Development of a Diagnostic Method for Epilepsy by Machine Learning Using Novel EEG Biomarkers

2023 Fiscal Year Final Research Report

• Project/Area Number: 19K07964
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 52020:Neurology-related
• Research Institution: International University of Health and Welfare (2020-2023); Kyushu University (2019)
• Principal Investigator: Uehara Taira 国際医療福祉大学, 医学部, 准教授 (30631585)
• Co-Investigator(Kenkyū-buntansha): 重藤 寛史 九州大学, 医学研究院, 教授 (50335965) ; 迎 伸孝 九州大学, 大学病院, 助教 (60532843)
• Project Period (FY): 2019-04-01 – 2024-03-31
• Keywords: てんかん / 脳波 / 機械学習 / 発作間欠期てんかん性放電

Outline of Final Research Achievements

In focal epilepsy, particularly mesial temporal lobe epilepsy, many interictal epileptiform discharges (IEDs) are not visible on scalp electroencephalography (EEG). We developed a method to detect such "invisible" IEDs using machine learning. We conducted simultaneous recordings of intracranial and scalp EEGs in patients with focal epilepsy. By identifying hippocampal IEDs in the intracranial EEGs and using the features of the scalp EEGs, we performed machine learning. This allowed us to create a classifier that can detect hippocampal IEDs with high accuracy, even when they are not visible on scalp EEGs. Validation with external data showed that the classifier reflected the IED frequency in patients with temporal lobe epilepsy. However, it was suggested that improvements are needed to distinguish between epilepsy patients and non-epilepsy patients.

Free Research Field

神経内科学、臨床神経生理学

Academic Significance and Societal Importance of the Research Achievements

この研究の学術的意義は、人間の目では認知できないIEDを、頭蓋内脳波と頭皮上脳波の同時記録を学習データとすることで、人工知能によって高精度に検出できる可能性が示唆された点にある。また、外部データの検証により、側頭葉てんかん患者のIED頻度を反映する結果が得られ、臨床応用の実現性も示された。一方で、てんかん患者と非てんかん患者との判別においては、改善が必要であることも明らかになった。社会的意義としては、この研究に基づく将来の研究により、誤診のリスクが低減し、正確な診断に基づく治療が提供されることで、患者の生活の質の向上や医療コストの削減が期待される。