静止状態EEG信号の解析によるうつ病の重症度評価におけるクロス周波数結合の影響の調査

2024-06-17 Mon
背景紹介うつ病、特に主要なうつ病性障害（Major Depressive Disorder、略してMDD）は、広範囲で障害を引き起こす心理的な病気であり、「心の風邪」とも言われることがあります。MDD患者の多くは、持続的な悲しみ、希望を失った感覚、認知障害、日常活動に対する動機の喪失などの症状を経験し、個人および社会生活に深刻な影響を与えます。全世界で、うつ病の影響は極めて深刻で、3.4億人以上が何らかの形でうつ病に苦しんでいます。さらに、新型コロナウイルスのパンデミックおよびその防止措置（例えば、社会的隔離や悲しみの感情など）は、うつ病の普遍性を一層悪化させました。予測によれば、2030年までにうつ病は心血管疾患を超えて障害の主要な原因となり、毎年うつ病による死亡者数は百万人に達するとされています。その高い罹患率、高い障害率、高い死亡率、そして高い再発率を考慮すると、うつ病の早期発見と介入が極めて重要です。
従来、うつ病の重症度評価はBeckうつ病スケール（BDI-II）やハミルトンうつ病スケール（HAM-D）などの臨床評価とインタビューに依存していました。これらの評価方法の正確性は、評価者の臨床経験と患者から提供される情報の信頼性に依存しており、生物学的指標を用いていないため、診断ミスが発生する可能性があります。
近年、機能的磁気共鳴画像法（fMRI）、脳波（EEG）、磁気脳波図（MEG）などの神経画像技術の進歩に伴い、研究者はうつ病の客観的な生物学的指標に大きな関心を寄せています。EEGはその費用対効果の高さ、取得の容易さ、そして高い時間分解能によって、うつ病を含む様々な神経疾患の研究にますます頻繁に利用されています。例えば、Li氏らはEEG解析を通じてアルツハイマー病の潜在要因を解明し、Takagi-Sugeno-Kang分類器を用いて98.10％の識別精度を達成しました。
しかし、現在のうつ病に関する研究の多くは単一のEEG周波数帯に焦点を当てており、特定の脳領域の複雑性を評価するためにパワースペクトル分析や機能的結合基準（脳領域間のコヒーレンスや位相ロッキングなど）を使用しています。これらの方法は異なる周波数帯間の結合を検出する際の効果が限られており、脳内の神経処理は異なる周波数帯間の相互作用に依存している可能性が高いです。このため、クロス周波数カップリング（Cross-Frequency Coupling, CFC）の概念が生まれました。CFCは異なる周波数帯間の活動の統計的関連性を指し、様々な認知および知覚プロセス、病気状態の研究において重要な意義を持っていることが発見されています。
出典紹介本文は《Biomedical Signal Processing and Control》誌に掲載され、2024年5月17日に発表されました。主な著者はParisa Raouf、Vahid Shalchyan、およびReza Rostamiです。Raouf氏とShalchyan氏はイラン科学技術大学（Iran University of Science and Technology）の神経科学および神経工学研究所に所属し、Rostami氏はテヘラン大学（University of Tehran）心理学および教育科学部に所属しています。
研究方法とプロセス研究方法紹介本研究は静止状態EEG信号を解析することで、4種類のCFCタイプ（位相振幅カップリングPAC、位相位相カップリングPPC、周波数振幅カップリングFAC、および周波数周波数カップリングFFC）がうつ病の重症度識別にどの程度役立つかを探求しています。研究対象は22名のうつ病患者（12名は重度、10名は中度）と15名の健康な参加者で、19チャネルのEEGデータを使用して解析しました。まず、低周波帯（Delta、Theta1、Theta2、Alpha1、Alpha2）と高周波帯（BetaおよびGamma1）の間で4種類のCFCタイプを計算し、10個の顕著な特徴を選び出し、4つの分類器（サポートベクターマシン（Support Vector Machine, SVM）、線形判別分析（Linear Discriminant Analysis, LDA）、K近傍法（K-nearest Neighbor, KNN）、および決定木（Decision Tree, DT））に適用しました。
具体的なプロセスデータ収集と前処理静止状態EEGデータの記録時間は7分で、データ収集装置はMitsar-EEGの201モデル、電極配置は国際標準20-10システムに基づいています。記録した脳波信号の周波数範囲は0.5から70Hzまでで、サンプリング周波数は1000Hzです。データ前処理では50Hzのノッチフィルターと0.5から45HzのFIRバンドパスフィルターを用いて工频ノイズを除去し、独立成分分析（ICA）と運動誘発アーチファクト除去アルゴリズム（MARA）プラグインを適用してアーチファクトを除去しました。方法の一貫性を確保し、異なる記録時間による偏りを減らすため、すべての参加者のEEG信号は5分間に統一されました。
特徴抽出包括的なCFC評価を実現するために、本研究では各時間サンプルの瞬時振幅、瞬時位相、および瞬時周波数を計算しました。Hilbert変換を使用して各周波数帯の対応するパラメータを計算し、各時間の窓は6秒として設定しました。その後、Kruskal-Wallis統計検定を使用して顕著な差異を示す特徴（p値<0.05）を選択しました。
クロス周波数カップリングタイプ位相振幅カップリング（PAC）：低周波数の位相変化がどのように高周波の振幅変化に影響を与えるかを記述します。
位相位相カップリング（PPC）：異なる振動間の位相同期の程度を評価します。
周波数振幅カップリング（FAC）：ある周波数帯内の周波数変化が他の周波数帯の信号の振幅にどのように影響を与えるかを記述します。
周波数周波数カップリング（FFC）：ある周波数帯内の周波数変化が他の周波数帯の周波数変化によってどのように引き起こされるかを示します。
分類と検証10個の顕著な特徴を選び出し、5重の交差検証を用いて4つの分類モデルの性能を評価しました。SVM、KNN、LDA、およびDTの各分類器を使用し、KNNのkパラメータは10に設定、SVMは1対1の方法で分類を行いました。
研究結果各電極におけるクロス周波数カップリングKruskal-Wallis統計解析を通じて、O2電極がPACおよびFFC指標で顕著な差異を示し、右脳半球に明らかな機能障害が存在することが示されました。PAC指標を解析した結果、うつ病の重症度が増すにつれてPAC値が徐々に増加することがわかりました。一方、健康なグループのFAC値は高く、重度のうつ病グループのFAC値は低くなっていました。
電極間のクロス周波数カップリング複数の周波数帯間のCFCを解析したところ、FFC指標はすべての計算で最も顕著な統計的差異を示し、FFC特徴の主要対角線上の相関値は完全な関連性を示しました。特に右側側頭葉のTheta1-Gamma1帯間のPPCは、重度のうつ病グループで最も影響が大きいことがわかりました。
研究結論と意義本研究は、EEG信号内の異なる周波数帯間のCFC特徴を解析することで、うつ病の重症度とこれらの特徴との顕著な関連性を明らかにしました。抽出された各特徴の中で、最大PPCがうつ病の重症度分類に対して最も高い精度（91.43％）を達成しました。これは、クロス周波数カップリング方法が状況介入や治療効果の評価において重要な可能性を持っていることを示しています。
さらに、研究はうつ病が脳に広範な影響を及ぼし、特に右半球の側頭葉、頭頂葉、および後頭葉領域に顕著に現れることを発見しました。研究結果は臨床決定と個別化治療のための理論的な根拠を提供し、より精密なうつ病の重症度評価の実現に寄与します。
研究の特徴革新的な方法：うつ病の重症度分類において初めて4種類のCFCタイプの効果を系統的に研究しました。
高い分類精度：最高の分類精度は91.43％であり、従来の方法をはるかに上回りました。
神経メカニズムの探求：うつ病における脳の異なる領域および周波数帯の相互作用の潜在的メカニズムを明らかにしました。
本研究を通じて、クロス周波数カップリング分析方法は精神医学の臨床においてうつ病の重症度を評価する新たな視点と方法を提供し、今後の研究と応用のための堅実な基盤を築きました。