急性期脳卒中後の上肢運動回復予測における脳波および亜急性期データの活用

科学分野:

• 神経科学
• 生物医学工学
• リハビリテーション科学

背景:

• 脳卒中後の上肢機能の回復を予測することは困難である。
• 既存の予測方法、例えば比例回復則には限界がある。
• 脳波（EEG）は機能回復評価のための潜在的なバイオマーカーを提供する。

研究 の 目的:

• 脳卒中生存者の上肢運動回復を予測するための、新規のEEGベース機械学習モデル（StrokeRecovNet）を開発および検証する。
• StrokeRecovNetと比例回復則の予測性能を比較する。
• 正確な回復予測に寄与する主要なEEGバイオマーカーを特定する。

主な方法:

• 221のEEGバイオマーカー（スペクトルおよび機能的接続性）と臨床データを使用して、フィードフォワードニューラルネットワークであるStrokeRecovNetを開発した。
• 急性期および亜急性期の脳卒中患者の2つの独立したデータセットでモデルを訓練および検証した。
• 上肢運動機能評価（FMAUE）スコアを予測するための絶対誤差中央値（MAE）を使用してモデル性能を評価した。

主要な成果:

• StrokeRecovNetは、亜急性期におけるFMAUEスコアの予測において、比例回復則を有意に上回った（MAE：5.85対19.00）。
• 亜急性期EEGデータの組み込みは、急性期脳卒中患者の予測を改善した（PRRの場合：5.87対8.80）。
• 脳の対称性指数および機能的接続性の尺度は、回復段階に応じて変化する主要な予測特徴量であった。

結論:

• EEGベースのバイオマーカーは、脳卒中生存者の個々の上肢運動回復軌跡を効果的に予測できる。
• StrokeRecovNetは、従来のベンチマークを上回る回復を予測するためのデータ駆動型アプローチを提供する。
• 亜急性期EEGデータは、早期予測精度を向上させ、個別化された脳卒中後のリハビリテーション計画をサポートする。