あなたの脳年齢は？EEGアルゴリズムで問題となるギャップをスキャン
H.B. Duran
更新日
2024/04/30
あなたの脳年齢は？EEGアルゴリズムで問題となるギャップをスキャン
H.B. Duran
更新日
2024/04/30
あなたの脳年齢は？EEGアルゴリズムで問題となるギャップをスキャン
H.B. Duran
更新日
2024/04/30
新しい機械学習（ML）アルゴリズムが、人工知能（AI）とEmotivの脳波計（EEG）を用いて個人の脳年齢を算出します。
安静時における脳波の変化は、アルツハイマー病などの退行性疾患の初期兆候を示している可能性があります。
学術誌『Frontiers in Neuroergonomics』に掲載されたこの研究成果は、脳の健康スクリーニングに対する先を見越したアプローチを提案しています。
研究者らは、実年齢と脳年齢の差を算出する新しい方法を開発しました。この機械学習モデルは、Emotiv Epoc Xヘッドセットを使用して、脳の安静状態（覚醒しているが特定のタスクを行っていない状態）における電気活動を測定し、健康な成人の統計データと比較します。
Kounios氏ら（2024年）は、対面およびリモートのオンライン参加者から収集されたEpoc Xの脳データと、補完的なトレーニングデータセットを使用してアルゴリズムをトレーニングしました。この研究では、合計5つの複合データセットが使用されました。
なぜ脳年齢が重要なのか？
人間の脳は生涯を通じて常に変化しており、新しい接続を追加し、古い接続を修復しています。怪我や病気は脳の発達段階を遅らせたり加速させたりして、「脳年齢のギャップ」を引き起こすことがあります。これらのギャップは、加齢に伴う疾患の警告サインとして機能する可能性があります。残念ながら、脳スキャンは費用と時間がかかることが多く、通常は病気の症状が現れてからしか実施されません。
著者らは、中年期初期またはそれより若い段階で脳のスキャンを行うことで、加齢に伴う神経疾患を極めて初期の段階で発見し、治療できる可能性が高まると提案しています。
「脳波による脳年齢推定へのアプローチには、いくつかの有望な応用が考えられます」と著者らは指摘しています。「これは、脳年齢のギャップから加齢に伴う潜在的な病理の可能性が示唆される個人を特定するための、比較的安価なスクリーニングツールとして使用でき、その後に具体的な精密検査を行うことができます。さらに、Emotiv Epoc Xヘッドセットは比較的低価格であるため、脳波による脳年齢推定を繰り返し実施して、結果を検証し、時間の経過に伴う変化を検出することができます。」
この脳年齢データセットは、神経学的な老化を遅らせる、あるいは逆転させるための潜在的な介入方法をテストするのにも役立つ可能性があります。例えば、米国国立老化研究所（NIA）が資金提供した2020年の研究では、特定の健康的なライフスタイル要因がアルツハイマー病のリスクを60%低下させることがわかりました（Dhana et al., 2020）。
ワイヤレス脳波計（EEG）が救世主に
Kounios氏らは、EPOC Xが手頃な価格であり、かつ入手しやすい点を高く評価しました。これにより、人々が自宅や職場で自分の脳年齢を推定できるようになると彼らは述べています。これは、加齢に伴う認知的衰退に関する更なる研究や、認知の健康のためのライフスタイル介入に関する研究を促進する可能性があります。
脳年齢の算出方法を学ぶことは、他にも多様な可能性を秘めています。例えば、80代や90代の中には、統計を覆す「コグニティブ・スーパーエイジャー（超健脳者）」と呼ばれるグループが存在します。コグニティブ・スーパーエイジャーは、20〜30歳若い成人と同等の記憶パフォーマンスを持っています。現在の研究は、この並外れた人々のグループから学び、その情報を健康的な脳の老化を促進するために役立てることを目指しています。
神経科学者やその他の研究者らは、食事、環境、ライフスタイル、遺伝が脳の老化プロセスにおいて果たす役割について、さらなる理解を深めたいと考えています。
著者らは、脳年齢スクリーニングモデルの安定性を長期にわたって評価することの重要性を強調しています。また、より大規模で多様な脳波データサンプルを用いてこれらの知見を検証するために、今後のさらなる研究が必要です。
参考文献：
Dhana, K., Evans, D. A., Rajan, K. B., Bennett, D. A., & Morris, M. C. (2020). Healthy lifestyle and the risk of Alzheimer dementia. Neurology, 95(4). https://doi.org/10.1212/wnl.0000000000009816
Kounios, J., Fleck, J. I., Zhang, F., & Oh, Y. (2024). Brain-age estimation with a low-cost EEG-headset: effectiveness and implications for large-scale screening and brain optimization. Frontiers in Neuroergonomics, 5. https://doi.org/10.3389/fnrgo.2024.1340732
新しい機械学習（ML）アルゴリズムが、人工知能（AI）とEmotivの脳波計（EEG）を用いて個人の脳年齢を算出します。
安静時における脳波の変化は、アルツハイマー病などの退行性疾患の初期兆候を示している可能性があります。
学術誌『Frontiers in Neuroergonomics』に掲載されたこの研究成果は、脳の健康スクリーニングに対する先を見越したアプローチを提案しています。
研究者らは、実年齢と脳年齢の差を算出する新しい方法を開発しました。この機械学習モデルは、Emotiv Epoc Xヘッドセットを使用して、脳の安静状態（覚醒しているが特定のタスクを行っていない状態）における電気活動を測定し、健康な成人の統計データと比較します。
Kounios氏ら（2024年）は、対面およびリモートのオンライン参加者から収集されたEpoc Xの脳データと、補完的なトレーニングデータセットを使用してアルゴリズムをトレーニングしました。この研究では、合計5つの複合データセットが使用されました。
なぜ脳年齢が重要なのか？
人間の脳は生涯を通じて常に変化しており、新しい接続を追加し、古い接続を修復しています。怪我や病気は脳の発達段階を遅らせたり加速させたりして、「脳年齢のギャップ」を引き起こすことがあります。これらのギャップは、加齢に伴う疾患の警告サインとして機能する可能性があります。残念ながら、脳スキャンは費用と時間がかかることが多く、通常は病気の症状が現れてからしか実施されません。
著者らは、中年期初期またはそれより若い段階で脳のスキャンを行うことで、加齢に伴う神経疾患を極めて初期の段階で発見し、治療できる可能性が高まると提案しています。
「脳波による脳年齢推定へのアプローチには、いくつかの有望な応用が考えられます」と著者らは指摘しています。「これは、脳年齢のギャップから加齢に伴う潜在的な病理の可能性が示唆される個人を特定するための、比較的安価なスクリーニングツールとして使用でき、その後に具体的な精密検査を行うことができます。さらに、Emotiv Epoc Xヘッドセットは比較的低価格であるため、脳波による脳年齢推定を繰り返し実施して、結果を検証し、時間の経過に伴う変化を検出することができます。」
この脳年齢データセットは、神経学的な老化を遅らせる、あるいは逆転させるための潜在的な介入方法をテストするのにも役立つ可能性があります。例えば、米国国立老化研究所（NIA）が資金提供した2020年の研究では、特定の健康的なライフスタイル要因がアルツハイマー病のリスクを60%低下させることがわかりました（Dhana et al., 2020）。
ワイヤレス脳波計（EEG）が救世主に
Kounios氏らは、EPOC Xが手頃な価格であり、かつ入手しやすい点を高く評価しました。これにより、人々が自宅や職場で自分の脳年齢を推定できるようになると彼らは述べています。これは、加齢に伴う認知的衰退に関する更なる研究や、認知の健康のためのライフスタイル介入に関する研究を促進する可能性があります。
脳年齢の算出方法を学ぶことは、他にも多様な可能性を秘めています。例えば、80代や90代の中には、統計を覆す「コグニティブ・スーパーエイジャー（超健脳者）」と呼ばれるグループが存在します。コグニティブ・スーパーエイジャーは、20〜30歳若い成人と同等の記憶パフォーマンスを持っています。現在の研究は、この並外れた人々のグループから学び、その情報を健康的な脳の老化を促進するために役立てることを目指しています。
神経科学者やその他の研究者らは、食事、環境、ライフスタイル、遺伝が脳の老化プロセスにおいて果たす役割について、さらなる理解を深めたいと考えています。
著者らは、脳年齢スクリーニングモデルの安定性を長期にわたって評価することの重要性を強調しています。また、より大規模で多様な脳波データサンプルを用いてこれらの知見を検証するために、今後のさらなる研究が必要です。
参考文献：
Dhana, K., Evans, D. A., Rajan, K. B., Bennett, D. A., & Morris, M. C. (2020). Healthy lifestyle and the risk of Alzheimer dementia. Neurology, 95(4). https://doi.org/10.1212/wnl.0000000000009816
Kounios, J., Fleck, J. I., Zhang, F., & Oh, Y. (2024). Brain-age estimation with a low-cost EEG-headset: effectiveness and implications for large-scale screening and brain optimization. Frontiers in Neuroergonomics, 5. https://doi.org/10.3389/fnrgo.2024.1340732
新しい機械学習（ML）アルゴリズムが、人工知能（AI）とEmotivの脳波計（EEG）を用いて個人の脳年齢を算出します。
安静時における脳波の変化は、アルツハイマー病などの退行性疾患の初期兆候を示している可能性があります。
学術誌『Frontiers in Neuroergonomics』に掲載されたこの研究成果は、脳の健康スクリーニングに対する先を見越したアプローチを提案しています。
研究者らは、実年齢と脳年齢の差を算出する新しい方法を開発しました。この機械学習モデルは、Emotiv Epoc Xヘッドセットを使用して、脳の安静状態（覚醒しているが特定のタスクを行っていない状態）における電気活動を測定し、健康な成人の統計データと比較します。
Kounios氏ら（2024年）は、対面およびリモートのオンライン参加者から収集されたEpoc Xの脳データと、補完的なトレーニングデータセットを使用してアルゴリズムをトレーニングしました。この研究では、合計5つの複合データセットが使用されました。
なぜ脳年齢が重要なのか？
人間の脳は生涯を通じて常に変化しており、新しい接続を追加し、古い接続を修復しています。怪我や病気は脳の発達段階を遅らせたり加速させたりして、「脳年齢のギャップ」を引き起こすことがあります。これらのギャップは、加齢に伴う疾患の警告サインとして機能する可能性があります。残念ながら、脳スキャンは費用と時間がかかることが多く、通常は病気の症状が現れてからしか実施されません。
著者らは、中年期初期またはそれより若い段階で脳のスキャンを行うことで、加齢に伴う神経疾患を極めて初期の段階で発見し、治療できる可能性が高まると提案しています。
「脳波による脳年齢推定へのアプローチには、いくつかの有望な応用が考えられます」と著者らは指摘しています。「これは、脳年齢のギャップから加齢に伴う潜在的な病理の可能性が示唆される個人を特定するための、比較的安価なスクリーニングツールとして使用でき、その後に具体的な精密検査を行うことができます。さらに、Emotiv Epoc Xヘッドセットは比較的低価格であるため、脳波による脳年齢推定を繰り返し実施して、結果を検証し、時間の経過に伴う変化を検出することができます。」
この脳年齢データセットは、神経学的な老化を遅らせる、あるいは逆転させるための潜在的な介入方法をテストするのにも役立つ可能性があります。例えば、米国国立老化研究所（NIA）が資金提供した2020年の研究では、特定の健康的なライフスタイル要因がアルツハイマー病のリスクを60%低下させることがわかりました（Dhana et al., 2020）。
ワイヤレス脳波計（EEG）が救世主に
Kounios氏らは、EPOC Xが手頃な価格であり、かつ入手しやすい点を高く評価しました。これにより、人々が自宅や職場で自分の脳年齢を推定できるようになると彼らは述べています。これは、加齢に伴う認知的衰退に関する更なる研究や、認知の健康のためのライフスタイル介入に関する研究を促進する可能性があります。
脳年齢の算出方法を学ぶことは、他にも多様な可能性を秘めています。例えば、80代や90代の中には、統計を覆す「コグニティブ・スーパーエイジャー（超健脳者）」と呼ばれるグループが存在します。コグニティブ・スーパーエイジャーは、20〜30歳若い成人と同等の記憶パフォーマンスを持っています。現在の研究は、この並外れた人々のグループから学び、その情報を健康的な脳の老化を促進するために役立てることを目指しています。
神経科学者やその他の研究者らは、食事、環境、ライフスタイル、遺伝が脳の老化プロセスにおいて果たす役割について、さらなる理解を深めたいと考えています。
著者らは、脳年齢スクリーニングモデルの安定性を長期にわたって評価することの重要性を強調しています。また、より大規模で多様な脳波データサンプルを用いてこれらの知見を検証するために、今後のさらなる研究が必要です。
参考文献：
Dhana, K., Evans, D. A., Rajan, K. B., Bennett, D. A., & Morris, M. C. (2020). Healthy lifestyle and the risk of Alzheimer dementia. Neurology, 95(4). https://doi.org/10.1212/wnl.0000000000009816
Kounios, J., Fleck, J. I., Zhang, F., & Oh, Y. (2024). Brain-age estimation with a low-cost EEG-headset: effectiveness and implications for large-scale screening and brain optimization. Frontiers in Neuroergonomics, 5. https://doi.org/10.3389/fnrgo.2024.1340732
読むのを続ける