AIと神経難病・神経免疫疾患 ── 基礎（総論） ── 2026-10-17
神経変性・神経免疫の基礎研究の進展とAI
- An Interpretable Framework for Identifying EEG Spectral Biomarkers of Pathological Brain Aging.抄録（全訳）
背景：正常な老化でも、脳の機能は徐々に低下する。神経変性疾患では、その低下がより速く進む。脳波（EEG）では脳の律動活動の変化をとらえられる。このため、神経変性疾患の検出に役立つと期待されている。しかし既存の手法の多くは、スペクトルバイオマーカーの特定よりも分類性能を重視してきた。そのため臨床応用が進みにくい。 【方法】この枠組みは次の 3 つを組み合わせる。説明可能な機械学習、被験者間の異質性と時間的安定性の解析、確率モデルである。解析には、独立した 2 つの公開 EEG データセットを用いた。対象は認知機能正常者（CN）と患者である。患者の疾患はアルツハイマー病（AD）、パーキンソン病（PD）、前頭側頭型認知症（FTD）である。標準的な周波数帯域のスペクトル特徴を SHAP で解析し、2 つのデータセットのいずれでも再現するバイオマーカーを特定した。続いて、特定したバイオマーカーの被験者間の異質性、時間的安定性、経験分布を調べた。これにより、律動活動に疾患に関連した変化があるかを評価した。
結果：いくつかのスペクトル特徴は、どの分類課題でも疾患と一貫して関連していた。代表的なバイオマーカーとして浮かび上がったのは θ/α 比である。ほとんどの神経変性疾患群で、θ/α 比は CN より時間的安定性が低かった。経験分布の幅も CN より広かった。 【結論】病的な老化の際に、脳の律動活動の組織化が乱れていることを反映するのかもしれない。静的な要約値では、EEG スペクトルバイオマーカーのある側面が捨てられてしまう。この枠組みでは、その側面をとらえられる。今後の縦断研究が診断・モニタリング手法を築くための、解釈しやすい土台となる。今後の縦断研究で、この土台をもとに診断やモニタリングの手段を作れる可能性がある。
掲載誌の IF 相当：4.0（OpenAlex の直近 2 年の平均被引用数・2026-10-16 時点の値、2026-10-17 に取得。正式な IF（Clarivate）ではない）書誌：Prieur-Coloma Y, Prado P, El-Deredy W, Weinstein A. An Interpretable Framework for Identifying EEG Spectral Biomarkers of Pathological Brain Aging. Diagnostics. 2026 Sep 27;16(19):3143. doi:10.3390/diagnostics16193143.確認の範囲：抄録のみ確認