https://www.nature.com/articles/s41597-025-06442-2

全身麻醉是现代医学的基石，但我们对其如何精确调控意识的神经机制仍知之甚少。一个更具挑战性的问题是“隐性意识”（covert consciousness）——即在行为上无反应的病人是否可能仍存在内在的意识体验？为了回答这些问题，密歇根大学的研究团队发布了一个珍贵的开放fMRI数据集。他们在26名健康受试者中，通过精准控制异丙酚（propofol）的输注，系统地记录了从清醒到深度镇静，再到恢复过程中大脑的活动。独特之处在于，研究者们使用了心理意象任务（mental imagery tasks）来主动探测受试者在不同意识水平下的意志认知过程。 这份高质量、标准化的开放数据，为全球研究者探索麻醉、意识以及“隐性意识”的神经基础提供了一个前所未有的宝贵资源。

探寻麻醉状态下的意识火花

全身麻醉让无数复杂的外科手术成为可能，它可逆地抑制了我们的意识和记忆。自1846年首次公开演示以来，麻醉学已取得了长足的进步，但麻醉状态下大脑发生了什么，意识又是如何消失和恢复的，这依然是神经科学的核心谜团。

功能性磁共振成像（fMRI）技术为我们无创地观察大脑活动提供了窗口。早期的研究发现，麻醉药物会抑制大脑对外界刺激的反应。随后的研究进一步揭示，麻醉主要破坏了大脑高级联合皮层之间的连接，导致“信息已接收，但未被感知”的分离状态。然而，传统的fMRI研究范式（如静息态或感觉诱发任务）在探测是否存在“隐性意识”方面能力有限。病人可能在手术中无法做出行为反应，但内心深处仍有感知的火花。如何捕捉这种稍纵即逝的内在意识活动，是该领域面临的巨大挑战。

数据集介绍：

为了克服上述挑战，密歇根大学的研究团队设计了一个精巧的实验（见下图，Figure 1）。他们招募了26名健康的右利手成年人，在fMRI扫描仪中，通过静脉泵精准地输注异丙酚，一种临床常用的麻醉药物。药物浓度被逐步提高，直到受试者失去对外界指令的行为反应（Loss of Responsiveness, LOR），然后维持一段时间后停止输注，让其自然恢复。

在整个过程中，研究人员通过耳机给受试者播放指令，要求他们执行三种不同的心理意象任务：想象自己正在打网球、想象在熟悉的城市街道上行走、以及想象自己正在用力攥手。此外，还有一个真实的攥手任务作为行为反应的对照。这种设计借鉴了临床上评估植物人或最低意识状态患者的方法，其核心思想是：如果一个在行为上无反应的人，其大脑在听到“想象打网球”的指令后，依然能激活与运动相关的脑区（如辅助运动区），这便是存在“隐-性意识”的有力证据。

这份数据集包含了以下几个部分：

• 高分辨率的结构像（T1w）：用于了解每个受试者的大脑解剖结构。
• 多阶段的功能像（fMRI）：覆盖了清醒基线、麻醉诱导（PreLOR）、麻醉维持（LOR）、麻醉恢复（ROR）以及完全恢复后等多个阶段。
• 行为学数据：记录了受试者在真实运动任务中的握力变化，作为意识水平的客观指标。
• 生理数据：心率、呼吸、血压等。

所有数据都遵循脑成像数据结构（Brain Imaging Data Structure, BIDS）标准进行格式化，极大地便利了数据的共享和再利用。

数据质量与处理

数据的质量是科研的生命线。该团队对数据进行了严格的质量控制，并使用了领域内最前沿的标准化预处理流程（fMRIPrep 和 XCP-D）对数据进行处理。fMRIPrep 流程负责对原始的 fMRI 数据进行头动校正、空间配准、非均匀场校正等一系列关键步骤，并生成详细的质控报告（见下图 Figure 4 & 5）。XCP-D 流程则进一步对预处理后的数据进行去噪，提取不同脑区的时间序列信号，并计算功能连接矩阵。

通过与顶级的“人类连接组计划”（Human Connectome Project, HCP）数据集进行对比，可以看出本数据集在头动控制、信噪比等关键质控指标上表现优异。这意味着研究者可以放心地使用这些数据进行分析，得出的结论将是稳健和可靠的。

这套数据能用来做什么？

这个开放数据集为探索麻醉与意识的神经科学问题打开了新的大门。研究者可以利用它来：

1. 寻找“隐性意识”的神经标记：通过分析在 LOR 状态下，执行心理意象任务时的大脑活动模式，有望找到能够区分“真无意识”与“隐性意识”的神经信号。
2. 研究意识消失与恢复的动态过程：比较 PreLOR 和 ROR 阶段的大脑网络动态变化，可以揭示大脑是如何“滑入”无意识状态，又是如何“爬出”这个状态的。这对于理解意识的“开关”机制至关重要。
3. 探索麻醉对不同脑网络的影响：可以研究麻醉是如何差异性地影响默认网络、注意网络、感觉运动网络等不同功能子系统的。
4. 开发新的麻醉深度监测指标：基于fMRI数据中的发现，未来可能转化出新的、更可靠的临床麻醉深度监测方法，例如利用EEG技术。

如何获取

该数据集已完全公开，托管于 OpenNeuro 平台，数据库登录号为 ds006623。全球任何研究者都可以通过以下链接免费下载和使用：https://doi.org/10.18112/openneuro.ds006623.v1.0.0                                                               

此外，所有用于数据转换、预处理、去噪和分析的代码也都已在 GitHub 上开源，确保了研究的完全透明和可复现性。

看起来是挖掘了一波才开源的：