データサイエンスはてんかん発作を説明するのに役立ちます
■データサイエンスはてんかん発作を説明するのに役立ちます
BUの研究者は、脳の進化するネットワークのより良い理解が治療を改善することができると言います
てんかんは、最も一般的な神経障害の1つであり、米国では約300万人が罹患しています。重度の転倒やその他の怪我につながる可能性のあるてんかん発作は、多くの場合、薬物療法によって制御できますが、てんかん患者の約3分の1は薬物療法に反応しません。それらの患者はしばしば、発作が形成され始める脳の部分を取り除く外科的処置である切除による救済を求めます。
これは過激な（そして世紀の）手順ですが、機能します。切除は、人が経験する発作の数を大幅に減らすことができ、場合によっては、発作を完全になくすことができます。しかし、外科医が最初に脳内の発作が始まる正確な場所を正確に特定できる場合、手術は最も成功します。これは、まだクリニックで完成されていない挑戦的な偉業です。ボストン大学の神経科学者と統計学者による新しい研究は、いつか切除の成功を改善し、したがっててんかん患者の生活の質を改善する可能性があります。
「発作について考える1つの方法は山火事のようなものです」と、BU芸術科学大学の数理神経科学の教授であり、BUのシステム神経科学センターの副所長であるMark Kramerは言います。Kramerは15年以上にわたって発作のダイナミクスを研究してきました。「広がる前に山火事に遭遇することができれば、それを消す可能性が高くなります。」
森林火災のアナロジーには問題が1つあると言います。地球の表面で燃える火とは異なり、発作は脳の細胞と組織の非常に複雑で3次元のネットワーク内で発生します。そのネットワーク内のわずかな変化のニュアンスによって、突然の爆発または発作の広がりの減少に。
そのため、14年前、クレイマーはエリックコラクチクに助けを求めました。数学と統計学の芸術科学大学教授であるKolaczykは、ネットワークの統計分析に関する世界の権威であると長い間考えられており、最近では、BUのRafik B. Hariri Institute for Computing and Computational Scienceの所長に任命されました。 ＆エンジニアリング。クレイマーは、コラクチクの専門知識が、脳の組織のネットワーク全体で爆発したときの発作プロセスを時空の両方で理解するのに役立つことを期待していました。
「脳では、さまざまな領域が常に健康的な方法で活性化します」とマサチューセッツ総合病院で臨床医のキャサリンチューやシドニーキャッシュと提携したクレイマーは言います。「発作が発生すると、多くの脳の領域が非常に速くリンクします。そのプロセスを理解したかったのです。」
切除の計画を立てるために、臨床チームはまず患者の頭蓋骨を開き、最大80個の電極を備えたグリッドを脳の表面に直接配置します。しかし、各電極が別々のデータポイントとして検出する脳の活動を考慮する代わりに、「これに取り組む1つの方法は、あなたに知らせるネットワーク表現を作成することです...それは脳の80の異なる部分が連携していることです」とKolaczykは言います。
脳の集団行動を表現できることは大きな前進ですが、臨床医はそのネットワーク表現を進化する生物学的システムとして正しく解釈するという課題に取り残されています。「てんかんでは、ネットワークが時間とともにどのように進化するかを理解することが特に重要です」とKolaczykは言います。
その解釈のために、コラクチクとクレイマーは、空間記憶を研究しているBUの博士研究員であるLouis-Emmanuel Martinetと、BUの大学院生であるWeston Viles、Elizabeth Spencer、およびNathan Perkinsと協力しました。一緒に、チームは電極によって収集された脳活動データを分析する新しい方法を考え出しました。彼らは、発作前、発作中、発作後の時間を経て追跡できる、これらの脳ネットワークの接続パターンを見つけるアルゴリズムを開発しました。
新しいアプローチは、ネイチャーコミュニケーションズで最近発表された論文に記載されています。
「これらのデータから「ダイナミックコミュニティ」と呼ばれるものを抽出するのに役立つ方法を考え出しました」とKolaczyk氏は言います。「これにより、これらのネットワークが時間とともにどのように変化するかを視覚化して分析することができます。てんかんは伝統的に、脳が動かなくなり、すべての領域が連携するイベントと考えられてきました。より微妙なプロセスがあることがわかりました。」
これは重要だと彼は言います。なぜならそれはてんかんの根底にあるメカニズムの複雑さが以前考えられていたよりも高いことを示唆しているからです。そして、脳の正確な起源を特定しようとする研究者にとって、はるかに困難な作業です。
「それは、狭めたり広げたり、結合や分割などを行うトンネルの複雑なシステムをマッピングしようとするようなものです」と彼は言います。「同時に、照明は貧弱なため、マッピングに使用している視覚入力は不完全です。そして最後に、トンネルは非常に長く、非常に複雑なので、トンネルシステムがどのように見えるかについての単純な先入観があなたを迷わせる可能性があります。」
Kolaczykと彼のチームは、アルゴリズムによるアプローチを使用して、基本的にトンネルを歩いて地図を作成する動作を模倣し、統計的に堅牢で計算効率の高い方法でこれを行います。
「元の脳の時系列からのネットワークの構築ではある程度のエラーが避けられず、1人の患者で24時間にわたって80,000ものネットワークのシーケンスを処理できる場合、両方の統計を取得することが重要です。そして計算要素も正しい」とKolaczykは言う。「正しく理解することは、結果の「マップ」が現在の標準的なアプローチよりもはるかに明確になることを意味します。」
新しい方法論により、チームの計算神経科学者（Martinet、Spencer、Perkins、およびKramer）は、患者の脳活動からノイズの多いデータをより正確に読み取ることができました。統計、計算、および臨床の研究者を組み合わせたチームは、結果を解釈できます。コラチクは、協力者の各チームが独自の専門知識を提供する学際的なアプローチが、この研究を可能にしたものであると言います。
「ネットワークサイエンスの専門知識により、チームは、時間の経過とともに進化する脳の接続性のあいまいな概念を正確に示すことができました」と彼は言います。一方、生データからネットワーク表現を正確に構築するには、統計[専門知識]が重要でした。データの取得と結果の解釈の両方に臨床専門知識が必要でした。計算神経科学者は、統計とネットワーク[専門知識]を臨床と結びつける重要な橋渡しをしました。」
国立衛生研究所の支援を受けて実施された研究には、2つのことを行う可能性があります。「1つは、てんかん発作がどのように発生して進行するかについて仮説を立てることです」とKolaczykは言います。「もう1つは、データから抽出したメトリックを取得して、現在の最善の医療努力を表す治療的介入および結果と比較し、それらが示唆する方法を確認することです。」
たとえば、現在の結果は、発作中の動的コミュニティが少なく、持続時間が短い患者（たとえば、長さが短いトンネルが少ない患者）では、外科的転帰が改善されていることを示唆しています。発作が発火した時点まで追跡できれば、発作が拡大する前に発作を消すことができる可能性があると研究者たちは考えています。
