脳波AIは他院データでも使える？ドメイン適応の仕組みと精度を解説

※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論文をもとに解説しています

タイトル：Domain Adaptation Model for EEG Analysis: Mitigating Spatial and Spectral Variability in Heterogeneous Datasets

著者：Hisashi Ikari, Toyotaro Suzumura, Shotaro Akahori

論文　DOI：https://ieeexplore.ieee.org/document/11253243

はじめに

異なる病院や機器で測定された脳波（EEG）は、そのままでは比較や統合が難しいとされています。同じ患者であっても、測定環境や条件が変わるだけでデータの分布が変わってしまうため、AIによる診断の精度にも大きな影響を与えます。こうした課題を解決するために注目されているのが「ドメイン適応（Domain Adaptation）」というAI技術です。本記事では、当院の研究チームが関与したEEGドメイン適応モデルの最新の研究をもとに、わかりやすく解説いたします。

なぜ脳波データは統合が難しいのか

脳波データは非常に繊細で、測定機器の違いや電極配置、ノイズ環境、患者の状態などによって大きく変動します。例えば、同じ「うつ病」の患者であっても、病院が異なると波形の特徴が変わることがあります。このような違いを「ドメインシフト」と呼びます。従来のAIモデルは、このドメインシフトに弱く、学習した環境以外では精度が大きく低下するという課題がありました。

ドメイン適応とは何か

ドメイン適応とは、異なるデータ環境（ドメイン）間の差を吸収し、どの環境でも安定して動作するAIを作るための技術です。簡単に言えば、「違う病院のデータでも使えるAI」を作るための方法です。医療分野では特に重要で、データのばらつきが大きい脳波解析においては必須の技術とされています。

研究のポイント：複合モデルの採用

今回の研究では、複数の技術を組み合わせた高度なAIモデルが提案されています。まず、CNN（畳み込みニューラルネットワーク）によって脳波の局所的な特徴を抽出し、GRU（ゲート付き再帰ユニット）によって時間的な変化を捉えます。これにより、脳波の「空間」と「時間」の両方の情報を扱うことが可能になります。

さらに、MMD（Maximum Mean Discrepancy）という手法を用いて、異なるデータ分布を近づける工夫が行われています。これにより、異なる病院のデータであっても、AIが同じように解釈できるようになります。加えて、ラベルのないデータも活用する半教師あり学習が取り入れられており、実用性の高い設計となっています。

本研究の特徴は、単なる分布の一致ではなく、脳波の空間構造・周波数特性・非線形ダイナミクスを同時に保ちながらドメイン適応を行っている点にあります。

結果：精度と汎用性の向上

本研究において、従来モデル（F1スコア0.8226）に対し、
ドメイン適応の導入により最大0.9971（MDDデータセット）まで精度が向上しました。

また、異なるデータ間の一致度を示すJaccard係数も

・TUH：0.6578 

・MDD：0.5005 

と高い値を示しており、

異なる医療環境のデータでも安定した分類が可能であることが確認されました。

以下に、本研究におけるモデル性能の比較結果を示します。 

 これは、単一の環境に依存しない「汎用的な診断AI」の可能性を示す重要な結果といえます。

臨床への応用可能性

この技術が実用化されれば、異なる医療機関間でも共通して使える診断AIが実現する可能性があります。例えば、地方の医療機関でも高度な診断支援が受けられるようになるなど、医療格差の解消にもつながるでしょう。また、てんかんやうつ病など、異なる疾患間の特徴を横断的に捉えることで、新たな診断指標の発見にも期待が寄せられています。

今後の課題

一方で、ドメイン適応にも課題は残されています。例えば、完全に異なるデータ分布を持つ場合には適応が難しいケースや、計算コストの増大といった問題があります。また、医療分野では安全性や説明可能性も重要であり、AIの判断根拠を明確にする取り組みも必要です。

まとめ

EEGのドメイン適応は、異なる環境でも活用できる診断AIを実現するための重要な技術です。今回の研究は、その実現に向けた大きな一歩といえるでしょう。今後、臨床現場への導入が進めば、診断の精度向上や医師の負担軽減につながることが期待されます。

監修

本記事は、下記監修の元、作成されています

・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。