EEG信号と遺伝情報を用いたアルツハイマー病分類の機械学習アルゴリズムの比較分析
カテゴリ：高齢者医療・介護
公開日：2026年2月19日
タイトル：Comparative analysis of machine learning algorithms for Alzheimer's disease classification using EEG signals and genetic information.
雑誌名：Comput Biol Med. 2024 Jun; 176: 108621.
概 要：
本研究は、アルツハイマー病（AD）の早期発見と診断を向上させるために、EEG信号と遺伝情報を統合した機械学習モデルの性能を比較しました。ADは認知機能の低下や記憶障害を特徴とする進行性神経変性疾患であり、異常なベータアミロイドプラークやタウタンパク質の蓄積が関連していますが、現在の画像技術では直接的な検出が困難です。そこで、EEG信号、遺伝型、ポリジェニックリスクスコアを特徴量として使用し、勾配ブースティング（XGB）、ランダムフォレスト（RF）、サポートベクターマシン（SVM）の性能を比較しました。SVMモデルにおいて、EEGと遺伝データを統合することで、92.0%の精度と0.916の曲線下面積を達成しました。
方 法：
本研究では、EEG信号、遺伝型、ポリジェニックリスクスコアを特徴量として用いた機械学習モデルの性能を比較しました。対象としたアルゴリズムは、勾配ブースティング（XGB）、ランダムフォレスト（RF）、サポートベクターマシン（SVM）です。統計分析により、EEG信号と臨床症状との有意な相関が示されました。
結 果：
SVMモデルを用いた結果、EEG信号と遺伝情報を統合することで、アルツハイマー病の分類において92.0%の精度と0.916の曲線下面積を達成しました。この結果は、ADの複雑さを他の疾患と区別する能力を示しています。
結 論：
本研究は、リアルタイムのEEGデータと遺伝的背景情報を活用した新しいマルチモーダル機械学習アプローチを提案し、アルツハイマー病患者の実際の状態に対する理解を深めることができる可能性を示しました。