臨床特徴、認知特性、炎症関連タンパク質、EEGデータに基づくうつエピソードの予測

脳波と血液検査を気分の手がかりに変える理由

うつ病は数億人に影響を与える一方で、医師は依然として主に面接や質問票に基づいて診断しています。本研究は、睡眠の問題、認知機能、脳活動、血中の免疫分子に隠れたパターンを組み合わせ、最新のコンピュータ技術でうつ状態をより客観的に示す信号を得られるかを検討します。もしそのような信号が信頼できるなら、早期発見や治療の個別化に役立つ可能性があります。

多様な手がかりを統合する

研究者は大うつ病性障害の成人115名を追跡し、66名の健常ボランティアと比較しました。各参加者について、うつ、 不安、快楽経験、失眠の評価尺度；記憶、注意、視空間的思考の詳細な検査；脳ネットワークの高速な変化を追うEEGマイクロステートと呼ばれる特殊な脳記録；血中を循環する30種以上の炎症関連タンパク質のレベルという幅広い情報を収集しました。患者のうち56名は抗うつ薬治療後の4週間で再評価されました。患者の最初のデータと全ての健常ボランティアのデータを使ってコンピュータモデルを訓練し、追跡データと同じ健常群を用いてこれらのモデルが新しい測定でうつをどれだけ認識できるかを検証しました。

コンピュータがうつ病の指紋を探す方法

データセットは情報量が多いが中規模だったため、研究チームはまず欠測の多い測定を除外し、より小さい欠損は確立された統計手法で埋めるなど慎重にデータを整備しました。次にLasso回帰という手法で何十もの候補指標を絞り込み、うつ病の有無に最も情報を与える少数の指標を特定しました。そこから注目された8つの特徴に焦点を当てました：不眠の重症度、視覚情報の処理・構成能力を測る視空間課題の成績、EEGの特定パターンであるマイクロステートDの平均持続時間、そして血中の5つの炎症関連タンパク質（IL-8、IL-18、MMP-8、CD40、CASP-8）です。これらの特徴を6種類の機械学習アルゴリズムに入力して、うつの参加者と健常者を識別するパターンを学習させました。

モデルがうつ病の身体と脳について学んだこと

6つのコンピュータモデルはいずれも良好に機能しましたが、追跡データで検証したところ、k近傍法（k-NN）モデルが際立ち、約95%の正解率でうつと非うつをほぼ完全に分離しました。どの信号が重要かを調べるために、研究者は各特徴をモデルの決定に寄与する“プレーヤー”として扱う説明手法を用いました。その結果、IL-8とIL-18という2つの免疫タンパク質が特に影響力を持ち、次いで不眠スコア、MMP-8、免疫受容体のCD40、酵素CASP-8、視空間的思考能力、そしてマイクロステートDの平均持続時間が続きました。モデルから炎症関連タンパク質をすべて除くと性能が急落し、免疫マーカーは他の臨床指標や脳指標の単なる重複ではなく、独自の情報を付加していることが示されました。

睡眠、認知、炎症にとっての意味

この結果のパターンは、慢性的な低度炎症と乱れた脳ネットワークがうつ病に関係するという広がる研究と整合します。本研究のうつ患者は睡眠が悪く、特定の視空間課題での思考が鈍り、EEGにおけるマイクロステートDのタイミングが変わり、血中のいくつかの免疫タンパク質のレベルが変化していました。単一の測定に頼るのではなく、これら複数領域のパターンを組み合わせることで、うつエピソードの強力な信号が得られました。結果は、不眠や微妙な認知変化が単なる副作用ではなく、うつの核心的要素であることを強調しています。

将来のケアにとっての意義

一般の読者にとっての結論は、うつ病は慎重に選ばれた検査と高度なコンピュータ解析によって身体と脳に残す痕跡を捉えられる、ということです。本研究は比較的小さな睡眠指標、認知測定、脳波特徴、血中タンパク質のパネルが組み合わさることで、高い精度でうつ患者を健常者と区別できることを示唆しています。単一の病院で行われ、より大規模で多様な集団や長期間の追跡で確認する必要はありますが、臨床面接を補助する生物学的に裏付けられた客観的ツールへの道筋を示しています。

引用: Sun, W., Yang, H., Sun, C. et al. Prediction of depressive episodes based on clinical features, cognitive characteristics, inflammation-related proteins, and EEG data. Transl Psychiatry 16, 202 (2026). https://doi.org/10.1038/s41398-026-03960-4

キーワード: 大うつ病性障害, バイオマーカー, 炎症, EEGマイクロステート, 機械学習