発作のモニタリングを受けている概念実証研究の参加者は、自分の脳活動について質問したり、個別化された警告を受け取ったり、症状や行動を報告したり、発作関連のパターンをより正確に認識できるようシステムの訓練を手助けしたりすることができました。プラットフォームは、現在の医療機器が主に臨床医によって定期的にデータをレビューする形態から、患者と積極的に協働して健康を管理するシステムへと、本質的に移行することを示しています。これは、ペンシルベニア大学の Perelman 医学部と CNT（Center for Neuroengineering and Therapeutics）による Nature Medicine に掲載された研究結果に基づくものです。
「デバイスが収集したデータを専門家が分析するのを待つのではなく、デバイスが変化を検知してすぐに警告を出す――肩に乗る自分だけのジミニー・クリケットのような存在になる」という考えだと、上級著者のブライアン・リット博士は述べます。神経内科・神経外科・生体工学の教授として。「より重要なのは、患者とデバイスの双方が時間とともに共に学ぶことができるという点です。デバイスは患者にとって何が重要かを学び、患者は自分の行動が健康にどう影響するかを学ぶのです。」
新しい患者-デバイス間のコミュニケーションモデルを試すため、研究者は Penn のてんかんモニタリングユニット（EMU）で連続的な脳モニタリングを用いている大人13名を登録しました。彼らは発作の源を特定する目的や術前評価の一環として入院していました。
参加者は、Zack Goldblum、Haoer Shi、Zhongchuan Xu が率いる Penn バイオエンジニアリングの博士課程学生チームが構築した、3つの構成要素からなるプラットフォームを試用しました：
- 参加者の脳の電極から EEG データを継続的に取得するソフトウェア；
- 受信情報をほぼリアルタイムで分析する、安全で HIPAA 準拠のクラウド環境；
- Penn が開発した AI 搭載の対話エージェントを搭載したスマートフォンアプリ、ChatGPT に類似した技術を使用。
携帯電話のアプリを介して、患者は脳活動について質問したり、データの傾向の可視化を求めたり、症状を報告したり、一日を通じて警告や調査を受け取ることができました。情報はテキスト、グラフ、その他の視覚フォーマットとして提供されました。同様に、デバイスは患者にとって関心を持つ可能性のある変化を検知した場合に患者へ連絡を取り、患者の返答に基づいて現場で“その場で”学習することもありました。
研究者は研究期間中に患者とシステムの間でやり取りされた1,307件のメッセージを分析しました。大半のやり取りは、発作イベント、睡眠、気分、エネルギーレベル、発作活動に影響を与えるその他の要因についての議論でした。患者は睡眠、不安、気分、幸福感、その他の症状について日中に3回ずつアンケートに回答しました。いくつかの参加者は、このプラットフォームが以前から観察していたパターンを説明するのに役立ち、理解を深めたと語っています。
ある参加者は、システムが「発作と感情の間で自分が真実だと感じていたことを固めるのに役立った」と述べました。別の参加者は、睡眠情報へのアクセスと大きな発作の前に警告を受け取れる可能性を評価しました。
このコミュニケーションだけでなく、患者は自分の状態についてシステムへ教え、プログラムが正しく識別した発作と誤警報を自ら指摘しました。これにより、発作を正確に特定する能力を大幅に向上させることができました。臨床医もシステムの評価を見直し、真の発作と誤警報の注釈を追加することで精度をさらに高めることができました。これは“エキスパート・イン・ザ・ループ”アルゴリズムを介して、専門家の介入を高価値な注釈に限定するものでした。
患者はしばしば、センサーが直接測定できない病気の側面を理解しています…。私たちは医療機器が患者と共に学び、彼らが日々より良い意思決定をするのを支援するケアのパートナーになることを想定しています。
Brian Litt
システムがより個別化されるにつれて、研究者らはこれらのシステムが稀な臨床監督を必要とするようになると考えており、長期の外来利用に実用性が高まる、と見込んでいます。
この研究はてんかんを対象としていますが、チームはこのプラットフォームが心臓デバイス、インスリンポンプなどを使用する状態、およびパーキンソン病、うつ病、強迫性障害、依存症、認知障害といった神経精神疾患の新興治療法にも広く応用可能であると信じています。
将来的には、症状や治療目標について患者と直接対話しつつ、治療を自動的に調整できるシステムを想定しています。チームはすでに神経学・生体工学の助教授である Lauren Hammer 氏とともに、このプラットフォームを用いてパーキンソン病の治療に用いられる深部脳刺激装置を自動的に調整する研究を進める準備をしています。さらに、日常生活での継続的モニタリングを目指した新しい低侵襲 EEG およびウェアラブル技術を活用した応用の拡大も進めています。
「患者はしばしば、センサーが直接測定できない病気の側面を理解しています」とリットは述べました。「食事が血糖値に与える影響について質問に答えることができるインスリンポンプや、歩行中や手紙を書いているときの患者の感じ方に応じて治療を調整するパーキンソン病のデバイスを imagined してみてください。我々は医療機器が患者とともに学び、日々より良い意思決定を支援するケアのパートナーになると考えています。」
研究者は、この種の双方向のコミュニケーションが、患者と医療機器の関係を根本から変える可能性があると信じています。将来のデバイスは、受動的なモニタリングツールとして機能するのではなく、生理学的信号、患者のフィードバック、AI による分析を継続的に組み合わせて、より個別化され、反応性の高いケアを提供できるようになるでしょう。
この研究は、感覚を拾い、患者と対話し、反応から学び、リアルタイムで治療を適応させる新世代のブレイン・コンピューター・インターフェースを開発するというリットの広範な取り組みを基盤としており、NIH Pioneer Award（DP1 NS122038-01）による560万ドルの支援を受けています。
今後の研究では、このプラットフォームが発作の頻度と重症度を低減し、生活の質を改善し、救急部門の受診を減らし、医療資源の利用を抑えることができるかを評価します。研究者らはまた、日常生活での継続的モニタリングを目的とした新しい低侵襲 EEG およびウェアラブル技術を用いた外来環境での試験を拡大する計画です。
出典： University of Pennsylvania School of Medicine
