ADHD 早期検出の潜在的バイオマーカーに関する研究報告：位相ベースの脳機能接続とグラフ理論分析に基づいて

本文は「ADHD 早期検出のための潜在的バイオマーカーに関する研究：位相ベースの脳機能接続とグラフ理論分析を用いて」と題された研究報告である。本研究は Farhad Abedinzadeh Torghabeh、Seyyed Abed Hosseini、および Yeganeh Modaresnia により完了され、Physical and Engineering Sciences in Medicine（2023）第46巻、1447-1465ページに掲載された。本文は2023年9月5日にオンラインで公開された。この記事では、学術的な背景、研究方法、実験結果、および科学的価値が詳述される。

学術背景と研究問題

注意欠如・多動症（ADHD）は注意力不足と過度の活動性/衝動性の症状を特徴とする神経発達障害であり、これらの症状は子供の日常生活に明らかな影響を及ぼす。メタアナリシスのデータによると、世界の子供および青年期の ADHD の有病率は約5.3%であり、男女比は約2:1である。科学者たちは、ADHD は主に注意力や集中力を制御する特定の脳領域の機能不全に起因すると考えており、遺伝も ADHD の発展に重要な役割を果たしている。ADHD の子供は、しばしば社会的な困難、学業問題、自尊心の問題、および家庭への負の影響に直面する。また、これらの子供は特定の認知能力（例えば言語および視聴覚記憶、運動協調、作業記憶、警戒、衝動と抑制の制御、プログラミングおよび動作シーケンス）においても挑戦を感じる可能性がある。したがって、早期の検出と介入が特に重要であり、複雑な要因が出現する前に効果的な介入が可能となる。

異なる脳領域をつなぐ機能的接続およびその変化が多くの脳疾患において重要であることが広く研究されている。グラフ理論（Graph Theory, GT）は、脳ネットワークの機能と効果的な接続を評価するための効果的な方法であり、数学的にノードとエッジを使って脳ネットワークの構造を描く。脳接続の研究は通常、脳波（EEG）、脳磁図（MEG）、および機能的磁気共鳴画像法（fMRI）などの多様な手法を使用する。その中でも、EEG は高い時間分解能、データ取得のコスト効率、および広い周波数帯域により、脳接続研究の診断ツールとして広く使用されている。

研究の出所と著者情報

この研究は Farhad Abedinzadeh Torghabeh、Seyyed Abed Hosseini、および Yeganeh Modaresnia により執筆され、すべての著者はイランの Mashhad にある Islamic Azad University に所属している。この研究は2023年4月27日に受理され、2023年7月24日に承認され、2023年9月5日にオンラインで公開され、Physical and Engineering Sciences in Medicine に掲載された。

研究プロセス

データベースと前処理

本研究は公開されているデータセットを使用し、ADHD 子供61人と精神障害歴のない健康な子供（Healthy Control, HC）60人の脳波（EEG）記録を含む。すべての被験者は右利きで、平均年齢は9.73 ± 1.76歳であった。視覚注意課題中に、国際10-20システムに基づいて19電極で EEG 信号が128 Hz のサンプリング率で記録された。

EEG信号はEEGLABツールボックス（2022.1版）を使用して前処理された。連続した EEG 信号はまず、1-48 Hz の帯域通過有限インパルス応答（FIR）フィルターでフィルタリングされ、電源ノイズが排除された。続いて、Clean Rawdata プラグインを使用して電極の移動による可視的なアーチファクトが自動的に消去された。次に、全てのチャンネルの平均参照値に再参照されるリリファレンスプログラムが実行された。EEG 信号は独立成分分析（ICA）によって分解され、筋肉パターンや眼のまばたき/動きを含む無関係なデータアーチファクトが消去された。これらの成分は ICLabel プラグインを使用して自動的に認識および消去された。その後、時間シリーズは一般的な EEG 周波数帯にフィルタリングされ、セグメント化された。

位相測定方法

位相遅延指数（Phase-Lag Index, PLI）

本研究では、PLI を利用して各周波数帯および各セグメントで全19対のノードの機能的接続を測定した。この方法は、位相ベースの接続測定における一般的な問題を解決し、通常、ゼロ位相遅延接続を無視する。PLIの理論は、体積伝導によって誤った接続が出現する場合、位相角の差が0ラジアン付近に分散するというものである。一方で、接続が体積伝導によるものでない場合、位相角は主に正または負の分布を示す。そのため、対称分布は偽接続を示す可能性があり、非対称分布は接続が発生源によるものであることを示している。

局所位相クラスタリング（Inter-Site Phase Clustering, ISPC）

ISPCはEEG接続分析で広く用いられる位相同期測定であり、異なる時間点での2つの信号の位相角の一致を計算する。ISPCは平均位相角を計算し、チャネルペア間の違いを示し、EEG接続の範囲が0から1であることを示している。

グラフ理論分析と分類

EEG接続分析はグラフ理論（GT）を使用して実施され、7つの一般的な局所特性が抽出された。これには、クラスタリング係数（Clustering Coefficient, CC）、局所効率（Local Efficiency, LE）、Louvainコミュニティ（Louvain Community, LC）、ノード強度（Node Strength, NS）、ノード度（Node Degree, ND）、ノード間中心性（Node Betweenness Centrality, NBC）、およびサブグラフ中心性（Subgraph Centrality, SC）が含まれる。次に、6つの分類方法（k近傍法（KNN）、線形判別分析（LDA）、ナイーブベイズ（NB）、決定木（DT）、線形サポートベクターマシン（SVM）、および3層人工ニューラルネットワーク（ANN））を用いて分類が行われた。

統計テスト

統計テストは、p 値を計算することで2つのグループ間に有意差が存在するかどうかを決定するために行った。t 統計テストはグラフ特性に対して行われ、仮説を検証し、信頼性の高いバイオマーカーを提供する。

研究結果

ISPC および PLI 接続測定の分類結果

ISPC および PLI 接続測定の分類を行い、平均分類精度はそれぞれ99.174%および98.347%となった。具体的なモデルおよび周波数帯での分類精度も本文に記載されている。

統計分析により、ADHD 患者は δ、θ、および α 周波数帯ならびに前頭（F3）および中心（C3）チャネルで高い値の特性が存在することが示された。

結論

本研究では、EEGデータを分析し、位相ベースの脳機能接続およびグラフ理論を適用することで、ADHD 早期検出のための潜在的なバイオマーカーを提案した。研究の結果、PLI 接続の SC 特性が β 周波数帯で高い分類精度を示し、NBC および ISPC 特性は δ および θ 周波数帯でも強力な区別能力を示した。これらのバイオマーカーは ADHD の診断において大きな可能性を示しており、有効な介入戦略を特定するための助けとなり、ADHD 患者の生活の質を改善することができる。