自動化された聴性脳幹反応解析のためのオープンソース深層学習ツールボックス（ABRA）

より良い聴力検査が重要な理由

平均寿命の延びに伴い、聴力低下は世界的に最も一般的な健康問題の一つになりつつあります。それは会話を困難にするだけでなく、後年の記憶障害や認知症と関連していることがわかってきました。聴力障害を理解し治療するために、研究者は耳と脳幹から得られる特別な電気記録、聴性脳幹反応（ABR）に頼っています。これらの記録は強力ですが、従来は専門家が波形を目で見て評価する必要があり、時間がかかり主観的です。本論文は、こうした信号を迅速かつ一貫して読み取るために現代の人工知能を利用した、無料の自動化ソフトウェアツールボックスABRAを紹介します。

耳に届くクリックから画面上の波形へ

短い音が耳に与えられると、内耳の小さな感覚細胞とそれに続く神経線維が短時間で発火します。この活動は脳幹へと伝わり、頭に置いた電極で検出できます。結果として得られるのがABRトレースで、音の後の最初の数千分の一秒以内に現れる一連の小さな波です。マウスでは、最初の大きな波が聴神経の活動を反映し、特に有毛細胞と神経線維の間の接続（シナプス）喪失を含む蝸牛の早期損傷に敏感です。研究者はこれらの波を読み取り、どの音量で聞こえるか（閾値）や神経反応の強さや速さを推定します。これらの指標の小さな変化は、標準的な聴力検査に現れる前の隠れた障害を明らかにすることがあります。

手作業評価の問題点

ABR検査自体は客観的な記録ですが、解析方法は必ずしも客観的とは限りません。研究室ごとに異なるソフトウェアを使用し、経験豊富な評価者であっても波がどこで始まり、どこでピークに達し終わるかについて意見が分かれることがあります。特に信号が弱いかノイズが多い場合は顕著です。大規模な実験で数千のトレースを手動でマーキングするのは何時間もかかり、研究間で結果を比較するのが難しくなります。規則ベースの計算法や従来の機械学習手法を試したグループもありますが、これらは柔軟性が限られ、現代の研究で用いられる多様な記録設定、マウス系統、聴力損傷の種類に対応しきれないことがあります。

新しい自動化ツールボックス

ABRA（Auditory Brainstem Response Analyzer）は、深層学習モデルと使いやすいインターフェースを組み合わせることでこれらの課題に取り組みます。著者らは畳み込みニューラルネットワークという、複雑なパターン認識に優れた人工知能を、三つの独立した聴覚研究ラボから収集した2万件以上のABR記録で訓練しました。機器や音設定、マウスモデルの違い—加齢が早い個体や大きな騒音に曝露された個体を含む—があっても、同じモデルが波の主要な特徴を検出し、聴覚に由来する応答と単なる背景ノイズを区別することを学びました。ABRAには主に二つのツールが含まれており、ひとつは最初のABR波の時間と振幅を特定し、もうひとつは一連の音レベルにわたってどのレベルが真の聴覚閾値に相当するかを判定します。

専門家と同等、しかも何十倍も高速

ABRAの性能を評価するため、チームはその自動測定を何千もの人手によるラベリングと比較しました。ABRの最初の波について、ABRAの時間と大きさの推定は、ほとんど常に専門家のマーキングからミリ秒やマイクロボルトのごく僅かな誤差内に収まり、最大の誤差は信号自体がほとんど見えない場合にのみ生じました。閾値検出では複数の機械学習モデルが検討され、深層学習アプローチはすべての精度指標で単純な手法を上回りました。直接比較では、ABRAは専門家同士の一致率とほぼ同等に専門家ラベルと一致し、別の一般的なABRパッケージで使われる既存の相互相関法にも匹敵するか上回りました。重要なのは、90セットのマウスデータを解析するのに専門家の手作業では約1時間かかったのに対し、ABRAでは1分未満で済み、およそ75倍の高速化が得られた点です。

聴覚研究にとっての意義

ABRAは、従来遅く主観的だった聴覚実験の手順を、迅速で標準化され共有可能なプロセスへと変えます。オープンソースでありオンラインで自由に入手でき、複数の一般的なファイル形式を読み取れるため、特別なプログラミングスキルがなくても既存のワークフローに組み込めます。現在のモデルはマウスデータで訓練されており、最初のABR波について最もよく検証されているため、非常に特殊なケースや他の種では専門家の確認や将来の再訓練が必要な場合があります。それでも、このツールボックスは人工知能が複雑な生体信号を解釈する方法を示しており、加齢・騒音・疾患による聴力低下の研究を助け、最終的には聴力と脳の健康を守る取り組みを支援します。

引用: Erra, A., Miller, C.M., Chen, J. et al. An open-source deep learning-based toolbox for automated auditory brainstem response analyses (ABRA). Sci Rep 16, 9855 (2026). https://doi.org/10.1038/s41598-026-38045-1

キーワード: 聴力障害, 聴性脳幹反応, 深層学習, 自動信号解析, マウス神経科学