Deep learning-based detection in acute phase of acute encephalopathy for social implementation
| Project/Area Number |
22K15904
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 52050:Embryonic medicine and pediatrics-related
|
|---|
| Research Institution | Kagawa Prefectural College of Health Sciences |
|---|
Principal Investigator |
大栗 聖由 香川県立保健医療大学, 保健医療学部, 講師 (70791078)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2024: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2023: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
Fiscal Year 2022: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
|
|---|
| Keywords | 急性脳症 / 熱成けいれん重積 / 急性期 / 脳波解析 / Phase lag index / Power spectrum analysis / Weighted phase lag index |
|---|
| Outline of Research at the Start |
急性脳症は高熱とけいれん重積で発症し後遺症を高率に残す。しかし、予後良好な疾患である熱性けいれん重積との早期鑑別法は確立していない。近年私たちは、急性脳症と熱性けいれん重積患者の速波成分に着目し、機械学習を用いた自動診断法を開発しすることに成功した。本研究の成果は、後遺症が残る急性脳症患者の早期診断と予後予測を、脳波記録時にベッドサイドで行えるソフトとして脳波計に実装し、早期治療介入が期待できる。
|
| Outline of Annual Research Achievements |
急性脳症は高熱とけいれん重積で発症し後遺症を高率に残す。しかし、予後良好な疾患である熱性けいれん重積との早期鑑別法は確立していない。近年私たちは、急性脳症と熱性けいれん重積患者の速波成分に着目し、機械学習を用いた自動診断法を開発しすることに成功した。本研究の成果は、後遺症が残る急性脳症患者の早期診断と予後予測を、脳波記録時にベッドサイドで行えるソフトとして脳波計に実装し、早期治療介入が期待できる。2022年度は、各共同研究施設から急性脳症および熱性けいれん重積患者の脳波データを収集した。脳波データは発症後に記録された初回の脳波データと、経過があればその経過についても収集した。
脳波データを鳥取大学医学部附属病院脳神経小児科、大阪市立総合医療センター、埼玉県立小児医療センター、九州大学病院救命救急センター小児科、鳥取県立中央病院、聖隷浜松病院、埼玉県立小児医療センター、長野県立こども病院からパソコンデータとして収集した。
急性脳症と熱性けいれん重積患者を合わせて161例収集した。その中で、頭部MRI画像で異常が出現しない発症急性期（発症後48時間以内）の脳波データが記録されていた症例は、急性脳症21例、熱性けいれん重積41例であった。
現在、発症後48時間以内の脳波データに関して、脳波パワースペクトラム解析とPhase lag indexを行っている。また、並行して脳波解析データを用いた機械学習も並行して行い、新たな急性脳症診断ツールの開発に着手している。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
発症後48時間以内の脳波データに関して、脳波パワースペクトラム解析とPhase lag indexを行っている。けいれん重積（30分以上持続したけいれん）を発症し、救急外来で記録された 発症後48時間以内のデジタル脳波データ40例（急性脳症20例、熱性けいれん重積20例）に対して脳波位相関連性解析を行う。解析にはMATLABを用いてphase lag indexにて位相関連性（0～1）の平均値を周波数ごと（1～40Hz）に算出。0に近いほど位相がずれており、1に近いほど位相がそろっていると判断する。その後、周波数解析で得られた速波成分と位相関連性解析で得られた結果について多変量解析を行い、一番診断性能が良い周波数帯域およびPLI値の組み合わせを検討する。
結果として、絶対値を用いたパワースペクトラム解析では、徐波成分以外のすべての周波数帯域で急性脳症のパワー値が熱性けいれん重積と比較し、有意に低値を示した。また相対パワー値を用いた場合、全周波数帯域で急性脳症のパワー値が熱性けいれん重積と比較し、有意に低値を示した。Phase lag indexを用いた解析では、急性脳症は熱性けいれん重積と比較し、機能的結合性が有意に上昇ている電極部位間を多数認めた。
また、パワースペクトラム解析で得られた大脳マッピング画像を用いて機械学習を行い、AESDとFSの自動鑑別結果を算出した。学習データと検証データの比率を9：1から2：8まで変更し、それぞれの鑑別精度を、（正しく鑑別された検証データ数）/（検証データの総数）の式を用いて算出した。各周波数帯域の平均誤判定数は、Delta周波数帯域27％（誤判定数/検証データ総数、38/140）、Theta周波数11％（16/140）、Alpha周波数19％（27/140）、Beta周波数17％（24/140）、Gamma周波数帯域24％（33/140）であり、Theta周波数で最も誤判定回数が少なかった。
|
| Strategy for Future Research Activity |
今回収集したすべての脳波データに対して、脳波解析を行う。その後、ニューラルネットワークの一種である自己組織化マップを使用することで、既に解析した大量の急性脳症や熱性けいれん重積の解析結果を元に類似データを探し出し、急性脳症と熱性けいれん重積のデータの集まりを自動的に分類できる。前科研費で開発した速波成分による分類パターンマップに脳波位相関連性解析の結果を加え、急性脳症と熱性けいれん重積のクラスタリングを自動で作成し、新たな急性脳症と熱性けいれん重積を鑑別できる自動分類パターンマップを開発する。
また、新規症例に対して、周波数解析と脳波位相関連性解析を行い、周波数解析結果と位相関連性解析結果を融合させた新規分類パターンマップへ自動鑑別にかける。自動鑑別の結果が真の診断と合致するか確認していく。その後、既に取得している特許と本研究で得た結果を用いて、脳波計に組み込む予定である。最終的に、研究期間内に診断精度を向上させた急性脳症と熱性けいれん重積の自動鑑別システムの基盤を確立し脳波計に組み込むことで、ベッドサイドでの診断を実現させ急性脳症の後遺症を残す患者の早期発見を目的とした臨床応用を実現させる。
|
Report
(1 results)
Research Products
(8 results)
-
[Journal Article] Phase Lag Analysis Scalp Electroencephalography May Predict Seizure Frequencies in Patients with Childhood Epilepsy with Centrotemporal Spikes2023
Author(s)
Masayoshi Oguri, Tetsuya Okazaki, Tohru Okanishi, Masashi Nishiyama, Sotaro Kanai, Hiroyuki Yamada, Kaoru Ogo, Takashi Himoto, Yoshihiro Maegaki, Ayataka Fujimoto
-
Journal Title
Yonago Acta Medica
Volume: 66
Issue: 1
Pages: 48-55
DOI
ISSN
0513-5710, 1346-8049
Related Report
-
-
-
-
-
-
-
