マルチフラクタル脳波解析は、軽度認知障害における認知機能検査のスコアや臨床病期分類と相関している

/ /

日本語AIでPubMedを検索

PubMedの提供する医学論文データベースを日本語で検索できます。AI(Deep Learning)を活用した機械翻訳エンジンにより、精度高く日本語へ翻訳された論文をご参照いただけます。

J Clin Neurosci.2020 Jun;76:195-200. S0967-5868(20)30139-9. doi: 10.1016/j.jocn.2020.04.003.Epub 2020-04-16.

マルチフラクタル脳波解析は、軽度認知障害における認知機能検査のスコアや臨床病期分類と相関している

EEG multifractal analysis correlates with cognitive testing scores and clinical staging in mild cognitive impairment.

Todd Zorick
Jordan Landers
Andrew Leuchter
Mark A Mandelkern

PMID: 32307299 DOI: 10.1016/j.jocn.2020.04.003.

抄録

アルツハイマー病や軽度の認知機能障害は、高齢化が進む先進国社会において、世界的な健康問題となっている。認知症に伴う認知機能障害の非侵襲的バイオマーカーは限られている。最近、脳波のマルチフラクタル解析は、既存の手法（スペクトル解析など）に比べて、定量的な脳波解析を行うための改良された手法として提案されている。我々は、認知検査（Folstein Mini Mental Status Exam; MMSE）と安静時脳波（4つのリード）で評価された健康な高齢者患者（N=20）の研究の既存のデータベースを利用した。各被験者の脳波は、トレーニングとMMSEスコアに対する統計モデルのテストのために、2つの30秒トレーシングに分離された。我々は、テスト脳波セグメントの正確な分類と回帰木推定器を生成する能力において、フーリエ変換（FT）に対するマルチフラクタル・デトレンデッドゆらぎ分析（MF-DFA）を比較した。MF-DFAベースの統計モデルのMMSE推定は、テスト脳波パラメータデータセットに適用した場合、実際のMMSEと強い相関があったが、対応するFTベースのモデルではそうではなかった。MMSEに基づく臨床病期分類の標準化されたカットオフ値を用いることで、MF-DFAベースの統計モデルは軽度アルツハイマー病および軽度認知障害の臨床病期分類に対して感度が高く、かつ特異的であった。MF-DFAは、アルツハイマー病の認知機能を正確に推定するための定量的な脳波解析法として期待されています。

Alzheimer's disease and mild cognitive impairment are increasingly prevalent global health concerns in aging industrialized societies. There are only limited non-invasive biomarkers for the cognitive and functional impairment associated with dementia. Multifractal analysis of EEG has recently been proposed as having the potential to be an improved method of quantitative EEG analysis compared to existing techniques (e.g., spectral analysis). We utilized an existing database of a study of healthy elderly patients (N = 20) who were assessed with cognitive testing (Folstein Mini Mental Status Exam; MMSE) and resting state EEG (4 leads). Each subject's EEG was separated into two 30 s tracings for training and testing a statistical model against the MMSE scores. We compared multifractal detrended fluctuation analysis (MF-DFA) against Fourier Transform (FT) in the ability to produce an accurate classification and regression trees estimator for the testing EEG segments. The MF-DFA-based statistical model MMSE estimation strongly correlated with the actual MMSE when applied to the test EEG parameter dataset, whereas the corresponding FT-based model did not. Using a standardized cutoff value for MMSE-based clinical staging, the MF-DFA-based statistical model was both sensitive and specific for clinical staging of both mild Alzheimer's disease and mild cognitive impairment. MF-DFA shows promise as a method of quantitative EEG analysis to accurately estimate cognition in Alzheimer's disease.