A stimulation-orthogonal neural biomarker of therapeutic response in deep brain stimulation

技術要約：深部脳刺激における治療反応の刺激直交ニューロバイオマーカー

問題提起
クローズドループ型ニューロモジュレーション、特にパーキンソン病に対する深部脳刺激（DBS）は、根本的な「もつれ問題（entanglement problem）」に直面している。現在のシステムでは、フィードバックに使用される神経学的読み取り値が、刺激によって摂動を受けるのと同じ回路から記録されている。その結果、刺激中に変化する神経学的特徴は、真の治療的改善ではなく、単なる介入の存在（回路の関与）を反映している可能性がある。標準的なバイオマーカー、例えば視床下核（STN）におけるベータ帯域パワーなどは、刺激の存在に対しては非常に敏感であるが、治療的状態と非治療的状態を区別できない。例えば、低周波刺激は回路を関与させるものの臨床的な利益をもたらさない場合があるが、標準的なデコーダーは、この関与を治療信号と誤認する可能性がある。核心となる課題は、単一の表現の中で、刺激の「存在」を特定する神経次元と、刺激の「治療効果」を測定する次元を、分離プロセスにおいて教師あり学習による臨床アウトカムラベルに依存することなく、いかに分離するかである。

手法
著者らは、高次元の神経学的特徴を、教師あり潜在成分と直交する補助成分に分割するディープラーニング・フレームワークである**生成的因果説明（Generative Causal Explanations: GCE）**を用いた解決策を提案している。

• 実験デザイン: 本研究では、進行期パーキンソン病患者9名（開発コホート）および1名のプロスペクティブに保持された外部患者（P11）の視床下核局所フィールド電位（LFP）を利用した。記録は、4つの刺激周波数（125, 110, 85, 55 Hz）および2つの振幅（臨床的に設定されたフル振幅およびハーフ振幅）で取得された。
• 学習戦略（「検疫（Quarantine）」アプローチ）: 臨床アウトカムを予測するように訓練するのではなく（これは刺激の存在によって混同されるため）、GCEモデルはハーフ振幅の記録を用いて刺激の存在（ON vs. OFF）を検出するように訓練された。ハーフ振幅では、刺激は確実に回路を関与させるが、臨床的利益は最小限かつ不安定である。
  • 目的: 分類器に整合した潜在次元（Dim 0）に「刺激のシグネチャー」を吸収させること。
  • 制約: 残りの補助次元（Dims 1–5）は、刺激検出タスクに対して直交する神経構造を保持するように制約される。
• 特徴量空間: 入力は、10秒間のセグメントあたり70個の特徴量で構成され、これにはスペクトルパワー（アルファ、ベータ、ガンマ帯域）、バーストダイナミクス、位相振幅結合、半球間部分指向性コヒーレンス（PDC）、および非線形動態的な測定値が含まれる。
• 評価: 学習済みエンコーダは凍結され、再学習なしで以下に適用された：
  1. 開発コホートにおける全周波数のフル振幅記録。
  2. プロスペクティブに保持された患者（P11）。
  3. ビデオ運動学を用いて評価された独立した3名の患者コホート（異なるプロトコル、異なるアウトカム様式）。
• 検証: 刺激に整合した次元は、刺激の存在（ON/OFF状態）を分類する能力（汎用性）と、運動改善との相関の欠如（ネガティブコントロール）についてテストされた。補助的部分空間は、段階的な運動改善を追跡し、効果的な刺激設定と効果的でない設定を区別できるかについてテストされた。

主な結果

1. 成功した解離（Disentanglement）: 刺激に整合した次元（Dim 0）は、患者および振幅を横断して刺激の存在を示すマーカーとして成功した（Leave-One-Subject-Out AUC = ハーフ振幅時0.919、フル振幅時0.942）。決定的なことに、Dim 0は運動改善（合計スコア、硬直、無動、振戦）との関連を示さなかった。これにより、Dim 0が介入のシグネチャーのみを捉えていることが確認された。
2. 直交空間における治療信号: 補助的部分空間（具体的にはDims 1および2の結合符号付き距離）は、フル振幅における段階的な運動改善を追跡した（Spearman $\rho = 0.50, p=0.002$）。
   • 症状特異性: シグナルは硬直に対して最も強く（$\rho = 0.479$）、無動に対しては読み取り依存的な弱い関連を示した。振戦に対してはロバストな関係を示さなかった。
   • 周波数依存性: 補助的な指標は、低周波（55 Hz）刺激を大きな「アンチ・セラピューティック（反治療的）」な変位として特定した。55 Hzは回路を強く関与させるにもかかわらず（補助空間における大きなユークリッド変位）、すべての患者を潜在空間内の最も治療的でない領域へと移動させた。これは標準的なベータまたはガンマパワーでは捉えられない区別である。
3. 汎用性:
   • プロスペクティブ患者: 保持された患者（P11）において、補助的な指標は再学習なしに硬直の改善と有意に相関した（$\rho = 0.731, p=0.040$）。
   • 独立した運動学コホート: モデルは、マーカーレスビデオ運動学によって評価された別のコホートにも汎用された。補助的な指標は、指タッピングの一貫性と手の動きの速度と相関しており、異なるアウトカム様式（運動学 vs. 臨床評価）にわたって治療的軸を検証した。
4. 特徴量の属性（Feature Attribution）: 刺激に整合した軸は、半球間PDCおよび高ベータパワーによって駆動されていた。対照的に、治療的な補助次元は、低ベータ・バーストダイナミクス、位相振幅結合、およびアルファ帯域パワーによって駆動されており、これらが刺激アーチファクトではなくパーキンソン病の運動病態に関連していることを示した。
5. ベースラインに対する優位性: 同様の線形混合効果フレームワークの下で、非教師あり主成分分析（PCA）および標準的なスペクトル帯域パワー測定は、治療的構造を回復したり、アンチ・セラピューティックな55 Hz条件を区別したりすることに失敗した。

意義と主張
本論文は、記録部位と刺激部位が一致するクローズドループ設定において、バイオマーカーを発見するための新しいアーキテクチャのテンプレートを提示すると主張している。「低利益の条件下での教師あり学習を通じて刺激のシグネチャーを『検疫（隔離）』する」ことで、この手法は、分離フェーズにおいてアウトカムラベルを必要とすることなく、直交する部分空間の中に治療的構造を露出させる。

• 関与と利益のデカップリング: このアプローチは、回路の関与（Dim 0によって検出される）と治療的利益（補助空間にエンコードされる）が、数学的に分離可能な異なる神経現象であることを示している。
• ベータパワーを超えて: 結果は、治療的有効性がベータ抑制のみによって定義されるのではないことを示唆している。補助的な指標は、標準的なスペクトル要約が見逃した、低周波刺激のアンチ・セラピューティックな性質などのニュアンスを捉えた。
• 汎用性: 学習された表現は、振幅、周波数、患者、さらには異なるアウトカム様式（運動学 vs. 臨床評価）を横断して汎用された。これは、学習された幾何学がデータセット固有のアーチファクトではなく、根本的な治療的原理を捉えていることを示唆している。
• 将来の応用: 著者らは、この補助軸が適応型DBSのための連続的なフィードバック信号として機能し得ると考えている。これにより、コントローラーは単なるベータ抑制に基づく振幅だけでなく、完全な刺激パラメータ空間（周波数および振幅）を最適化できるようになる。これは、回路を関与させるだけで、単に回路を駆動するだけのアンチ・セラピューティックな設定を強化してしまうシステムを防ぐことができる。

著者らは、知見が単一センターのデータと小規模な検証コホートに基づいていること、および縦断的な安定性が未テストであることを挙げ、その範囲について謙虚な姿勢を保っている。しかし、彼らはこの手法が、介入の存在と介入の効果を分離するための堅牢なプルーフ・オブ・コンセプトを提供すると主張している。