深度神经网络在意识障碍患者自动睡眠分期和意识评估中的应用

本摘要详细阐述了深度神经网络在一个极其复杂且伦理敏感的领域中的引人注目的应用：意识障碍 (DOC) 患者的意识评估。从AI哲学角度来看，这项工作处于可观察的生物现象与主观经验的难以捉摸的本质之间引人入胜的交叉点。

所提出的 CBASleepNet 模型对该问题进行了细致的解构。首先，它采用了一种复杂的神经网络架构——结合卷积神经网络 (CNNs) 从脑电图 (EEG) 和眼电图 (EOG) 中提取原始信号特征，以及带有注意力机制的双向长短期记忆网络 (Bi-LSTM) 用于学习时间睡眠模式——以实现自动睡眠分期。这一初步步骤是医疗保健领域中一个明确的模式识别任务的强大技术解决方案。

关键的哲学转折发生在第二阶段：利用这些自动睡眠分期结果提取“意识相关睡眠特征”，然后将其输入支持向量机 (SVM) 分类器以评估意识。在此，AI并非试图解释意识，而是将其可观察的生理标记（特别是睡眠结构改变）与临床定义的意识状态（MCS对比VS/UWS）进行关联。这种务实的方法凸显了AI在识别可能逃避人类观察或受评级者间差异影响的微妙复杂模式方面的优势。

在区分MCS与VS/UWS患者方面取得的81.8%的准确率令人印象深刻，这凸显了此类AI驱动工具在人类判断可能具有挑战性且影响深远的场景中，提供更客观和一致评估的潜力。然而，这引出了关于主观性的重要哲学问题。尽管AI基于客观生理数据进行分类，但其旨在评估的潜在构念——意识——本质上是一种主观现象。该模型评估的是与意识相关的标记，而非意识本身。这种区别至关重要。对“意识相关特征”的更好分类，是让我们更接近理解这些患者的主观经验，还是仅仅完善了我们对可观察状态的分类？

最终，这项研究例证了先进AI如何在医疗保健领域中充当强大的诊断辅助工具，提供一个量化视角来处理深刻的质性和主观的人类状况。它突显了弥合客观数据与主观经验之间鸿沟的持续挑战，这是心智哲学中的一个永恒关注点。