論文の概要: Clinical Utility and Feasibility of Smartphone-based EEG in Kenya: A Multicenter Observational Study

• arxiv url: http://arxiv.org/abs/2605.08157v1
• Date: Mon, 04 May 2026 09:13:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:49.406444
• Title: Clinical Utility and Feasibility of Smartphone-based EEG in Kenya: A Multicenter Observational Study
• Title（参考訳）: ケニアにおけるスマートフォン脳波の臨床的有用性と可能性:多施設観測による検討
• Authors: Nomin Enkhtsetseg, William Lehn-Schiøler, Anton Storgaard Mosquera, Magnus Guldberg Pedersen, Dylan Rice, George Wambugu, Nshimiyimana Jules Fidele, Melita Cacic Hribljan, Anca Alina Arbune, Sidsel Armand Larsen, Sandor Beniczky, Farrah J. Mateen,
• Abstract要約: 脳波検査(EEG)へのアクセスは、コスト、インフラ要件、訓練されたスタッフの不足により、低所得国と中所得国(LMIC)に限られている。 本研究では,実環境におけるスマートフォンを用いた脳波システムの実現可能性と臨床的有用性について検討した。
• 参考スコア（独自算出の注目度）: 0.7337704889341697
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Purpose: Access to electroencephalography (EEG) remains limited across low- and middle-income countries (LMICs) due to cost, infrastructure requirements, and a shortage of trained staff. This study evaluated the feasibility and clinical utility of a smartphone-based EEG system in a real-world setting. Methods: We conducted a multicenter observational study (November 2023 to April 2026) across 29 clinical sites in Kenya. A smartphone-based 27-lead EEG system enabled trained healthcare workers to acquire standardized recordings with remote expert interpretation. Results: 3,036 EEG sessions were performed. Male patients constituted 57.8% of the cohort, with representation across pediatric and adult populations. The most common referral indication was seizures or convulsions (68.5%). Overall, 2,915 (96%) recordings were interpretable, while 121 (4%) were uninterpretable, primarily due to high electrode impedance and insufficient recording duration. Uninterpretable recordings were significantly shorter than interpretable recordings (mean 18.5 vs. 33.8 minutes; median 15.1 vs. 31.6 minutes; p < 0.0001). Mean turnaround time for interpretation was 107 minutes. Among interpretable recordings, 917 (30.2%) were abnormal, including 701 (76.4%) with epileptiform abnormalities, 215 (23.4%) with non-epileptiform findings, and 1 (0.1%) indeterminate finding. Epileptiform abnormalities were highest in children aged 4-9 years (33.1%) and less frequent in adults (14-21%). Non-epileptiform abnormalities were more common in patients aged 60+ years (19.2%) compared to younger age groups (3-9%). Conclusion: Large-scale, point-of-care EEG acquisition by non-specialist operators in a resource-limited setting is feasible. Expansion of smartphone-based EEG systems may improve equitable access to neurological diagnosis and care in LMICs.
• Abstract（参考訳）: 目的:脳波検査(EEG)へのアクセスは、コスト、インフラ要件、訓練されたスタッフの不足により、低所得国と中所得国(LMIC)に限られている。 本研究では,実環境におけるスマートフォンを用いた脳波システムの実現可能性と臨床的有用性について検討した。 方法: ケニア29施設を対象に, 多施設での観察調査(2023年11月～2026年4月)を行った。 スマートフォンベースの27リードの脳波システムにより、訓練された医療従事者がリモート専門家の解釈で標準化された記録を取得できるようになった。 結果:3,036件のEEGセッションが実施された。 男性患者はコホートの57.8%を占めており、小児と成人に分布している。 最も一般的な例は発作またはけいれん(68.5%)であった。 総計で2,915件(96%)が解釈可能であり,121件(4%)が解釈不能であった。 解釈不能な記録は解釈不能な記録よりも著しく短い(平均18.5対33.8分、中央15.1対31.6分、p < 0.0001)。 解釈に要する所要時間は107分であった。 解釈可能な記録のうち917件(30.2%)が異常であり、701件(76.4%)がてんかん性異常、215件(23.4%)が非てんかん性所見、1件(0.1%)が不確定であった。 エピレプチフォーム異常は4～9歳(33.1%)の小児が最も多く、成人(14-21%)は少ない。 60歳以上(19.2%)では若年者群(3-9%)よりも非てんかん性異常が多かった。 結論: リソース制限設定における非専門的運用者による大規模・要点脳波取得は実現可能である。 スマートフォンベースの脳波システムの拡張は、LMICにおける神経学的診断とケアへの公平なアクセスを改善する可能性がある。

関連論文リスト

• PanCanBench: A Comprehensive Benchmark for Evaluating Large Language Models in Pancreatic Oncology [48.732366302949515]
  大規模言語モデル(LLM)は、標準化された検査において専門家レベルの性能を達成したが、複数の選択精度は現実の臨床的有用性や安全性を十分に反映していない。 我々は、未確認患者の質問に対して、専門家のルーブリックを作成するための、ループ内人間パイプラインを開発した。 LLM-as-a-judge フレームワークを用いて,22のプロプライエタリおよびオープンソース LLM の評価を行い,臨床完全性,事実精度,Web-search 統合について検討した。
  論文  参考訳（メタデータ） (2026-03-02T00:50:39Z)
• An Automated Classifier of Harmful Brain Activities for Clinical Usage Based on a Vision-Inspired Pre-trained Framework [4.264452248986976]
  VIPEEGNetはマサチューセッツ総合病院/ハーバード医科大学から記録された脳波を用いて開発された。 多重分類では、6つのカテゴリに対するVIPEEGNETの感度は36.8%から88.2%である。
  論文  参考訳（メタデータ） (2025-07-10T02:22:13Z)
• An Agentic System for Rare Disease Diagnosis with Traceable Reasoning [69.46279475491164]
  大型言語モデル(LLM)を用いた最初のまれな疾患診断エージェントシステムであるDeepRareを紹介する。 DeepRareは、まれな疾患の診断仮説を分類し、それぞれに透明な推論の連鎖が伴う。 このシステムは2,919の疾患に対して異常な診断性能を示し、1013の疾患に対して100%の精度を達成している。
  論文  参考訳（メタデータ） (2025-06-25T13:42:26Z)
• Machine Learning-Based Analysis of ECG and PCG Signals for Rheumatic Heart Disease Detection: A Scoping Review (2015-2025) [0.0]
  AIを利用した聴診器はリウマチ性心疾患(RHD)のスクリーニングに有望な代替手段を提供する 早期発見は不可欠だが、ゴールド標準ツールであるエコー心電図は、コストと労働力の制約により、低リソース環境ではアクセスできない。 本稿では, 心電図 (ECG) と心電図 (PCG) データを解析する機械学習アプリケーションについて系統的に検討する。
  論文  参考訳（メタデータ） (2025-05-17T11:34:02Z)
• A Clinician-Friendly Platform for Ophthalmic Image Analysis Without Technical Barriers [51.45596445363302]
  GlobeReadyはクリニックフレンドリーなAIプラットフォームで、再トレーニング、微調整、技術専門知識の必要性なしに、基礎疾患の診断を可能にする。 光コヒーレンス・トモグラフィー(OCT)スキャンを用いて、カラー・ファンドス写真(CPF)を用いた11のファンドス病(93.9-98.5%)と15のファンドス病(87.2-92.7%)の精度を示した。 トレーニングなしのローカル機能拡張を活用することで、GlobeReadyプラットフォームは、センターや人口間のドメインシフトを効果的に軽減する。
  論文  参考訳（メタデータ） (2025-04-22T14:17:22Z)
• Integrating Large Language Models with Human Expertise for Disease Detection in Electronic Health Records [6.395493502337635]
  本研究は, EHR臨床ノートから複数の条件を同定するための, 先進的な大規模言語モデルに基づく効率的な戦略を考案した。 EHRノートの分析,理解,解釈にLLM(Generative Large Language Model)を利用したパイプラインを開発した。
  論文  参考訳（メタデータ） (2025-03-31T04:19:18Z)
• Medical Hallucinations in Foundation Models and Their Impact on Healthcare [71.15392179084428]
  基礎モデルの幻覚は自己回帰訓練の目的から生じる。 トップパフォーマンスモデルは、チェーン・オブ・シークレット・プロンプトで強化された場合、97%の精度を達成した。
  論文  参考訳（メタデータ） (2025-02-26T02:30:44Z)
• Sparse Dynamical Features generation, application to Parkinson's Disease diagnosis [0.0]
  本稿では,脳波の動的,頻度,時間的内容を用いて脳の機能に着想を得た新しいアプローチを提案する。 本手法は,N=50名の被験者を含む3眼球聴覚タスク中に記録された脳波信号を含む公開データセットを用いて評価し,そのうち25名がPDに罹患した。
  論文  参考訳（メタデータ） (2022-10-20T22:39:29Z)
• Neural Network Based Epileptic EEG Detection and Classification [0.0]
  脳波信号の真の性質をテキスト1次元ベクトルとして保存するモデルが提案されている。 提案モデルは,平均感度81%,特異度81.4%であるボン大学データセットに対して,それぞれ芸術性能の状態を達成している。
  論文  参考訳（メタデータ） (2021-11-05T05:25:40Z)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。