Assessing neural correlate of consciousness based on complexity analysis of EEG signals during general anesthesia

Abstract

The goal of this dissertation is to search a neural feature directly associated with consciousness, which is called a neural correlate of consciousness (NCC). In order to study neural characteristics during consciousness and unconsciousness states, EEG signals during general anesthesia were analyzed. Knowledge of NCC is important as it advances our understanding of mechanism of consciousness and also facilitates the development of reliable indicator of arousal level during general anesthesia.

Analyzing information flow or directed connectivity between signals is one of the prominent analysis method in consciousness study. However, such an analysis is largely hindered for linearly mixed signals like EEG data, which is so-called a common source effect. Five directed functional connectivity measures, Granger Causality (GC), PDC (Partial Directed Coherence), Transfer Entropy (TE), directed Phase Lag Index (dPLI), and Phase Slope Index (PSI), are systematically investigated under the effects with a model study using simulation and partly analytic ways. They are also examined for an actual EEG data. It was observed that all connectivity measures falsely identify a directionality of connections between two signals. On top of that, for EEG signals, they output an opposite direction of information flow under re-referencing which corresponds to an addition of common source. These findings imply that a method of directed functional connectivity analysis needs a special caution when applied and thus may not be a reliable method for searching a NCC.

Turning to a complexity analysis method with a hypothesis of high complexity in neural dynamics is associated with consciousness, we newly developed Phase Lag Entropy (PLE). PLE quantifies a spatio-temporal complexity, which is different in that previously existing complexity measures indicate temporal one. PLE was confirmed to reflect erratic interactions utilizing a neural mass model. And it was observed to sensitively capture an over-coordination of EEG signals elicited from propofol-induced loss of consciousness (LOC) than other measures of temporal manner. It was verified using the modified observer’s assessment of alertness/sedation (MOAA/S). However, non-GABAergic anesthetics such as ketamine promote lack of coordination of EEG signals, which is an opposite action of GABAergic drugs like propofol. Thus PLE has a limitation as it indicates a specific drug effect rather than a level of consciousness.

We introduced type-II complexity, indicating an intermediate level of randomness having both deterministic and random properties. Randomness (type-I complexity) and complexity (type-II complexity) of EEG signals were quantified by Mean Information Gain (MIG) and Fluctuation Complexity (FC) respectively, which are information-theory-based measures. As EEG signals become randomized or over-regularized during ketamine- or propofol-induced LOC respectively, FC was commonly decreased while MIG increased during ketamine-induced LOC and decreased during propofol-induced LOC. The observation allows us to interpret that the optimal state of neural dynamics balanced between randomness and order is achieved in a conscious brain.

이 논문의 목표는 의식의 상관자 (NCC) 즉, 의식 상태에 직접적으로 연관 되는 신경 활동의 특징을 찾는 것이다. 의식과 무의식 상태의 신경 활동의 특성을 파악하기 위해 전신 마취를 이용하여 뇌파 (EEG) 신호의 변화를 정량적으로 분석하였다. 의식의 상관자 연구는 의식의 기작에 대한 이해를 도울 뿐 아니라 마취심도계 알고리즘과 같이 임상적인 용도로도 직접적으로 활용될 수 있기 때문에 그 중요성이 매우 크다.

신호 간의 정보 흐름 즉 방향성 있는 연결성을 분석하는 방법은 의식 연구에서 자주 쓰이는 분석 방법 중 하나다. 하지만 정보 흐름 분석은 뇌파 신호와 같은 선형 혼합된 데이터에 대해 크게 영향 받는다. 이러한 방법론적인 문제를 체계적으로 파악하기 위해 Granger Causality (GC), Partial Directed Coherence (PDC), Transfer Entropy (TE), directed Phase Lag Index (dPLI), 그리고 Phase Slope Index (PSI)의 다섯 가지 척도들을 분석하였다. 정성적으로, 그리고 부분적으로 정량적인 방법으로 진행된 모델 스터디를 통해 척도들이 모두 두 신호 간의 방향성을 거짓되게 측정하는 것을 관찰할 수 있었다. 뇌파 신호 또한 기준 전극에 따라 (re-referencing) 결과가 정반대로 바뀜을 확인하였다. 그 결과, 방향성 있는 연결성을 분석하는 방법은 적용할 때에 특별한 주의가 필요하며 의식의 상관자를 찾는 연구의 분석 방법으로 적절하지 않을 수 있다는 판단을 하였다.

복잡도 분석 또한 신경 활동이 의식 상태일 때 높은 복잡도를 유지한다는 가설을 바탕으로 많은 연구자들에 의해 진행되었다. 이 논문에서는 Phase Lag Entropy (PLE) 라는 새로운 복잡도 척도를 개발하였다. PLE 는 시-공간적 복잡도를 측정한다는 면에서, 시간적 복잡도만을 측정하는 기존의 여러 척도들과 구분된다. 신경 다발 모델 (neural mass model) 을 이용하여 PLE 가 신호 간의 연결성이 불규칙한 정도를 성공적으로 반영한다는 것을 확인하였다. 또한 실제 사람의 진정 수준 (MOAA/S) 을 기존의 마취심도계 알고리즘들보다 더욱 정확히 반영하였다. 하지만 뇌파 신호의 조직화 (coordination) 를 증대시키는 GABAergic 약물인 프로포폴 (propofol) 과 달리 조직화를 오히려 감소시키는 케타민 (ketamine)과 같은 non-GABAergic 마취제에 대해서는 작동하지 않는다는 한계점을 안고 있다. 즉 PLE 는 의식의 수준 보다는 특정 약물의 효과를 반영한다는 기존의 복잡도 연구의 한계점을 뛰어넘지 못했다.

마지막으로, 유형-2 복잡도라는 새로운 개념을 도입하였다. 정보 이론 (Information theory) 척도인 Mean Information Gain (MIG) 와 Fluctuation Complexity (FC) 를 사용하여 뇌파 데이터의 무작위성 (유형-1 복잡도) 과 복잡도 (유형-2 복잡도)를 측정하였다. 뇌파 신호가 케타민 유도 무의식 상태일 때 무작위화 되고, 프로포폴로 의식을 잃었을 때에는 과하게 규칙화 및 조직화 되면서 유형-1 복잡도 척도인 MIG가 케타민의 경우 증가하고 프로포폴의 경우엔 감소하는, 반대의 경향을 보였다. 유형-2 복잡도를 정량화하는 FC 는 그 값이 두 마취제의 경우 공통적으로 감소하였다. 본 연구 결과는 유형-2 복잡도가 의식의 상관자라는, 앞서 세운 가설을 뒷받침한다. 즉, 의식이 신경 활동이 무작위성과 규칙성 사이의 균형 잡힌 최적의 상태일 때에 얻어진다는 해석이 가능하다.