麻酔下における意識変化とEEGダイナミクスの相関

本研究の目的は、作用機序が異なる5種類の静脈内麻酔薬（プロポフォール、シプロフォール、レミマゾラム、エスケタミン、フォスプロポフォール）において、意識状態（覚醒、鎮静、無意識）の移行を正確に追跡する共通の全脳EEGバイオマーカーを同定・検証することです。

デザイン：

これは単一施設における前向き観察コホート研究です。適格な患者を連続的に登録し、全身麻酔導入に使用される麻酔薬の臨床的選択に基づいてグループ分けします。特徴抽出およびモデル開発段階では、グループ割り付けを盲検化した研究者がデータ分析を実施します。

2026年4月から2027年12月の間に、中国武漢の同済医院で全身麻酔下での選択的手術を予定している約250名の成人患者（18歳以上）を募集します。参加者はASA身体状態分類がIまたはII、正常な認知機能（MMSEスコア≥24）を有し、書面によるインフォームドコンセントを提供する必要があります。

介入および手順：

すべての手順は標準的な臨床ケアを表しており、実験的な介入は実施されません。

1. 術前評価：人口統計学的データ、病歴、MMSEスコアを記録します。
2. EEGおよび行動データの取得：麻酔導入中、国際10-20法に従って配置した電極を用いたGreentekシステムで32チャンネルEEGを連続記録します。同時に、修正観察者覚醒・鎮静評価（MOAA/S）尺度を基準標準として、および瞳孔対光反射の消失に基づき、BIS値（眼窩下に配置したセンサー）[参照]および患者の行動状態を30秒ごとに記録します。これらの行動反応に基づき、麻酔深度を鎮静、適切な麻酔深度、深麻酔の3段階に分類します。
3. 麻酔プロトコル：麻酔導入は、標準的な施設の慣行に従って担当麻酔科医が実施します。5種類の研究薬のいずれかを静脈内ボーラス投与し、導入量を5分間持続点滴で維持します。

データ処理および分析

1. データ管理：データの品質を確認し、アーティファクトや臨床データの欠損があるエポックを除外します。
2. EEG特徴抽出：前処理されたEEGデータを分析し、パワースペクトル密度、順列エントロピー、位相遅れエントロピー、機能的結合指標などを含む（これらに限定されない）特徴を抽出します。
3. データ分析：5種類の異なる全身麻酔薬による無意識導入中、鎮静、適切な麻酔深度、深麻酔の3つの行動状態間の移行に対応するEEGバイオマーカーを同定します。これらのバイオマーカーの麻酔深度追跡性能を、二スペクトル指数（BIS）の性能と定量的に比較します。
4. 機械学習モデリング：データセットをトレーニング（70%）と検証（30%）セットに分割します。EEG特徴に基づいて意識状態を分類するため、ツリーベースのアンサンブルモデル（例：ランダムフォレスト）を訓練します。モデルの性能はAUC、精度、適合率、交差検証を用いて評価します。