安静時fMRIを用いた機能的コネクトームベース予測モデルのベンチマーク

Benchmarking functional connectome-based predictive models for resting-state fMRI
Dadi, Kamalaker and Rahim, Mehdi and Abraham, Alexandre and Chyzhyk, Darya and Milham, Michael and Thirion, Bertrand and Varoquaux, Ga{\”e}l and Alzheimer’s Disease Neuroimaging Initiative and others
Neuroimage, vol.192, pp.115–134, 2019

機能的なコネクトームは,個々の心理的または臨床的特徴のバイオマーカーを明らかにする.ただし,rest-fMRIコホートから結果を導くために通常使用される分析パイプラインには大きなばらつきがある.ここでは,機能的なコネクトームのエッジの重みに関する予測モデルを使用して特定のタイプの研究を検討する.そのために,最適なモデリングを示す.神経変性疾患(アルツハイマー病,心的外傷後ストレス障害)神経精神疾患(統合失調症,自閉症),薬物依存症(大麻使用)と心理的特性の6つの異なるコホートおよび合計2000人のモデルの予測性能を体系的に検討した. rest-fMRIからの一般的な予測手順は,3つの主要なステップで構成されている.脳領域の定義,相互作用の表現,および教師あり学習である.領域を定義する8つの異なる方法,事前定義またはrest-fMRIデータから生成する方法,抽出された時系列から機能的なコネクトームを構築する3つの手段.および機能的な相互作用を比較する10の分類モデルの各ステップについて,典型的な選択肢のベンチマークを行った.ベンチマークでは,240を超えるさまざまなパイプラインを要約し,母集団と観測結果のばらつきにもかかわらず,一貫した予測パフォーマンスを示すモデリングは機能データから定義された領域が最適に機能することがわかる.相関と部分相関の中間である共分散の接線ベースのパラメーター化により領域間相互作用をキャプチャすることが有益であること.また,ロジスティック回帰などの単純な線形予測子が最良の予測を提供する.本稿は,臨床のための再現可能な画像ベースのバイオマーカーを確立するための一歩である.

規範に基づく個人の分割が示す性別特有の機能的ネットワークの必要性

An exemplar-based approach to individualized parcellation reveals the need for sex specic functional networks
Guillermo Gallardo, WilliamWells III, Rachid Deriche, DemianWassermann Mehraveh Salehi, Amin Karbasi, Xilin Shen, Dustin Scheinost, R. Todd Constable NeuroImage, Volume 170, 15 April 2018

脳の機能的接続性を用いた近年の研究によって,脳の機能的ネットワーク構成の理解は著しく進歩している.多くの文献は集団レベルでの分割方法に焦点を当てているが,一方で,多くの研究が脳は個体間で構造および機能の両方が変化することを示唆している.本研究では,個人レベルと集団レベルの両方で脳機能ネットワークを組み込んだ分割方法を提案する.本手法では,個別化された複数の機能ネットワーク間の対応を保持,統合して分割する「サブモジュラリティ」の概念を提案する.この分割手法を用いて我々は分割のスキーム,つまり,ノード対ネットワークの割り当てベクトルに基づいて個人の性別を予測する交差検証モデルを確立した.性別の予測の結果は,個人の脳機能ネットワークを分割した領域が集団内のサブグループを明らかにすることが可能であることを示唆した.さらに,この結果は集団全体のネットワークに基づくアトラスの使用が機能的ネットワーク構成の根本的な違いを見逃す可能性を示唆する.これは,患者対コントロール,または患者内のサブグループを比較する研究において考慮すべき重要なポイントである.個人の脳における機能的ネットワーク構成について,本アプローチは,神経科学および臨床応用の両方に対して大きく寄与すると考えられる.