脳波バイオマーカーと機械学習アプローチを使用したパーキンソン病への tDCS 介入の結果の予測: PREDICT 研究プロトコル (PREDICT)

パーキンソン病 (PD) は進行性の身体障害を伴う神経変性疾患であり、臨床的には運動症状と非運動症状を特徴とします。 これらの患者の症状改善に対する「経頭蓋直流刺激」（tDCS）の可能性は実証されていますが、最良の治療反応に関連する要因は不明です。 脳波 (EEG) は PD の診断および予後バイオマーカーと考えられており、神経学的および精神医学的状態における反応の予測因子を特定するための機械学習方法に関連する最近の研究で使用されています。 研究者らは、接続ベースの予測と機械学習を使用して、tDCS 治療に対する PD 反応者と非反応者の間で、ベースライン安静時 EEG に関連する特性を特定し、比較する予定です。

募集された参加者は、デュアルタスク運動療法または視覚的合図による運動療法と関連したアクティブな tDCS による治療にランダムに割り当てられます。 治療開始前に安静状態の脳波検査（EEG）が記録されます。 研究者は、ベースラインおよび治療後の評価において機械学習分類に使用される臨床改善ラベルを決定し、3 つの異なる方法を使用してデータを 2 つのクラス (低改善または高改善) に分類します: サポート ベクター マシン (SVM)、線形判別分析 (LDA) ) とエクストリーム ラーニング マシン (ELM)。 機能性ラベルは、tDCS 治療のベースラインおよび治療後に記録されたタイムアップ アンド ゴー テストに基づきます。