人間の頭蓋内EEGの定量解析とてんかん発作予測のための自動特徴学習

目的: 本研究の目的は、特に薬剤耐性てんかん患者向けに、頭蓋内電気生理記録（intracranial EEG; iEEG）データを使用して効率的かつ信頼性の高いてんかん発作予測システムを開発することである。予測プロセスは、患者に迫り来る発作を警告するのに十分な速さで正確な結果を提供しなければならない。方法: 我々は人間のiEEGデータを定量的に分析し、てんかん発作前の脳の挙動と発作間期における挙動についての洞察を得ることを目指している。次に、データ量を削減し、時系列iEEGデータを畳み込みニューラルネットワーク（convolutional neural networks; CNNs）への入力として使用可能な画像形式に変換するための効率的な前処理手法を導入する。さらに、多尺度CNNによる自動特徴学習を行うてんかん発作予測アルゴリズムを提案する。結果: 1) iEEGチャンネルには補完的な情報が含まれており、個々のチャンネルを除外することは、正確なてんかん発作予測に必要な空間情報を保つために望ましくない。2) 伝統的な主成分分析（PCA）は、てんかん発作予測におけるiEEGデータ削減の信頼性のある方法ではない。3) 手作りのiEEG特徴量は、患者間や同一患者内の時間経過によってiEEGデータが異なるため、信頼性のあるてんかん発作予測性能には適していない可能性がある。4) てんかん発作予測結果は、我々のアルゴリズムが既存の手法よりも優れており、平均感度87.85%およびAUCスコア0.84を達成していることを示している。結論: 発作直前と遠隔期における人間の脳の挙動を理解することは、より良いてんかん発作予測器設計につながる。意義: 正確なてんかん発作予測アルゴリズムは、患者に対して次の発作到来を警告することで危険な活動を避けることができるようにする。その後、投薬により迫りくる発作を中止させ、けがのリスクを最小限に抑えることが可能となる。