単一チャンネルEEGを用いた発作予測：深層学習による研究

発作予測が重要な理由

多くのてんかん患者にとって、発作は予告なく起こり、仕事や学業、日常生活を乱します。数分前でも確実に接近する発作を警告できるシステムがあれば、患者は安全に座る・横になる、助けを呼ぶ、運転や調理といった危険を伴う行為を一時停止するといった対応時間を確保できます。本研究は、病院用の多数電極キャップの代わりに、単一の小さな脳波センサーと、最終的にウェアラブルで動作可能なコンパクトな人工知能でそのような警告が生成できるかを検討します。

よりシンプルに脳活動を観察する方法

これまでの多くの発作予測研究は、頭皮全体に多数の電極を配置する複雑な記録法に依存してきました。これらは実験室では有効でも、嵩張り、消費電力が大きく、日常的に装着するのは難しいという問題があります。研究者らは代わりに「単一チャンネル」記録に着目し、同時に一か所からの脳活動のみを捉えます。額、こめかみ、後頭部の6つの電極位置を選び、軽量なヘッドバンドやパッチで実用的に配置できる点を重視しました。重要な問いは、単一の適切に配置されたセンサーが、発作前に徐々に蓄積する微妙な脳活動の変化を十分に捉えられるかどうかでした。

小型の脳波リーダーを訓練する

生の脳波をコンピュータが学習できる形にするために、データを10秒ごとの区間に分割し、それぞれを時間に沿った周波数ごとの信号強度変化を示す一種の画像に変換しました。これらの画像を、モバイル端末や低消費電力デバイス向けに設計されたネットワークファミリーMobileNetに触発された簡素化された深層学習モデルに投入しました。層や接続を注意深く削減することで、著者らは調整可能なパラメータを約38,000未満にまで縮小し、多くの現代的な画像認識システムに比べてごく小さいサイズにしつつ、発作に関連する有用なパターンを学習できるようにしました。

有用な警告時間の定義

患者の観点では、正しい検出がすべて同じだけ役立つわけではありません。警告が遅すぎればほとんど役に立たず、早すぎれば不必要な不安を引き起こします。したがって本研究では現実的なニーズを反映した明確な時間ルールを採用しました。各発作について、発作発生直前の2分間を「警告なし」ゾーンと定義し、この間に反応するのは難しいと想定しました。そのさらに前の30分間を真の予測ウィンドウとし、この範囲内で発作が続けば警告は成功と見なします。モデルの学習と評価には、このウィンドウ内のデータと、発作から十分に離れた明確に正常な期間のデータのみを使用しました。

システムの性能

モデルは2つの患者群で評価されました：ソウル大学病院で治療を受けた薬剤抵抗性局在性てんかんの成人群と、広く利用される公開データセットの小児および若年成人群です。将来のデバイスが装着者に適応する場面を模すため、個々の患者ごとにその人のデータのみでモデルを訓練・評価しました。患者間で平均すると、モデルは10秒区間を約86〜91％の正解率で分類し、誤警報率も比較的低く抑えられました。厳格な時間ルールで全発作単位で評価すると、病院群で約95％、公開データセットで約98％の発作を予測に成功しました。興味深いことに、額の電極が最も良く機能する傾向があり、医療的に同定された発作発生ゾーンに近いことが必ずしも精度向上につながるわけではありませんでした。

日常生活にとっての意義

これらの結果は、単一の小型脳波センサーと高効率の学習アルゴリズムを組み合わせることで、実用的な30分の時間窓内に多くの発作を信頼して早期警告できる可能性を示唆します。より大規模で多様な患者群での追加検証や、個人ごとのチャネル選択の改良が必要ですが、本研究は長時間快適に装着でき、限られたバッテリーで動作する発作予測システムの方向性を示しています。こうしたツールは発作を防ぐものではありませんが、てんかんのある人々が日常生活を計画する際のコントロール感や自信を高める助けになるかもしれません。

引用: Jang, D., Jung, KY., Jeon, YG. et al. Single-channel EEG-based seizure prediction using deep learning. Sci Rep 16, 15888 (2026). https://doi.org/10.1038/s41598-026-44670-7

キーワード: てんかん, 発作予測, EEG, ウェアラブル機器, 深層学習