MEDICINE & AI

タイトル：Unsupervised learning from EEG data for epilepsy: A systematic literature review 雑誌名：Artif Intell Med. 2025 Apr; 162: 103095. 概　要： この研究は、てんかん患者のEEGデータに対する教師なし機械学習手法の利用に関する文献を系統的にレビューし、使用されるアルゴリズムや臨床応用の方法論的および臨床的な違いに焦点を当てています。てんかんは再発性の発作を特徴とする神経疾患であり、EEG活動の変化がその神経生理学的な指標です。AI手法の利用は、診断精度や予後の向上、治療結果の改善に寄与する可能性があります。 方　法： PRISMAガイドラインに従い、過去10年間に発表された文献を対象に系統的な文献検索を行いました。てんかん患者のEEGデータの分類に教師なしおよび自己教師あり手法を用いた研究を含めました。主要な成果は、アルゴリズムの訓練に使用されたデータセットの概要、前処理やアルゴリズムアーキテクチャ、検証方法、パフォーマンス評価の指標の傾向、AIの臨床応用の特定とレビューです。 結　果： 合計108件の研究が基準を満たしました。そのうち86件（79.6%）が過去5年間に、60件（55.5%）が過去2年間に発表されました。最も多く使用された検証方法は、ホールドアウト法が37件（34.2%）、k-fold交差検証が35件（32.4%）、leave-one-out法が19件（17.6%）でした。性能指標としては、正確性が71件（65.7%）、感度が62件（57.4%）、特異度が42件（39.8%）で報告され、次いでF1スコア（27件）、精度（26件）、曲線下面積（25件）、偽陽性率（22件）が続きました。臨床応用に関しては、発作検出（69件）、発作予測（27件）、信号の伝播と特徴付け（2件）、発作の局在化（4件）、発作の分類（22件）が確認されました。 結　論： このレビューの結果は、てんかんにおける教師なし学習手法の利用への関心が近年大幅に増加していることを示唆しています。方法論的には、アルゴリズムの訓練とテストに使用されるEEGデータセットが最も難しい課題です。臨床的には、ほとんどの研究が発作の検出、予測、分類に焦点を当てており、発作の特徴付けや局在化に関する研究は不足しています。今後の研究では、強化学習を通じた文脈情報の利用やモデルの説明可能性に焦点を当てることが、これらのアルゴリズムの性能向上に寄与する可能性があります。