关于婴儿期全身麻醉期间大规模脑网络功能连接变化的研究报告

本研究由 Ioannis Pappas 博士、Laura Cornelissen 博士、David K. Menon 教授、Charles B. Berde 教授及 Emmanuel A. Stamatakis 教授共同完成。研究团队主要来自英国剑桥大学临床神经科学系麻醉科（I.P., D.K.M., E.A.S.）以及美国波士顿儿童医院麻醉、重症监护和疼痛医学科与哈佛大学医学院麻醉系（L.C., C.B.B.）。这项研究发表于 《Anesthesiology》 期刊 2019年12月 第131卷第6期。

一、 学术背景 本研究属于围术期医学与神经科学的交叉领域，具体聚焦于麻醉学中全身麻醉对大脑功能影响的基础研究。研究背景基于以下关键认知：在成人中，以γ-氨基丁酸（GABA）为介导的麻醉药物（如七氟醚）会破坏从局部到全脑尺度的信息整合，其典型神经生理标志是前额叶主导的α频段（8-12 Hz）脑电图（EEG）振荡。然而，在出生后早期（0-3.9个月）的婴儿中，既往研究表明七氟醚麻醉下α振荡是缺失的，且传统的功率谱分析无法区分麻醉维持期与苏醒期的脑状态。尽管功能脑连接研究为了解麻醉状态下大脑动态变化提供了重要信息，但关于婴儿在全身麻醉期间功能连接变化的详细研究却非常缺乏。因此，本研究旨在填补这一空白，探究七氟醚麻醉如何影响婴儿大脑的功能连接网络，并检验以下假设：与成人相似，婴儿在麻醉导致的意识丧失期间，其大脑网络会呈现出更低的整合度（复杂性降低）和更高的分割性（模块化增加）。

二、 详细研究流程 本研究是一项回顾性队列研究，对既有的临床数据进行二次分析，流程严谨且多步骤。

1. 研究对象与数据采集：

   • 样本：研究纳入了20名年龄在0至3.9个月之间的婴儿，这些婴儿均因择期手术接受了七氟醚全身麻醉。
   • 排除标准：为确保脑发育不受已知疾病干扰，排除了患有先天性畸形、遗传性疾病、神经系统或心血管疾病、孕周小于32周或年龄≥4个月的婴儿。
   • 数据同步采集：
     • 脑电图（EEG）：使用33导联的EEG帽，按照改良的国际10-20系统放置电极，以1024 Hz的采样率记录脑电活动。
     • 临床数据：通过麻醉信息管理系统实时记录呼气末七氟醚、氧气和氧化亚氮浓度，并与EEG记录时间锁定。同时记录患儿的行为活动视频。

2. 数据预处理与时期选择：

   • EEG预处理：使用MATLAB和EEGLAB工具箱进行。流程包括：重参考为最近邻拉普拉斯参考、0.1-50 Hz带通滤波、降采样至256 Hz、坏道剔除与插值、以及视觉检查去除伪迹。
   • 关键时期定义与选取：
     • 麻醉维持期：定义为维持外科麻醉稳态的时期，呼气末七氟醚浓度稳定在1.8%至2.5%之间（中位数1.9%）。选取一段100秒的干净EEG数据。
     • 苏醒期：定义为观察到身体运动前2分钟的时间点，此时呼气末七氟醚浓度较低（中位数0.3%）。同样选取一段100秒的干净EEG数据。这两个时期的对比旨在反映不同意识水平（无意识 vs. 接近恢复意识）下的脑状态。

3. 功能连接与网络分析： 本研究核心在于从传感器水平和源水平两个层面分析δ频段（1-4 Hz，婴儿期优势节律）的功能连接网络特性。

   • 时频分析与连接矩阵构建：
     • 使用多锥谱分析计算各频段（慢波、δ、θ、α、β）的振荡活动。
     • 基于δ频段，计算每对EEG传感器信号之间的虚部相干性。这是一种能够有效减少容积传导效应（即两个电极因测量同一源而产生虚假高相干性）的连接度量方法。由此为每个婴儿在每个时期构建一个传感器水平的连接矩阵。
   • 源水平重建：
     • 为解决头皮EEG空间分辨率有限的问题，研究采用了波束成形技术进行源定位。
     • 关键创新点在于使用了与婴儿年龄相匹配的特定年龄脑模板（来自Richards实验室的神经发育MRI数据库）来构建头模型，以提高婴儿大脑电活动源定位的准确性。
     • 将重建的源信号根据Hammers脑图谱划分为多个感兴趣区域，并计算区域之间的虚部相干性，从而构建源水平的连接矩阵。
   • 图论网络指标计算：
     • 将上述连接矩阵转换为网络（节点代表传感器或脑区，边代表连接强度），通过阈值化（保留10%至50%的最强连接）得到二值化网络。
     • 计算两个核心网络指标：
       1. 复杂性：通过计算网络度分布的香农熵来评估。它反映了全脑网络连接模式的丰富程度，高复杂性意味着网络在信息整合与局部特化之间取得了良好平衡。
       2. 模块化：评估网络被分割成不同功能模块的程度。高模块化意味着网络更倾向于内部紧密连接而模块间连接稀疏，即功能分割性更强。

4. 统计分析：

   • 局部连接变化：使用基于网络的统计方法，控制多重比较的家族错误率，识别在麻醉维持期与苏醒期之间存在显著差异的连接边（集群）。
   • 全局网络指标比较：由于复杂性和模块化数据不符合正态分布，使用配对Wilcoxon符号秩检验比较两个时期之间的差异，并通过自助法计算95%置信区间。

三、 主要研究结果 1. 功率谱特征：确认了δ频段（1-4 Hz）是0-3.9个月婴儿在七氟醚麻醉维持期和苏醒期的主导振荡频率，且两个时期的功率谱没有显著差异，这印证了传统功率分析在区分该年龄段婴儿麻醉深度方面的局限性。

1. 局部功能连接变化：

   • 传感器水平：与苏醒期相比，麻醉维持期在δ频段的功能连接显著降低。显著的连接减弱主要发生在前额叶传感器与中央区/顶叶传感器之间（例如，FC2与FC1、CZ、CP1、CP2等电极对）。
   • 源水平：结果与传感器水平一致，且提供了更精确的解剖定位。研究发现，麻醉期间连接减弱最显著的涉及默认模式网络（特别是后扣带回）与额顶叶网络区域之间的长程连接。这提示麻醉可能特异性破坏了负责高级认知整合和意识相关的大尺度脑网络间的通信。

2. 全局与中尺度网络特性变化：

   • 模块化增加：在传感器水平和源水平均观察到，麻醉维持期的δ网络模块化指数显著高于苏醒期。这表明麻醉状态下婴儿大脑的功能网络被分割成更多、更独立的模块，网络整合性下降，系统变得更加“碎片化”。
   • 复杂性降低：同样在传感器和源水平，麻醉维持期的δ网络复杂性显著低于苏醒期。复杂性的降低意味着网络连接模式的多样性减少，其有效整合全脑信息的能力下降。

这些结果具有清晰的逻辑递进关系：首先，研究确认了婴儿麻醉的神经振荡基础是δ节律而非α节律。接着，从局部连接分析发现，麻醉特异性地削弱了关键高级脑网络（如默认模式网络与额顶叶网络）之间的连接。这种局部连接的破坏，必然导致整个网络拓扑结构的改变，进而体现在中尺度（模块化增加，即网络更分割）和全局尺度（复杂性降低，即整合能力下降）的量化指标上。局部连接的减弱是导致全局网络整合度下降的直接原因。

四、 研究结论与意义 结论：在0-3.9个月大的婴儿中，七氟醚全身麻醉与大脑δ振荡功能连接能力的下降有关。麻醉导致大脑网络（特别是默认模式网络与额顶叶网络之间）的长程连接减弱，使得全脑网络变得更加分割、整合信息传输的效率降低。这一发现强化了“意识处理依赖于全脑范围内高效整合的信息传输系统”这一假说。

意义与价值： * 科学价值： * 首次在婴儿群体中系统揭示了全身麻醉对大规模脑功能网络的影响，将成人麻醉意识研究的相关理论扩展到了发育早期的大脑。 * 证明了即使在没有成人特征性α振荡的婴儿期，麻醉引起的意识改变同样伴随着全脑网络整合度的下降，提示功能连接失整合可能是跨年龄段的麻醉诱导无意识的共同神经标记。 * 为理解发育中大脑在麻醉下的神经生理反应提供了新的视角，强调了从“局部振荡功率”到“全脑网络连接”分析范式转变的重要性。 * 临床应用价值： * 为开发适用于婴儿的脑功能监测工具提供了潜在的新生物标志物。在当前基于α功率的麻醉深度监护指数（如BIS）对婴儿无效的情况下，基于EEG的功能连接或网络复杂性指标有望成为监测婴儿麻醉深度、区分麻醉与苏醒状态的新型工具。 * 研究结果提示，未来可通过实时分析EEG网络特性，实现更精准的儿科麻醉管理。

五、 研究亮点 1. 研究对象特殊：聚焦于神经发育关键期（0-3.9个月）的婴儿，填补了该年龄段麻醉脑机制研究的空白。 2. 方法学先进： * 结合了传感器水平和源水平的脑电分析，提高了空间定位的可靠性。 * 创新性地使用了年龄匹配的脑模板进行婴儿EEG源重建，提升了分析的准确性。 * 应用图论网络分析（复杂性、模块化）和控制容积传导的虚部相干性方法，从系统层面量化大脑功能组织的改变。 3. 重要的发现：明确揭示了婴儿麻醉期间δ网络的功能连接失整合现象，将麻醉的无意识状态与特定的网络拓扑结构改变（复杂性降低、模块化增加）联系起来，超越了传统频谱分析的局限。 4. 明确的临床转化导向：研究直接指向了解决婴儿麻醉深度监测这一临床难题，提出了基于网络连接分析的新思路。

六、 其他有价值的内容 研究也坦率地指出了其局限性，包括样本量有限、麻醉给药方案由临床医生决定而非严格滴定、源重建方法固有的限制等。作者计划在更大的队列中进行后续研究以验证和推广这些发现。此外，文章得到了编辑的专题评述，强调了该研究的重要发现：在四个月以下的婴儿中，慢波功能连接在全身麻醉期间被破坏，大脑网络整合度降低，这可能是婴儿和成人麻醉诱导无意识的一个共同标志。