Development of Intracranial EEG Analysis Algorithm to Improve Surgical Outcomes in Drug-Resistant Epilepsy

経験のある医師が目視で行ってきた頭蓋内脳波判読に深層学習・機械学習を応用することで、てんかん外科治療後の良好な発作予後につながる頭蓋内脳波の特徴を抽出し、発作予後を予測する新たな解析アルゴリズムを創出することが本研究の目的である。本研究では、脳波波形の「形態パターン」に着目し、まず深層学習の手本となる「形態」サンプル抽出と、畳込みニューラルネットワークによる「形態」の自動抽出ソフトウェアを構築、最終的に脳波の形態特徴と外科切除領域を入力することで術後の発作予後を予測するアルゴリズム開発につなげる。３つのステップで研究を予定している。はじめの二段階の深層学習を通じて、発作時脳波変化、発作間欠期てんかん性放電(IEDs)、高周波振動(HFO)の３つの評価項目で切除すべき領域にて出現する形態パターンの特徴を明らかにする。最後に脳波の形態特徴と切除領域の入力により術後の発作抑制率を推定する予測アルゴリズムの開発を行う。令和4年度は、まず研究計画書を作成し、NCNP倫理委員会の一括審査で承認を得て研究を開始した。現在まで4例を組み入れ、頭蓋内脳波データを収集した。研究計画のステップ１『深層学習の手本となる皮質脳波「形態」サンプル抽出と畳み込みニューラルネットワークによる「形態」の自動抽出』を推進した。これまでに研究グループで構築した画像識別ニューラルネットワークの転移学習によるHFO識別手法(Takayanagi et al 2021)を発展させ，データ拡張技術の導入と識別法の改良により皮質脳波形態サンプル検出の正解率90%以上を達成することができた。

経験のある医師が目視で行ってきた頭蓋内脳波判読に深層学習・機械学習を応用することで、てんかん外科治療後の良好な発作予後につながる頭蓋内脳波の特徴を抽出し、発作予後を予測する新たな解析アルゴリズムを創出することが本研究の目的である。本研究では、脳波波形の「形態パターン」に着目し、まず深層学習の手本となる「形態」サンプル抽出と、畳込みニューラルネットワークによる「形態」の自動抽出ソフトウェアを構築、最終的に脳波の形態特徴と外科切除領域を入力することで術後の発作予後を予測するアルゴリズム開発につなげる。３つのステップで研究を予定している。はじめの二段階の深層学習を通じて、発作時脳波変化、発作間欠期てんかん性放電(IEDs)、高周波振動(HFO)の３つの評価項目で切除すべき領域にて出現する形態パターンの特徴を明らかにする。最後に脳波の形態特徴と切除領域の入力により術後の発作抑制率を推定する予測アルゴリズムの開発を行う。令和4年度は、まず研究計画書を作成し、NCNP倫理委員会の一括審査で承認を得て研究を開始した。現在まで4例を組み入れ、頭蓋内脳波データを収集した。研究計画のステップ１『深層学習の手本となる皮質脳波「形態」サンプル抽出と畳み込みニューラルネットワークによる「形態」の自動抽出』を推進した。これまでに研究グループで構築した画像識別ニューラルネットワークの転移学習によるHFO識別手法(Takayanagi et al 2021)を発展させ，データ拡張技術の導入と識別法の改良により皮質脳波形態サンプル検出の正解率90%以上を達成することができた。