Localising the Seizure Onset Zone from Routine Interictal and Ictal Scalp EEG Via a Factorised Spatiotemporal Ensemble Deep Learning Framework

てんかんは、脳が突然、予兆のない電気的な嵐（電気的嵐）を経験し、それが発作を引き起こす疾患です。多くの人々にとって、標準的な薬物療法ではこれらの事象を止めることができず、発作のリスクを抱えて生きるか、あるいは問題の原因となっている特定の組織を除去するための脳手術を受けるかという、困難な選択を迫られます。この手術の成功は、電気的な嵐の正確な開始地点、すなわち「発作起始領域」を見つけ出せるかどうかに完全に依存しています。現在、医師たちは発作が発生する瞬間を捉えるために長期の入院モニタリングに頼っていますが、これは数日間を要し、患者に投薬の中断を強いる可能性があり、重大なリスクも伴います。あるいは、脳に直接電極を配置する侵襲的な方法もありますが、これには手術と合併症の危険が伴います。発作を捉えることは稀で困難であるため、医師たちはしばしば、発作と発作の間の静かな期間、すなわち「発作間期」に基づいて、問題がどこにあるのかを推測しなければなりません。この静かな期間には、微細で一瞬の電気的なスパイクが含まれており、それが発作の起源に関する手がかりとなりますが、これらの信号は頭蓋骨や頭皮を通過して頭部のセンサーに到達する際に、しばしば微弱になり、歪んでしまいます。

ある研究者が、侵襲的な手術や発作が起こるのを待つ必要なく、これらの静かな期間を読み取り、発作の発生の可能性が高い場所を特定するように設計された新しいコンピュータシステムを開発しました。彼らは、難治性てんかん患者の日常的な脳波記録の数千時間に及ぶデータを用いて、例示によって学習する一種の人工知能であるディープラーニング・フレームワーク（深層学習フレームスワーク）を構築しました。このシステムは、発作の合間に起こる微妙な電気的スパイクのパターンを認識し、それを脳の主要な6つの領域のいずれかにマッピングすることを学習しました。これを可能にするために、研究者は、電気信号のタイミングとその頭皮上の位置を、別々でありながらも関連のあるイベントとして扱うモデルを構築しました。この設計により、コンピュータは信号が測定される場所によって見え方が異なる可能性があることを理解でき、頭部を通過する際に発生する自然なぼやけ（ブラー）を克服することができました。モデルは大規模な患者グループでテストされ、関与する脳領域を大多数のケースで正確に特定するという高い精度を証明しました。このシステムは、異なる病院のデータや子供たちの記録に対しても良好なパフォーマンスを示し、実世界の医療現場に見られる自然な変動にも対応できることが示唆されました。

研究者は、100人の患者から得られた6,000時間を超える脳波記録を含む膨大なデータセットを精査しました。彼らは、ノイズを除去し、信号の測定方法を標準化してデータを注意深くクリーニングした上で、システムに投入しました。コンピュータは、数分の一秒から数分の一秒程度の長さを持つ、特定の形状の電気的スパイクを探すように訓練されました。単一の完璧なパターンを見つけようとするのではなく、システムは異なる速度でこれらの信号を捉えるために複数の分析レイヤーを使用します。これは、病理医が組織サンプルを異なる倍率で観察して、微細な詳細とより広い構造の両方を見る様子に似ています。システムがこれらの信号を特定すると、それらが脳のどの部分から来たのかを判断するために特殊な手法を用います。システムは、「いつ」信号が発生したかという問いと、「どこで」記録されたかという問いを分離することで、電気活動の経路を従来の方法よりも明確に追跡することができます。

この研究の結果は有望です。システムが一度も見聞きしたことのない患者グループに対してテストを行った際、約89パーセントのセッションで発作起始領域を正しく特定しました。この性能は、標準的な非侵襲的記録を用いた際に、異なる脳領域の区別に苦労することが多い既存のコンピュータモデルよりも大幅に優れていました。また、システムは別の病院の異なる患者グループ（多くは子供を含む）に対してテストを行った際にも、84パーセント以上の精度を達成するという驚くべき信頼性を示しました。おそらく最も重要な点は、てんかんの既往歴がない健康な人々の記録に対してテストを行った際、システムが誤報（偽陽性）を出さず、発作活動がないことを正しく特定したことです。実在する脳信号と無害なノースを区別するこの能力は、臨床使用において極めて重要であり、これは、ツールが真に医師の注意を必要とするケースのみをフラグ立てできることを意味し、信頼に値することを示しています。

精度を超えて、このシステムは劇的なスピードの向上を実現しています。専門家チームが手作業でレビューするのに通常数時間、あるいは数日を要する24時間の脳活動の全記録を、このシステムはわずか4分余りで処理できます。コンピュータが実際に脳波を分析する時間は8秒未満であり、残りの時間は単にデータファイルを読み込み、分析の準備をしている時間です。このスピードは、このツールが患者のスクリーニングを迅速に行い、専門家が詳細に検討すべき最も可能性の高い領域を強調できることを示唆しています。研究者は、このシステムは神経科医の判断に取って代わるものではなく、強力な助手として機能することを強調しています。探索範囲を絞り込み、発作がどこで始まるかについての明確でデータに基づいた示唆を提供することで、より精密な手術の計画を立て、患者が長期間の、リスクを伴うモニタリングや侵襲的な処置を受ける必要性を減らすことができるのです。

また、本研究では、医師がすべてのスパイクが発生した時刻を正確に記録しているログを持っていないような、現実世界のシナリオをシミュレートして、スパイクが発生した時期を示す特定のマーカーがない場合にシステムがどの程度機能するかについても調査されました。このような条件下でも、システムは高いレベルの精度を維持し、約3分の2のケースで脳領域を正しく特定しました。これは、ランダムな確率を大幅に上回る数値です。研究者は、システムが特に前頭葉と側頭葉における発作の特定に優れていることを見出しました。これらはてんかんの最も一般的な部位です。後頭部からの信号検出の難しさから、後頭部については精度がやや低くなりましたが、システムは従来の方法よりも頻繁にこれらのケースを特定することに成功しました。研究者はさらに、システムが筋肉の動きや目の瞬きといった、他のコンピュータプログラムを混乱させやすい一般的な妨害要素を無視することを学習したと述べています。これは、システムが単なる信号の形状ではなく、電気信号が脳内をどのように伝わるかという点に焦点を当てているためです。

この研究は、てんかん治療をより安全かつ効率的にするための大きな一歩となります。日常的な非侵襲的な脳波記録が、高い精度で発作の源を特定するのに十分な情報を含んでいることを証明することで、研究者は診断への新しい道を切り開きました。異なる病院の子供や大人を含む様々な患者グループに対して汎用性を持つというこのシステムの能力は、世界中のクリニックにおいて信頼できるツールとなり得ることを示唆しています。研究者は、今後の展望的臨床試験によるさらなる検証が必要であることを認めていますが、現在の結果は、侵襲的な処置を必要とせずに、より迅速で正確な診断を受けられる未来に向けた強力な基盤を提供しています。このツールは、複雑でノイズの多い脳波データの現実と、医師が患者を助けるために必要とする明確で実行可能な情報との間の架け橋となるものです。