個人的?主観的な痛みの部位を、脳波を用いた深層学習モデルで客観的に推定する方法を金沢工業大学情報工学科中沢 実研究室の学生が卒業研究で取り組み、90.8±5.9％の正解率を達成しました。

本研究は手のひらという限定された領域における刺激に対する解析結果ですが、今後、異なる体部位への痛み刺激に対する脳波応答を広範囲にわたって収集し、解析することで「脳波を用いた痛み部位の推定」技術の更なる進展の可能性が期待されています。

【本研究の意義】

痛みは, 医療現場において診断及び経過観察における重要な指標として位置づけられていますが、痛みは個人的かつ主観的なものであるため、第三者による客観的な評価は困難なものとなっています。従来からある痛み評価スケールや観察ツールは個人の経験を強度の尺度としているため、人によって評価値が大きく異なる傾向にあり、主観的な申告に基づく評価方法では痛みの全体像を把握するには限界があるとされています。これらの課題に対して近年、痛みの強度を推定するための技術の一つとして簡易脳波計を用いたアプローチが注目されていますが、痛み部位の推定に関する研究はまだ十分に行われていないのが現状です。

痛みの強度と同時に痛み部位を推定できるようになれば、痛みを自分で訴えられない入院患者や幼児などに対して迅速かつ適切な処置を施すことが可能となるとともに 部位に応じた局所的な鎮痛治療も実現する可能性があります。

【当研究概要】

被験者の右手および左手の手のひらに対して痛み刺激を与え、この刺激に対する脳波反応を簡易脳波装置を用いて捉えることで「脳波による痛み部位の推定」の可能性について検討しました。実験では、先端の尖った棒を痛み装置として使用し、事前に同意を得た成人男性3名の被験者に対して、右手、左手の手のひらに順番に20回ずつ押し当て、計40試行分のデータを解析に使用しました。また痛みはNRS(Numeric Rating Scale .患者さんが感じている痛みを数字で評価するための指標)で3程度の軽い痛み刺激で行い、実験中は被験者の安全を考慮し、各刺激には痛みが完全に消えるまで十分な休憩時間を確保しました。

そして時間周波数解析の一環として、刺激開始を0ms（ミリ秒）と定義し、刺激前500msから刺激後1000msまでのデータを抽出。その結果、刺激後200msから450msの時間帯において脳波取得の際に使用した電極配列のうち、CP3及びCP4電極にけるThetaーAlpha帯域（4-12Hz)での顕著な反応が確認され、右手への刺激時には左脳のCP3電極で、左手への刺激時にはCP4電極で特に反応の増加が全3名の被験者に示されました。

次に、刺激後50msから500msの対象帯域（4-12Hz)のピーク時を「特徴量」（刺激に関連する周波数のピーク値を抽出したもの）とした深層学習モデル（教師あり学習を用いるパターン認識モデルの1つであるsupport-vector machine）を作成しました。その上で、各被験者データで推定の可能性について評価を行ったところ、90.8±5.9％の正解率となり、抽出したピーク値が分類の決定的な要因として有効に機能し、被験者の特性によらない汎用的な学習モデルができたことが示されました。

これらの結果は特定の脳波のパターンが痛みの局所化（どこの部位の痛みか）と強く関連していることを示すもので、「脳波を用いた痛み部位の推定」が今後の臨床的応用に有望である可能性を示しました。

(関連ページ)

金沢工業大学研究室ガイド　情報工学科　中沢実研究室