赛义德·莫萨尔·莫萨拉米·阿吉利、卡西·王、罗伯特·S·克利纳、郑旭文、阿里安娜·福罗哈尔、约翰·塞维迪尔、库特·巴特勒、陈超、乔丹·迪米德什坦、佩塔尔·M·杜里奇、查尔斯·B·米克尔和西玛·莫法克哈姆共同完成。
【全文结束】
