精神病理学次元予測のための粒度認識脳波特徴フレームワーク
本研究は、マルチスケール記述子をグローバル、リージョナル、チャンネルレベルに整理する粒度認識脳波（EEG）特徴パイプラインを開発し、Healthy Brain Network（HBN）コホートを用いて4つの精神病理学次元を予測した。ツリーベースモデルと粒度バランスの取れた特徴選択は、限定的な条件下で従来手法よりも改善を示したが、効果量は控えめであった。可視化により次元特異的な空間・スペクトルパターンが明らかになり、既存の神経生理学的知見とおおむね一致した。クロスデータセット検証では、手法の技術的実現可能性が示された。
脳波（EEG）は、非侵襲的に神経生理学的指標と精神病理学次元の関連を調べる手法として注目されている。しかし、異なるEEGパラダイムや特徴粒度にわたる体系的なエビデンスは限られている。この課題に対し、Haofan Cheng氏らは、マルチスケール記述子をグローバル、リージョナル、チャンネルレベルに整理する粒度認識EEG特徴パイプラインを開発した。このフレームワークは、脳活動の多次元的な特徴をより包括的に捉えることを目的としている。
研究チームは、Healthy Brain Network（HBN）コホートのデータを用いて、p因子、内面化問題、外面化問題、注意問題の4つの精神病理学次元を予測する性能を評価した。評価は4種類のEEGパラダイム（安静時および実行機能関連タスク）にわたって実施された。小児精神病理学の異質性や質問票スコアの中程度の信頼性を考慮すると、この設定は臨床スクリーニングではなく、挑戦的な実現可能性テストに相当する。研究者は、この研究が多スケールEEG特徴に次元精神病理学に関連する信号が含まれるかを検証するものであり、直接的な診断応用を意図していないことを強調している。
特定の条件下では、ツリーベースモデル（ランダムフォレストや勾配ブースティングなど）と粒度バランスの取れた特徴選択が従来手法よりも有望な改善を示した。具体的には、グローバルおよびリージョナルレベルの特徴を組み合わせた場合、粒度バランス戦略はp因子と内面化次元で適度な性能向上をもたらしたが、外面化および注意問題では顕著な改善は見られなかった。効果量は依然として控えめであり、これは現在の特徴セットとモデル複雑性の限界を反映している可能性がある。選択された特徴を可視化したところ、次元特異的な空間的・スペクトル的パターンが観察された：例えば、内面化問題に関連する特徴は前頭葉に集中し、注意問題は後頭葉および中心部に関連していた。これらのパターンは既存の神経生理学的知見とおおむね一致しており、EEG特徴の精神病理学における潜在的有用性を示唆している。
さらに、独立したPEARLコホートを用いた探索的クロスデータセット検証が行われた。このコホートは異なるEEG機器と記録プロトコルを使用しているが、結果は提案された特徴選択原則がプロトコルの変更下でも技術的に実現可能であることを示した。ただし、研究者はこの検証が合理性チェックに過ぎず、クロスデータセットの一般化可能性を主張するものではないと明言している。全体として、マルチスケールEEG特徴には次元精神病理学に関連する弱いながらも検出可能な信号が含まれており、粒度認識選択は将来のEEGベース表現型研究における有用な特徴削減戦略となる可能性がある。本研究は、より精密な神経精神表現型ツールの開発に重要な基盤を提供するが、臨床応用にはさらなる検証が必要である。