分数次動力学ネットワークの安定化がてんかん発作を抑制する

脳内の嵐を鎮めることが重要な理由

てんかんを抱える何百万人もの人々にとって、発作は予告なしに起き、仕事や学校、日常生活を乱します。多くの患者は薬にうまく反応せず、手術や植込み型デバイスでも十分な改善が得られないことがあります。本研究は、信号が時間の経過でどのように展開するかを捉える数学的手法を用いて脳活動を読み取り、穏やかに誘導する新しい方法を探ります。目的は発作を弱め、広がりにくくすることです。

発作を変化する脳状態として見る

研究者らは発作を取り巻く4つの段階に着目しました：発作間の静かな期間、発作直前の数分、発作そのもの、そして回復期です。治療抵抗性てんかんの10人から脳表面に直接置かれた電極で得た記録を使い、データを短い時間窓に分割して各窓を変化する脳ネットワークのスナップショットとして扱いました。脳が直近の活動のみに応答すると仮定する代わりに、現在が長い履歴に依存しうることを許す数学的記述を用い、脳の記憶のような振る舞いをより忠実に反映しました。

脳リズムに潜むパターンの発見

この手法により、チームは記録から2つの主要な特徴を抽出しました。1つは現在の脳活動が過去にどれほど依存しているかを記述し、マルチスケールあるいは長距離の記憶を捉える特徴です。もう1つはその時点でネットワークがどれほど安定／不安定であるかを示す特徴です。患者間で比較すると、発作間の静かな期間はある特徴的なパターンを示し、発作直前の警告期は別のパターンを示し、発作期と回復期もそれぞれ固有の署名を持っていました。特に、静かな状態から発作へ移行する際に活動の過去依存性が高まることが分かり、一度発作パターンが現れるとその過去に依存して自己持続化しやすいことが示唆されました。

穏やかな制御信号が発作を鎮める仕組み

これらのパターンを基に、研究者らは脳ネットワークに対して小さく標的を絞った調整を計算する制御戦略を設計しました。これは部屋の温度を快適に戻すサーモスタットのように働きます。記録データを用いて、発作開始時にそのような安定化信号を適用した場合に何が起きるかをシミュレーションしました。35件の記録発作のうち27件で、調整されたネットワークは数学的に安定化し、すべての発作を通してシミュレートされた脳信号の強度は平均で約半分に低下しました。安定化できなかった発作はごく一部であり、著者らはそれらを数値的な問題に起因すると考え、そうしたケースでは特に複雑な脳変化が反映されている可能性があると述べています。

個人差とそこから分かること

チームが全患者をまとめて比較したとき、4つの脳状態は異なってはいるが重なり合っていました。個々の患者ごとに解析すると、状態間の違いははるかに明確になりました。これは発作ダイナミクスが非常に個別的であり、各人の脳構造や病歴によって形作られていることを示唆します。多くの患者で、静かな状態から発作直前の状態への移行は、発作が外見上始まる瞬間を捉えるよりも検出しやすく、外見上の兆候が現れるずっと前に微妙な変化が早期警告を与える可能性を示唆しています。

将来のケアにとっての意義

簡単に言えば、本研究は発作を過去の記憶を持つネットワーク内の嵐として見ることができ、慎重に設計された制御信号がそれらの嵐を鎮めるのに役立ち得ることを示しています。これらの結果は実患者データに基づくコンピュータシミュレーションから得られたものですが、個々人の独自の発作パターンを感知して、低強度の個別化された刺激を与え脳活動をより健全な範囲に保つような将来の植込み型または非侵襲的デバイスへの道を示しています。

引用: Wang, Y., Ashourvan, A., Ramos, G. et al. Stabilizing fractional dynamical networks suppresses epileptic seizures. Sci Rep 16, 16037 (2026). https://doi.org/10.1038/s41598-026-43151-1

キーワード: てんかん, 発作, 脳ネットワーク, 神経刺激, EEG