The ascending reticular activating system (ARAS) mediates arousal, an essential component of human consciousness. Lesions of the ARAS cause coma, the most severe disorder of consciousness. Because of current methodological limitations, including of postmortem tissue analysis, the neuroanatomic connectivity of the human ARAS is poorly understood. We applied the advanced imaging technique of high angular resolution diffusion imaging (HARDI) to elucidate the structural connectivity of the ARAS in 3 adult human brains, 2 of which were imaged postmortem. High angular resolution diffusion imaging tractography identified the ARAS connectivity previously described in animals and also revealed novel human pathways connecting the brainstem to the thalamus, the hypothalamus, and the basal forebrain. Each pathway contained different distributions of fiber tracts from known neurotransmitter-specific ARAS nuclei in the brainstem. The histologically guided tractography findings reported here provide initial evidence for human-specific pathways of the ARAS. The unique composition of neurotransmitter-specific fiber tracts within each ARAS pathway suggests structural specializations that subserve the different functional characteristics of human arousal. This ARAS connectivity analysis provides proof of principle that HARDI tractography may affect the study of human consciousness and its disorders, including in neuropathologic studies of patients dying in coma and the persistent vegetative state.

The engineering of a 3 T human MRI scanner equipped with 300 mT/m gradients – the strongest gradients ever built for an in vivo human MRI scanner – was a major component of the NIH Blueprint Human Connectome Project (HCP). This effort was motivated by the HCP's goal of mapping, as completely as possible, the macroscopic structural connections of the in vivo healthy, adult human brain using diffusion tractography. Yet, the 300 mT/m gradient system is well suited to many additional types of diffusion measurements. Here, we present three initial applications of the 300 mT/m gradients that fall outside the immediate scope of the HCP. These include: 1) diffusion tractography to study the anatomy of consciousness and the mechanisms of brain recovery following traumatic coma; 2) q-space measurements of axon diameter distributions in the in vivo human brain and 3) postmortem diffusion tractography as an adjunct to standard histopathological analysis. We show that the improved sensitivity and diffusion-resolution provided by the gradients are rapidly enabling human applications of techniques that were previously possible only for in vitro and animal models on small-bore scanners, thereby creating novel opportunities to map the microstructure of the human brain in health and disease.

See Schiff (doi:10.1093/awx209) for a scientific commentary on this article. Patients with acute severe traumatic brain injury may recover consciousness before self-expression. Without behavioural evidence of consciousness at the bedside, clinicians may render an inaccurate prognosis, increasing the likelihood of withholding life-sustaining therapies or denying rehabilitative services. Task-based functional magnetic resonance imaging and electroencephalography techniques have revealed covert consciousness in the chronic setting, but these techniques have not been tested in the intensive care unit. We prospectively enrolled 16 patients admitted to the intensive care unit for acute severe traumatic brain injury to test two hypotheses: (i) in patients who lack behavioural evidence of language expression and comprehension, functional magnetic resonance imaging and electroencephalography detect command-following during a motor imagery task (i.e. cognitive motor dissociation) and association cortex responses during language and music stimuli (i.e. higher-order cortex motor dissociation); and (ii) early responses to these paradigms are associated with better 6-month outcomes on the Glasgow Outcome Scale-Extended. Patients underwent functional magnetic resonance imaging on post-injury Day 9.2 ± 5.0 and electroencephalography on Day 9.8 ± 4.6. At the time of imaging, behavioural evaluation with the Coma Recovery Scale-Revised indicated coma (n = 2), vegetative state (n = 3), minimally conscious state without language (n = 3), minimally conscious state with language (n = 4) or post-traumatic confusional state (n = 4). Cognitive motor dissociation was identified in four patients, including three whose behavioural diagnosis suggested a vegetative state. Higher-order cortex motor dissociation was identified in two additional patients. Complete absence of responses to language, music and motor imagery was only observed in coma patients. In patients with behavioural evidence of language function, responses to language and music were more frequently observed than responses to motor imagery (62.5-80% versus 33.3-42.9%). Similarly, in 16 matched healthy subjects, responses to language and music were more frequently observed than responses to motor imagery (87.5-100% versus 68.8-75.0%). Except for one patient who died in the intensive care unit, all patients with cognitive motor dissociation and higher-order cortex motor dissociation recovered beyond a confusional state by 6 months. However, 6-month outcomes were not associated with early functional magnetic resonance imaging and electroencephalography responses for the entire cohort. These observations suggest that functional magnetic resonance imaging and electroencephalography can detect command-following and higher-order cortical function in patients with acute severe traumatic brain injury. Early detection of covert consciousness and cortical responses in the intensive care unit could alter time-sensitive decisions about withholding life-sustaining therapies.

We present an ultra-high resolution MRI dataset of an ex vivo human brain specimen. The brain specimen was donated by a 58-year-old woman who had no history of neurological disease and died of non-neurological causes. After fixation in 10% formalin, the specimen was imaged on a 7 Tesla MRI scanner at 100 µm isotropic resolution using a custom-built 31-channel receive array coil. Single-echo multi-flip Fast Low-Angle SHot (FLASH) data were acquired over 100 hours of scan time (25 hours per flip angle), allowing derivation of synthesized FLASH volumes. This dataset provides an unprecedented view of the three-dimensional neuroanatomy of the human brain. To optimize the utility of this resource, we warped the dataset into standard stereotactic space. We now distribute the dataset in both native space and stereotactic space to the academic community via multiple platforms. We envision that this dataset will have a broad range of investigational, educational, and clinical applications that will advance understanding of human brain anatomy in health and disease.

To characterize a brainstem location specific to coma-causing lesions, and its functional connectivity network.We compared 12 coma-causing brainstem lesions to 24 control brainstem lesions using voxel-based lesion-symptom mapping in a case-control design to identify a site significantly associated with coma. We next used resting-state functional connectivity from a healthy cohort to identify a network of regions functionally connected to this brainstem site. We further investigated the cortical regions of this network by comparing their spatial topography to that of known networks and by evaluating their functional connectivity in patients with disorders of consciousness.A small region in the rostral dorsolateral pontine tegmentum was significantly associated with coma-causing lesions. In healthy adults, this brainstem site was functionally connected to the ventral anterior insula (AI) and pregenual anterior cingulate cortex (pACC). These cortical areas aligned poorly with previously defined resting-state networks, better matching the distribution of von Economo neurons. Finally, connectivity between the AI and pACC was disrupted in patients with disorders of consciousness, and to a greater degree than other brain networks.Injury to a small region in the pontine tegmentum is significantly associated with coma. This brainstem site is functionally connected to 2 cortical regions, the AI and pACC, which become disconnected in disorders of consciousness. This network of brain regions may have a role in the maintenance of human consciousness.

Abstract Chronic traumatic encephalopathy (CTE) is a neurodegenerative disorder associated with exposure to head trauma. In 2015, a panel of neuropathologists funded by the NINDS/NIBIB defined preliminary consensus neuropathological criteria for CTE, including the pathognomonic lesion of CTE as “an accumulation of abnormal hyperphosphorylated tau (p-tau) in neurons and astroglia distributed around small blood vessels at the depths of cortical sulci and in an irregular pattern,” based on review of 25 tauopathy cases. In 2016, the consensus panel met again to review and refine the preliminary criteria, with consideration around the minimum threshold for diagnosis and the reproducibility of a proposed pathological staging scheme. Eight neuropathologists evaluated 27 cases of tauopathies (17 CTE cases), blinded to clinical and demographic information. Generalized estimating equation analyses showed a statistically significant association between the raters and CTE diagnosis for both the blinded (OR = 72.11, 95% CI = 19.5–267.0) and unblinded rounds (OR = 256.91, 95% CI = 63.6–1558.6). Based on the challenges in assigning CTE stage, the panel proposed a working protocol including a minimum threshold for CTE diagnosis and an algorithm for the assessment of CTE severity as “Low CTE” or “High CTE” for use in future clinical, pathological, and molecular studies.

Abstract Accurately predicting emergence from disorders of consciousness (DoC) after acute brain injury can profoundly influence mortality, acute management, and rehabilitation planning. While recent advances in functional neuroimaging and stimulus-based EEG offer the potential to enrich shared decision-making, their procedural sophistication and expense limit widespread availability or repeated performance. We investigated continuous EEG (cEEG) within a passive, “resting-state” framework to provide continuously updated predictions of DoC recovery at 24-, 48-, and 72-hour prediction horizons. To develop robust, continuous prediction models from a large population of patients with acute brain injury (ABI), we leveraged a recently described pragmatic approach transforming Glasgow Coma Scale assessment sub-score combinations into frequently assessed DoC diagnoses: coma, vegetative state, minimally conscious state with or without language, and post-injury confusional or recovered states. We retrospectively identified consecutive patients undergoing cEEG following acute traumatic brain injury (TBI), subarachnoid hemorrhage (SAH), or intracerebral hemorrhage (ICH). Models continuously predicting DoC diagnosis for multiple prediction horizons were evaluated utilizing recent clinical assessments with or without cEEG information, which comprised a comprehensive EEG feature set of 288 time, frequency, and time-frequency characteristics computed from consecutive 5-minute EEG epochs, with 6 additional features capturing each EEG feature’s temporal dynamics. Features were fed into a predictive model developed with cross-validation; the ordinal DoC diagnosis was discriminated using an ensemble of XGBoost binary classifiers. For 201 ABI patients (46 TBI, 140 SAH, 15 ICH patients comprising 27,280 cEEG-hours with concomitant clinical assessments), cEEG-augmented models accurately predicted the future DoC diagnosis at 24 hours (one-vs-rest AU-ROC, 92.4%; weighted-F1 84.1%), 48 hours (one-vs-rest AU-ROC=88%, weighted-F1=80%) and 72 hours (one-vs-rest AU-ROC=86.3%, weighted-F1=76.6%). Models were robust to utilizing different ordinal cut-points for the DoC prediction target and evaluating additional models derived from specific sub-populations using a confound-isolating cross-validation framework. The most robust features across evaluation configurations included Petrosian fractal dimension, relative power of high to low (gamma-beta to delta-alpha) EEG frequency spectra, energy within the 12-35 Hz frequency band in the short-time Fourier transform domain, and wavelet entropy. The cEEG-augmented model exceeded the performance of models using preceding clinical assessments, continuously predicting future DoC diagnosis with one-vs-rest AU-ROC in the range of 84.3-92.4% while utilizing approaches to limit overfitting. The proposed continuous, resting-state cEEG prediction method represents a promising tool to predict DoC emergence in ABI patients. Enabling these methods prospectively would represent a new paradigm of continuous prognostic monitoring for predicting coma recovery and assessing treatment response.

Abstract Magnetic resonance imaging (MRI) is the standard tool to image the human brain in vivo . In this domain, digital brain atlases are essential for subject-specific segmentation of anatomical regions of interest (ROIs) and spatial comparison of neuroanatomy from different subjects in a common coordinate frame. High-resolution, digital atlases derived from histology (e.g., Allen atlas [3], BigBrain [4], Julich [5]), are currently the state of the art and provide exquisite 3D cytoarchitectural maps, but lack probabilistic labels throughout the whole brain. Here we present NextBrain , a next-generation probabilistic atlas of human brain anatomy built from serial 3D histology and corresponding highly granular delineations of five whole brain hemispheres. We developed AI techniques to align and reconstruct ∼10,000 histological sections into coherent 3D volumes, as well as to semi-automatically trace the boundaries of 333 distinct anatomical ROIs on all these sections. Comprehensive delineation on multiple cases enabled us to build an atlas with probabilistic labels throughout the whole brain. Further, we created a companion Bayesian tool for automated segmentation of the 333 ROIs in any in vivo or ex vivo brain MRI scan using the NextBrain atlas. We showcase two applications of the atlas: automated segmentation of ultra-high-resolution ex vivo MRI and volumetric analysis of brain ageing based on ∼4,000 publicly available in vivo MRI scans. We publicly release the raw and aligned data (including an online visualisation tool), probabilistic atlas, and segmentation tool. By enabling researchers worldwide to analyse brain MRI scans at a superior level of granularity without manual effort or highly specific neuroanatomical knowledge, NextBrain will accelerate our quest to understand the human brain in health and disease.

Abstract The neural circuits that support human cognition are a topic of enduring interest. Yet, the lack of tools available to map human brain circuits has precluded our ability to trace the human and non-human primate connectome. We harnessed high-resolution connectomic, anatomic, and transcriptomic data to investigate the evolution and development of frontal cortex circuitry. We applied machine learning to RNA sequencing data to find corresponding ages between humans and macaques and to compare the development of circuits across species. We transcriptionally defined neural circuits by testing for associations between gene expression and white matter maturation. We then considered transcriptional and structural growth to test whether frontal cortex circuit maturation is unusually extended in humans relative to other species. We also considered gene expression and high-resolution diffusion MR tractography of adult brains to test for cross-species variation in frontal cortex circuits. We found that frontal cortex circuitry development is extended in primates, and concomitant with an expansion in cortico-cortical pathways compared with mice in adulthood. Importantly, we found that these parameters varied relatively little across humans and studied primates. These data identify a surprising collection of conserved features in frontal cortex circuits across humans and Old World monkeys. Our work demonstrates that integrating transcriptional and connectomic data across temporal dimensions is a robust approach to trace the evolution of brain connectomics in primates. Significance Statement We lack appropriate tools to visualize the human brain connectome. We develop new approaches to study connections in the human and non-human primate brains. The integration of transcription with structure offers an unprecedented opportunity to study circuitry evolution. Our integrative approach finds corresponding ages across species and transcriptionally defines neural circuits. We used this information to test for variation in circuit maturation across species and found a surprising constellation of similar features in frontal cortex neural circuits across humans and primates. Integrating across scales of biological organization expands the repertoire of tools available to study connections in primates, which opens new avenues to study connections in health and diseases of the human brain.