2023 Fiscal Year Annual Research Report
軽度認知障害(MCI)を判別するEEGバイオマーカーの機械学習による解明
| Project/Area Number |
22KJ3206
|
|---|
| Allocation Type | Multi-year Fund |
|---|
| Research Institution | National Center for Geriatrics and Gerontology |
|---|
Principal Investigator |
片山 脩 国立研究開発法人国立長寿医療研究センター, 予防老年学研究部, 特別研究員(PD)
|
|---|
| Project Period (FY) |
2023-03-08 – 2024-03-31
|
| Keywords | 脳波 / 軽度認知障害 / 機械学習 / MRI |
|---|
| Outline of Annual Research Achievements |
研究期間全体を通して835名の認知機能検査、頭部MRI、脳波の測定が令和5年度までに完遂した。そして、本研究課題について世界トップレベルの研究室でさらに遂行するためにアメリカ合衆国のコロンビア大学認知神経科学研究部のYaakov Stern教授の研究室へ5月から2月まで留学した。留学中に本研究課題であるMCIを有する地域在住高齢者の神経生理学的特徴を脳波を用いて検討した。402人の健常対照者（HC）と47人のMCI者の人口統計学的特徴、認知機能、身体機能、安静時MRIと脳波（rs-EEG）、Simon課題中の事象関連電位（ERP）、課題正答率と反応時間（RT）を測定した。MCI高齢者のrs-EEGネットワークを評価するために、eLORETA-ICAを使用した。結果は MCI群ではSimon課題の正答率が低く、RTが遅いことが観察された（p<0.01）。HC群とMCI群でMRIから算出した脳容積に差はなかったが、MCI群では背側注意ネットワーク（DAN）活動（p < 0.05）とERPのN2振幅（p < 0.001）の有意な低下が観察された。さらに、DAN活動は、教育年数（Rs = 0.32、p = 0.027）、全般的認知機能（Rs = 0.32、p = 0.027）、処理速度（Rs = 0.32、p = 0.027）と相関が認められた。機械学習を用いたeLORETA-ICAネットワークを追加したMCIの識別精度は0.7817から0.7929、曲線下面積は0.8492から0.8495であった。結論として、非侵襲的で比較的安価な脳波を用いたrs-EEGのeLORETA-ICAアプローチは、MCI高齢者における特異的な変化を示した。eLORETA-ICAは、測定環境の制約が少なく、簡易で有効な評価法であることから、地域在住高齢者におけるMCIの早期発見に有用である。
|
-
-
[Presentation] An EEG study of neurophysiological markers of cognitive reserve2024
Author(s)
Osamu Katayama, Yaakov Stern, Christian Habeck, Annabell Coors, Sangyoon Lee, Kenji Harada, Keitaro Makino, Kouki Tomida, Masanori Morikawa, Ryo Yamaguchi, Chiharu Nishijima, Yuka Misu, Kazuya Fujii, Takayuki Kodama, and Hiroyuki Shimada
Organizer
Alzheimer's Association International Conference
Int'l Joint Research
-
-
-
