深部脳刺激中の個別化された教師ありおよび教師なし頭蓋内睡眠デコーディング

科学分野:

• 神経科学
• 生物医学工学
• 睡眠医学

背景:

• 睡眠障害はパーキンソン病（PD）患者にとって大きな課題です。
• 適応型深部脳刺激（aDBS）は、睡眠神経生理学を標的とすることにより、潜在的な治療経路を提供します。
• 個別化された機械学習（ML）アプローチが睡眠段階分類に探求されています。

研究 の 目的:

• 深部脳刺激（DBS）を受けているPD患者の頭蓋内記録を使用した睡眠段階分類における個別化されたMLモデルの有効性を評価すること。
• 潜在的な治療アプリケーションのために、現在のDBSデバイスにこれらのMLモデルを実装する実現可能性を評価すること。

主な方法:

• 慢性DBS中の5人のPD参加者からの283時間の頭蓋内皮質-基底記録および同期頭皮EEG睡眠段階ラベルを取得しました。
• 睡眠段階分類のために、個別化された教師ありおよび教師なしMLモデルを開発および適用しました。
• DBSデバイスでのリアルタイム実装に適したモデルを含む、分類精度を評価しました。

主要な成果:

• 平均5段階睡眠分類精度は、PD被験者全体で80.2％に達しました。
• 線形モデルを使用したバイナリNREM睡眠分類は、現在のDBSデバイスで実装可能であり、85.9％の精度を達成しました。
• NREM識別のための教師なしクラスタにトレーニングされた線形モデルは、83.5％の精度を示しました。

結論:

• 個別化された教師ありおよび教師なしMLモデルは、PD患者のDBS中の頭蓋内データを使用した睡眠段階の分類に実現可能です。
• これらの発見は、パーキンソン病の睡眠の質を改善するためのML駆動型適応型DBSの可能性を示しています。
• 本研究は、個別化された神経治療のための高度な計算技術の使用の実行可能性を強調しています。