精神疾患とてんかんの誤診を防ぐ脳波AIとは？IED自動検出の精度と臨床への応用を解説

投稿日 2026年04月13日

blog_image

※本記事は、当院が共同研究として関与し、国際学会（IEEE EMBC）に採択された以下のポスター発表研究をもとに解説しています

タイトル：Evaluating the Clinical Utility of Deep Learning-based Automated Interictal Epileptiform Discharge Detection from EEG in Psychiatric Settings

著者：Hiroya Mitachi, Toyotaro Suzumura, Shotaro Akahori

本研究では、従来のルールベース検出では難しかったノイズ環境下でのIED検出に対し、CNNを用いた特徴抽出により性能改善を試みています。

背景

精神科領域では、てんかんが統合失調症や解離性障害と誤診されるケースがあることが知られています。その背景には、症状の重なりや診断の難しさがあります。こうした課題に対して、脳波（EEG）を用いたAI解析、とくにIED（発作間欠期てんかん性放電）の自動検出が注目されています。本記事では、公開データを用いたIED検出AIの研究と、その臨床的な意義について解説します。

IEDとは

IED（Interictal Epileptiform Discharge）は、てんかん患者において発作と発作の間に出現する異常な脳波パターンであり、臨床においててんかん診断の重要なバイオマーカーとされています。スパイク波や鋭波などの特徴的な波形として観察されます。

これらは臨床発作が起きていない状態でも検出されるため、「潜在的なてんかん活動」を示す重要な指標とされています。

IEDの検出は、てんかん診断において非常に重要であり、以下のように重要な意義を持ちます。

  • てんかんの存在を示唆する客観的証拠
  • 発作のタイプや焦点の推定
  • 治療方針の決定（抗てんかん薬の選択など）

一方で、IEDは短時間・低頻度で出現することも多く、長時間の脳波記録の中から見つけ出す必要があることから、熟練した専門医であっても見落としが発生することがあり、診断のばらつきや遅れにつながる要因となっています。

また、非てんかん患者にも類似波形が出現する場合があり、解釈には高度な専門性が求められます。

データセットについて

TUEV（Temple University EEG Corpus: Event）

TUEVは、米国のTemple Universityが公開している大規模な脳波（EEG）データセットの一部で、IED（てんかん性放電）を含む複数の異常波形が専門家によってアノテーションされています。

特徴としては以下が挙げられます。

  • 比較的ノイズが少なく、整備されたデータ
  • スパイク波・鋭波などのIEDが明確にラベリングされている
  • AIモデルの学習・評価に適した標準的データセット

そのため、TUEVはAIモデルのベンチマークとして広く利用されています。

vEpiSet（Validation Epilepsy Dataset）

vEpiSetは、より実臨床に近い環境で収集された脳波データセットであり、TUEVと比較してノイズやバリエーションが多いことが特徴です。

具体的には以下のような違いがあります。

  • 筋電ノイズや環境ノイズが多く含まれる
  • IEDの波形が多様で、境界が曖昧なケースが存在
  • 実際の診療現場に近い条件を反映

このような特性により、vEpiSetはAIモデルの「汎用性」や「実用性」を評価するためのデータセットとして重要な役割を持ちます。

研究の要点：AIによるIED検出

本研究では、CNNベースのAIモデルを用いてIEDの有無を分類しています。公開データセット（TUEVやvEpiSet）を用い、異なる環境でのモデルの精度も検証されています。

結果：精度について

モデルの性能はデータセットによって異なりますが、同一データ（TUEV）で精度を計測したところ、F1スコア約0.85と高い精度が確認されています。一方で、異なるデータセット（vEpiSet）で精度を測定したところ、F1スコアが約0.17程度まで低下するケースもあり、データ分布の違いによる汎用性の課題が明らかになっています。混合学習ではF1スコア約0.29と改善が見られました。外部データで性能が大きく低下するという結果になっています。

精度にばらつきが生じる理由

精度差の主な要因は、データのノイズ特性やIEDの種類の違いです。特に脳波データはノイズが多く、臨床的に難しいケースが含まれるため、モデルの性能に影響を与えます。

臨床への応用可能性

AIによるIED検出は、単なる効率化ツールにとどまらず、診断精度そのものを底上げする可能性があります。

特に精神科領域では、以下のような意義が考えられます。

  • てんかんの見逃し防止
  • 精神疾患とてんかんの鑑別精度向上
  • EEG読影の標準化
  • 非専門医でも一定レベルの診断補助が可能

実臨床では、EEGの読影は専門性が高く、施設間での差も大きいとされています。AIによる補助は、このギャップを埋める技術として期待されています。

まとめ

本研究は、当院での診療においても重要な示唆を与えるものであり、精神疾患とてんかんの鑑別精度向上に寄与する可能性があります。IED検出AIは、精神疾患とてんかんの鑑別を支援する重要な技術です。現時点ではデータ依存の課題が残るものの、今後の発展により臨床での活用が期待されます。

 

 

監修


本記事は、下記２名の監修の元、作成されています

・精神疾患での評価に関して

赤堀将太郎（Shotaro Akahori）

医療法人社団弘愛会　理事長　（Koaikai medical Corporation）

・アルゴリズムの評価に関して

鈴村豊太郎氏（Toyotaro Suzumura）

東京大学大学院情報理工系研究科教授

技術的観点から内容の妥当性・正確性の確認を行っています。

医師・心理士一覧はこちらから ＞