Cross-Dataset Generalization of Quantitative EEG Spectral Biomarkers for Alzheimer’s Disease: A Pre-registered Two-Cohort External Validation and What Does Not Transfer

技術要約：アルツハイマー病における定量的EEGスペクトルバイオマーカーのクロスデータセット汎化能

問題提起
アルツハイマー病（AD）に関する定量的脳波（qEEG）バイオマーカーの現在の機械学習研究は、主に単一の取得設定に依存している。これらの研究は高い精度を報告することが多いが、これらのマーカーが記録機器や電極モンタージュを変更した場合でも有効性を維持できるかという根本的な問いに対処できていない。既存の検証スキームの多くは、被験者情報の漏洩（例：エポックレベルの交差検証）を引き起こしており、パフォーマンス指標を不当に高めている。真の外部検証、すなわちある取得設定でモデルを訓練し、別の設定でテストするという手法は、医療AIにおいて極めて稀である（全研究の4%未満）。本研究は、以前のベンチマークで特定された「構成変更による汎化（cross-configuration generalization）」のギャップに対処し、あるデータセットから得られたスペクトル特徴量が、異なるハードウェアで記録された完全に独立したデータセットにおいて、AD患者と認知機能正常（CN）参加者をロバストに分離できるかどうかを具体的に調査するものである。

手法
本研究は、分析の厳密性を確保するために、データ分析前に特徴量セット、モデル、検証スキーム、および解釈基準を固定した、事前登録済みのデザインを採用した。

• データセット： 2つの独立した公開レスト・ステート（閉眼）EEGコホートを利用した。
  • AHEPA： 65名（AD 36名、CN 29名）を対象とし、Nihon Kohden 2100システムと19チャンネルの10–20モンタージュ（Cz参照）を用いて記録。
  • Meghdadi： 81名（AD 26名、CN 55名）を対象とし、Advanced Brain Monitoringシステムと19チャンネルの10–20モンタージュを用いて記録。Meghdadiデータセットは、人口統計学的分散を最小限に抑えるため、閉眼条件および特定の年齢一致コントロール層に絞り込まれた。
• 特徴量抽出： 各19の共通チャンネルに対して、3つのスケール不変なスペクトル特徴量を算出し、1人あたり133個の特徴量を得た。
  1. シータ/アルファ比（TAR）： シータ波（3–7 Hz）とアルファ波（8–13 Hz）のパワー比。
  2. 相対バンドパワー： $\delta, \theta, \alpha, \beta, \gamma$ バンドにわたる正規化パワー。
  3. アルファ・ピーク周波数。
     *注：比較可能性を確保するため、Meghdotiデータセットのパワースペクトル密度（PSD）値（$\log_{10}$で格納）は、比率計算の前に線形化（$10^x$）された。
• モデルおよび検証：
  • 分類器： ロジスティック回帰（主要）および線形SVM（堅牢性チェック）。
  • 内部検証： 被験者のリークを防ぐため、各データセット内でLeave-One-Subject-Out（LOSO）交差検証を実施。
  • 外部検証： 両方向への転移学習（AHEPA $\to$ Meghdadi および Meghdadi $\to$ AHEPA）。
  • 統計的制御： 観測された結果が偶然やデータのリークによるアーティファクトではないことを確認するため、置換無仮説検定を実施（内部検証は100回、外部検証は500回のシャッフル）。すべてのAUC推定値に対してブートストラップ95%信頼区間を算出した。

主な結果
本研究は、クロスデータセットの汎化能における顕著な非対称性を明らかにした。

1. 内部妥当性（コホート内）： 両データセットともに、厳格なLOSO検証の下でADとCNを正常に分離した。

   • AHEPA： 正解率 0.785、AUC 0.802。
   • Meghdadi： 正解率 0.753、AUC 0.799。
   • 置換無仮説により、これらの結果が有意にチャンス（偶然）を上回っていることが確認された（AHEPAの観測値を上回るシャッフル結果は0%であった）。

2. 外部妥当性（クロスコホート）： パフォーマンスは脆弱であり、方向性に強く依存していた。

   • Meghdadi $\to$ AHEPA： Meghdadiで訓練されたモデルは、AHEPAにおいて0.728のAUCを達成し、この方向への転移は成功したことを示した。
   • AHPEA $\to$ Meghdadi： AHEPAで訓練されたモデルは、Meghdadiデータセット上で崩壊し、0.329のAUCを達成した。これはチャンス（偶然）を大幅に下回っており（99.2%の置換シャッフルが同等またはより良い結果を示した）、分類器が能動的にクラスを誤分類していることを示している。

3. 失敗の診断：

   • クラスの不均衡およびスケーリングエラーは、主要な原因ではないとして排除された。
   • 失敗の原因は、特徴量の絶対的なスケールにおけるドメインシフトに起因するとされた。これは、特定のデバイスおよびモンタージュ構成に関連している。
   • 特徴量の切除（アブレーション）： 個々の特徴量を単独でテストした際、**シータ/アルファ比（TAR）**のみが堅牢性を維持した。絶対的および相対的なバンドパワーは汎化に失敗したが（AHEPA $\to$ Meghdadiの方向でクラス確率の逆転を招いた）、TARは被験者の正しいランキングを保持した（弱い方向で0.516 AUC、強い方向で0.724 AUC）。

意義および主張
本論文は、qEEGバイオマーカーの汎化の限界に関する「測定された記述」を提供することを目的としており、新しい高精度なベンチマークを提示することではない。その主な貢献は以下の通りである。

• 非対称性の実証的証拠： ある取得設定で訓練されたモデルが、別の設定に適用された際にランダムよりも著しく低い性能を示すことを実証し、qEEGマーカーが普遍的に移植可能であるという仮定に疑問を投げかけた。
• 堅牢な特徴量の特定： 異なる取得構成間で最も再現性の高いマーカーとして、シータ/アルファ比（TAR）を特定した。TARは単位不変な比率であるため、絶対的または相対的なパワー測定量と比較して、異なるハードウェアやモンタージュによって引き起こされる絶対スケールのシフトの影響を受けにくい。
• 方法論的厳密性： 厳格な被験者レベルの検証と置換テストを伴う事前登録済みプロトコルに従うことで、神経診断における外部検証の再現可能な事例を提示した。
• 実用的な推奨事項： モンタージュに依存しないEEGバイオマーカーの開発を目指す研究に対し、取得特有のドメインシフトを軽減するために、絶対的なパワー特徴量よりも相対的な比率ベースの測定量（特にTAR）を優先することを提案している。

著者は、「ヘッドライン（見出し）」は、検証された「非汎化」であると明言しており、この否定的な観察を、現在のqEEG診断ツールの境界を理解するための誠実かつ必要なステップとして位置づけている。