Machine Learning Model to Predict Phenoconversion Time and Subtype of Synucleinopathy from Isolated REM Sleep Behavior Disorder using EEG

Abstract

Objective: Isolated rapid eye movement sleep behavior disorder (iRBD) is a prodromal disease of α-synucleinopathies, and more than 80% of cases eventually convert to neurodegenerative diseases including Parkinsons disease (PD), dementia with Lewy bodies (DLB) and multiple system atrophy (MSA). Baseline resting-state electroencephalography (EEG) was reported to be associated with the phenoconversion. This study aimed to develop a prediction model for α-synucleinopathy phenoconversion time and subtype using EEG at baseline in iRBD. Methods: At baseline, resting-state EEG and neurological assessments were performed on patients with iRBD. EEG spectral power, weighted phase lag index and Shannon entropy were used as features. Three models were used for survival prediction, and four models were applied for subtype prediction to PD-MSA and DLB. In addition, external validation was performed. Results: 233 patients were followed-up for up to nine years (mean 4.1 years), and 29 converted to α-synucleinopathies (14 PD, 9 DLB, 6 MSA). The best model for survival prediction was the random survival forest with an integrated Brier score of 0.113 and a concordance index of 0.721. K-nearest neighbor was the best model for the subtype prediction with an area under the receiver operating characteristic curve of 0.908. Features related to EEG slowing showed high importance in both models. Conclusions: Machine learning models using EEG biomarker can be able to predict phenoconversion time and subtype in iRBD. Further study including large sample data from various countries is needed to corroborate our results.

연구 배경: 단독 렘수면행동장애(iRBD) 환자는 알파-시누클레인병증의 전구 질환으로 80% 이상이 15년 이내에 파킨슨병(PD), 루이소체 치매(DLB), 다계통위축증(MSA)과 같은 신경퇴행성 질환으로 전환되는 것으로 잘 알려져 있다. 기준선 휴지기 뇌파는 알파-시누클레인병증 발병과 관련이 있는 것으로 보고되었다. 이 연구는 iRBD의 기준선에서 뇌파를 이용하여 알파-시누클레인병증 발병 시기 및 아형에 대한 예측 모델을 개발하는 것을 목표로 하였다. 연구 방법: 기준선에서 iRBD 환자에 대해 휴지기 뇌파 및 신경학적 평가를 수행하였다. 뇌파 스펙트럼 파워, 가중 위상 지연 지수, 섀넌 엔트로피를 특징으로 사용하였다. PD-MSA 및 DLB 그룹에 대한 생존 예측을 위해 3개의 모델이 사용되었고 아형 예측을 위해 4개의 모델이 적용되었다. 또한 외부 검증을 수행하였다. 연구 결과: 233명의 환자를 최대 9년(평균 3.4년) 동안 추적 관찰했으며, 29명에서 알파-시누클레인병증이 발병하였다(PD 14명, DLB 9명, MSA 6명). 생존 예측을 위한 최상의 모델은 통합 브라이어 점수(IBS)가 0.113이고 우위성 지수(C-index)가 0.721인 Random survival forest 모델이었다. K-nearest neighbor 모델은 수신자 동작 특성 곡선 아래 면적이 0.908로 아형 예측 분석에 가장 적합한 모델이었다. 뇌파 감속과 관련된 기능은 두 모델 모두에서 높은 중요성을 보였다. 결론: 뇌파 바이오마커를 이용한 기계 학습 모델은 iRBD에서 알파-시누클레인병증 발병 시기 및 아형을 예측할 수 있다. 우리의 결과를 확증하기 위해서는 다양한 국가의 대규모 샘플 데이터를 포함한 추가 연구가 필요하다.