堅牢で臨床的に信頼できるEEGバイオマーカー：集団間で汎化可能なパーキンソン病検出のためのクロス・ポピュレーション・フレームワーク

arXiv cs.LG / 2026/4/28

📰 ニュースIdeas & Deep AnalysisModels & Research

共有:

要点

この論文は、パーキンソン病（PD）に対するEEGバイオマーカーが一般化に失敗しやすい理由として、i.i.d. 前提で学習すると疾患に関連する神経パターンではなく集団固有のアーティファクトを捉えてしまう点を指摘しています。
分布シフト下での頑健性と臨床的信頼性を、複数の独立コホートと計測条件のもとで明示的に評価する「集団を考慮した評価フレームワーク」を提案しています。
n-gram展開戦略により、5つのコホート間の75件のクロス・ポピュレーションの方向性付き（train/test）評価を体系的に作成し、汎化性能を検証します。
結果として、集団リーケージを防ぎつつ前向きにバイオマーカーを同定するために、統合チャネル選択を伴うネスト型交差検証を用い、学習に用いる集団の多様性が増えるほど精度とバイオマーカーの安定性が向上することが示されています。
mixture risk最適化と仮説空間の縮約に基づく理論分析により、多集団で学習することで集団に頑健な表現が得られる理由を説明し、保持コホートで最大94.1%の精度を達成しています。