Deep Learning for Automated Tic Detection and Prediction in Tourette Syndrome Using Electromyography and Video

トゥレット症候群は、チックと呼ばれる突然で不随意な動きや音を特徴とする神経学的疾患です。この障害と共に生きる人々にとって、チックは素早いまばたきから、複雑な肩のすくみや発声の爆発まで多岐にわたります。この疾患はよく知られていますが、臨床現場で正確に測定することは依然として困難です。現在、医師は患者や介護者が過去1週間にどれくらいの頻度でチックが発生したかを記憶していることに頼ったり、診察室で録画された短いビデオクリップを観察したりしています。どちらの方法も不完全です。人間の記憶は間違いやすく、短い診察では患者の日常生活の全容を見逃してしまう可能性があるからです。チックは強度が変動し、一時的に抑制されることもあるため、客و観的に捉えるには、疲れることなく継続的に観察できるツールが必要です。

研究者たちは、センサーを使用して筋肉の活動を記録し、カメラを使用して動きを記録することで、この問題を解決するためにテクノロジーへとますます傾倒しています。そのような取り組みの一つとして、フロリダ大学の研究チームが、チックをリアルタイムで検知できるコンピュータシステムを構築しようと試みました。彼らは、人工知能が、筋肉からの電気信号と身体のビデオ映像のみを使用して、人が安静にしている状態、意図的に筋肉を動かしている状態、そしてチックが発生している状態を区別することを学習できるかどうかを知りたいと考えました。彼らの目標は、信頼できるモニタリング方法を創り出し、それが最終的には治療内容を調整したり、チックが発生する直前に自動的に治療を誘発したりすることに役立つようにすることでした。

チームは、トゥレット症候群と診断された16人の成人からデータを収集しました。各被験者は3ヶ月間にわたり複数回クリニックを訪れ、その間、研究者は腕と首に配置された8つの小さなセンサーを使用して筋肉の活動を記録しました。同時に、高精細カメラが彼らの動きを撮影しました。コンピュータが正しい教訓を学べるように、4人の専門家がビデオ映像をレビューし、チックが発生した瞬間、安静にしていた時、および随意的に動いていた時を正確にマークしました。研究者たちは、このペアデータ（筋肉の信号とビデオのラベル）を、パターンの認識に設計された3種類の異なるコンピュータモデルに入力しました。彼らは、モデルを2つの方法でテストしました。第一に、現在の瞬間に何が起きているかを特定させること、第二に、次の瞬間に何が起きるかを予測させることです。

研究の重要な部分は、コンピュータが決定を下すまでにどれだけの時間を必要とするかをテストすることでした。研究者たちは当初、チックは非常に短いため、コンピュータは非常に短い時間のスライス、おそらくわずか1秒間を見るのが最適だと予想していました。彼らは1秒、5秒、10秒のウィンドウ（時間枠）をテストしました。結果は彼らを驚かせました。すでに起きているチックを検出するというタスクにおいては、コンピュータは5秒間のウィンドウを見た時に最も高い性能を発揮しました。この長い時間枠において、モデルは0.79のAUC（曲線下面積）でチックを特定でき、これはチックの電気的な特徴が数秒間にわたって展開され、明確に認識されるためには多少のコンテキスト（前後関係）が必要であることを示唆しています。対照的に、コンピュータがチックが起こる前にそれを予測しようとした場合、最も短い1秒間のウィンドウで最も優れた結果を示しました。これは、来るべきチックの前兆は非常に最近の出来事であり、一過性のものであるため、システムは長い履歴よりも直近の事象に集中する必要があることを示しています。

研究の結果、コンピュータモデルは、チックが発生している最中にそれを検知することについては、発生前に予測することよりも概して優れていることがわかりました。時間的データに特化したニューラルネットワークを使用した最も成功した検出モデルは、0.79のAUCに達しました。これは強力な結果ですが、研究者たちは、システムはまだ完璧ではないと指摘しています。モデルは将来のチックを予測することに苦戦し、その性能は分析する時間窓の長さによって変動しました。また、チームは、筋肉の信号が専門家のビデオラベルと一致しているデータでトレーニングを行った場合に、コンピュータモデルが最もよく学習することも観察しました。

研究者たちは、自分たちの研究の限界についても慎重に言及しました。データは、すでに脳深部刺激術を受けた特定の患者グループから得られたものであり、彼らの筋肉の信号は一般の人々とは異なる可能性があります。センサーは腕と首に配置されていたため、システムはそれらの特定の筋肉に関与しない発声チックや顔のチックを検知できませんでした。さらに、ビデオデータのラベル付けを行った専門家たちの間で、チックがいつ始まり、いつ終わったかについて完全に一致することはなく、これがトレーニングプロセスにわずかな不確実性を導入しました。こうした制約はあるものの、本研究は何が可能であるかについての明確なベンチマークを提供しています。これは、チックを検出するためには、確信を持つために数秒間のデータが必要であるが、予測するためには、最も直近の信号に対して即座に反応しなければならないということを示唆しています。

この研究は、トゥレット症候群を継続的かつ客観的にモニタリングできる将来のツールの基礎を築くものです。記憶や短い診察に頼る代わりに、これらの知見に基づいて構築されたシステムは、症状の全体像を提供するために、数日から数週間にわたって個人の状態を追跡できる可能性があります。現在のモデルはまだ日常的な使用には適していませんが、本研究は、筋肉センサーとビデオ分析、そして人工知能を組み合わせることが、有望な道であることを示しています。チックを検知するためにコンピュータがどれだけの時間を必要とし、それが随意的な動きとどのように異なるのかを理解することで、科学者たちは、推測ではなくリアルタイムのデータに基づいて治療を調整できるシステムを設計し、より効果的に病状を管理できる未来へと近づくことができるのです。