韓国の研究チームが脳波信号を人工知能（AI）で分析し、痛みの程度を区分する方法を提示した。
アン・ジヌンディジスト産業AX革新本部責任研究員の研究チームが、チョン・ソンチャンジスト教授の研究チームとともに脳波を活用して痛みの強度を客観的に分類するAI技術を開発したと26日に明らかにした。研究結果はリハビリテーション工学分野の国際学術誌「電気電子工学者協会（IEEE）神経システムおよびリハビリテーション工学関連学術誌（Transactions on Neural Systems and Rehabilitation Engineering）」2026年5月号に掲載された。
痛みは同じ刺激でも人によって感じ方が異なる。病院では主に患者が自ら痛みの程度を数字で示す視覚的アナログ尺度（VAS）を使用する。例えば「痛みが全くない」を0、「想像できる最もひどい痛み」を10として、患者が自身の状態を選ぶ方式である.
この方法は簡便で広く用いられるが、限界もある。痛みを感じる基準が人によって異なり、同じ人でも状況によって回答が変わり得るためだ。特に意識が低下した患者、子ども、高齢患者のように自身の痛みを言葉で正確に表現しにくい場合には、客観的な評価が一層難しい。
研究チームはこうした問題を抑えるために脳波信号に着目した。脳波は脳の電気的活動を頭皮上で測定した信号で、刺激や感覚処理の過程で変化が現れる。研究チームは多様な温度刺激が与えられたときに発生する脳波データをAIが分析することで、痛みの強度を分類する技術を開発した。
従来のAIは、患者が自ら示した痛みのスコアをそのまま正解データのように用いてモデルを学習させる場合が多かった。だが自己申告式の痛みスコアには個人差や主観的判断が混入し得る。研究チームはこの問題を抑えるため、2つのAIモデルが互いの予測結果を比較するようにした。2つのモデルが比較的信頼できると判断したデータだけを選別し、学習に活用する方式である。
41人の脳波データを用いて検証した結果、新たに開発したモデルは既存モデルよりも性能が向上した。また学習に使用していない新たな刺激条件でも、比較的安定した予測結果を維持した。
アン・ジヌン責任研究員は「今回の研究は、脳波ベースの痛み分析で長年の課題だった主観的自己申告ラベルの偏りを扱った」と述べ、「今後は多様な生体信号を統合し、実際の臨床現場で活用できる痛みAIプラットフォームへ発展させていきたい」と明らかにした。
参考資料
IEEE Transactions on Neural Systems and Rehabilitation Engineering（2026）、DOI: https://doi.org/10.1109/TNSRE.2026.3692232