resting-state時のfMRI機能的結合ネットワークにおける比例閾値処理とpatient-controlコネクトーム研究の結果:問題と推奨事項について

Proportional thresholding in resting-state fMRI functional connectivity networks and consequences for patient-control connectome studies: Issues and recommendations
van den Heuvel, Martijn P and de Lange, Siemon C and Zalesky, Andrew and Seguin, Caio and Yeo, BT Thomas and Schmidt, Ruben Neuroimage, vol. 152, pp. 437-449, 15 May 2017

グラフ理論分析は,神経学的および精神医学的脳障害における脳の切断性の検査における重要なツールとなっている. 機能的グラフまたはネットワークの構築における一般的な分析手順には,接続性マトリックスの「閾値設定」が含まれ,ネットワーク組織が評価されるグラフ形成のエッジセットを選択する.エッジの絶対数の系統的な違いを避けるために,case-control研究で「絶対閾値」の使用に反対し,代わりに、データセット全体で等しいネットワーク密度を確保する「比例閾値」の使用を提案した.ここでは,機能的マトリックスの構築とそれに続くpatient-control機能的コネクトーム研究においてグラフ分析に対する比例閾値の影響を体系的に研究した. いくつかの簡単な実験で,patient-control間でよく見られる機能的接続性(FC)の全体的な強度の違いが,ネットワーク組織のグループ間の違いに予測可能な結果をもたらすことがあることを示す. 全体的なFCが低い個々のネットワークでは,比例閾値アルゴリズムは,低い相関に基づいてより多くのエッジを選択する必要がある.経験的および人工的なpatient-controlデータセット全体で,patientまたはcontroalグループのFC全体のレベルが低いと,ネットワーク効率とクラスタリングに違いが生じることが多く,被験者間のFCの違いは人為的に膨らまされるか,またはネットワーク組織の違いに変換されることを示唆している.我々はpatient-control研究における比例閾値の注意事項について通知する.patient-control研究では,グループはFC全体でグループ間差を示す.将来のpatient-contro機能的コネクトーム研究において,FCの全体的な影響を調べ,報告し,考慮にする方法について勧告を行う.

統合失調症における認知と安静時の機能的結合

Cognition and resting-state functional connectivity in schizophrenia
Sheffield JM, Barch DM Neuroscience & Biobehavioral Reviews Volume 61, February 2016, Pages 108-120

統合失調症の個人は,一貫して多数の認知領域で欠損を示すが,これらの認知障害の神経生物学的原因は不明のままである.統合失調症のような臨床集団における,安静状態の機能的磁気共鳴画像データの機能的接続性を分析することにより,研究グループは特定の脳領域間の内因性コミュニケーションの異常の解明を始め,これらの異常と統合失調症の認知パフォーマンスの関係を評価した.本研究では,これらの脳と行動の関係の分析の研究を見直す.系統的な見直しにより統合失調症患者は,(1)皮質-小脳-線条体-視床ループと(2)タスク陽性およびタスク陰性の皮質ネットワークを含む領域内および領域間で異常を示すことがわかった.重要なのは,特定の機能的接続の異常と異なる認知領域との間に一意な関係は観察されなかったことであり,観察された機能システムは認知能力全体で共有されるメカニズムの根底にある可能性があり,その障害は統合失調症で見られる「一般的な」認知障害の一因となる可能性があることを示唆している.

低ランク学習を使用した個々のコネクトーム特性の分離

Dissociating individual connectome traits using low-rank learning
Jian Qin, Hui Shen, Ling-Li Zeng, Kai Gao, Zhiguo Luo, Dewen H Brain Research, Volume 1722, 1, Pages 146348, 2019

固有の機能的接続は,個人間で高い変動性を示し,これは認知能力と行動能力の多様性を説明する可能性がある.この接続性の変動は、個々の特性およびセッション間状態の違い,および少量のノイズに起因する可能性がある.ただし,機能的結合から接続特性の正確な識別を実行することは依然として課題である.ここでは,被験者内の差を減らすことができる新しい制約項目でこの問題を解決するために,新しい低ランクの学習モデルを導入した.このモデルは,機能的結合を,個体群全体に共通する機能特性と、個々の行動の違いを説明すると予想される接続特性を描写する基質に分離することができる.その後,抽出された接続特性に対してスパース辞書学習アルゴリズムを実行し,接続辞書という名前の辞書マトリックスを取得した.次に,元の機能的結合よりも接続辞書を使用して,流体的知性,口頭での認識,握力,怒りなどの認知行動をより正確に予測できた.結果は,認知行動をより効果的に表す個々の接続特性を抽出したことを反映している.さらに,機能的基質は大規模な解剖学的脳構造と有意に相関しており,接続性特性の個人差は接続性基質によって制約されることがわかった.我々の調査結果は,解剖学,機能,および行動間の関係についての理解を深めるかもしれない.

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.

脳卒中後失語患者の多変量分類に基づく全脳の機能的接続性

Whole-brain functional connectome-based multivariate classification of post-stroke aphasia
Mi Yang, Jiao Li, Zhiqiang Li, Dezhong Yao, Wei Liao, Huafu Chen Neurocomputing, Volume 269, Pages 199-205, 20 December 2017

脳卒中後失語患者(PSA)は,内因性機能的接続性の異常を示す.しかし,PSAと健常者を区別するための機能として全脳機能性コネクトームを使用できるかどうかはほとんど解明されていない.我々は,全脳機能接続ベースの多変量解析を用いて,PSA患者を対照から区別することを目指す.これらの特徴は,PSAの病態生理の理解に役立つ.本研究ではPSA17人および年齢,性別が一致する健常対照患者20人分の安静状態の機能的磁気共鳴画像(fMRI)を用いた. 2つのグループを分類するために,機能的接続パターンと線形サポートベクトルマシンを使用した.その結果,分類の精度は86.5%に達し,感度は76.5%に達し,特異度は95.0%に達した.さらに,接続は,主に前頭頭頂,聴覚,感覚運動,および視覚ネットワークに位置していた.右補足運動野は最も大きい重みを与えられた.これらはPSA患者と対照を区別するために,脳全体の機能的接続性を潜在的な神経マーカーとして使用可能であることを示唆している.

休止状態のfMRIによる機能的結合のマッピング

Connectopic mapping with resting-state fMRI
Haak, Koen V and Marquand, Andre F and Beckmann, Christian F
Neuroimage, vol.170, pp. 83–94, 2018

脳は,近くの別の脳領域と接続している.これらの接続トポグラフィ,つまり「連結子」を簡単にマッピングすることは,情報が脳内でどのように処理されるかを理解する上で重要である.ここでは,空間的な統計的推論への新しいアプローチと,ボクセルの接続性の「指紋」のスペクトル埋め込みを組み合わせることによって,静止状態で取得された機能的磁気共鳴イメージング(fMRI)データを使用して,連結基をマッピングする原理的な完全データ駆動方法を提案する.このアプローチを人間の一次運動および視覚野に適用し,これらの領域の体節および網膜地図に続く個々の被験者において,生物学的にもっともらしく重複する結合源を追跡することができることを示す.新しい空間統計学的アプローチは,機能的接続性の細かい空間的プロファイルと、そのプロファイルが被験者間または実験条件間で異なるかどうかに関する仮説の厳密な統計的試験を可能にする。結合されたフレームワークは、機能的関連のボクセルまたはシードペアの特徴付けから、空間トポグラフィの完全な多変量の特徴付けに向けて、脳における機能的連結性を調査する既存のアプローチの基本的な代替法を提供する。

多発性硬化症における機能統合の障害:グラフ理論研究

Impaired functional integration in multiple sclerosis: a graph theory study
Maria A. RoccaPaola ValsasinaAlessandro MeaniAndrea FaliniGiancarlo ComiMassimo Filippi
Brain Structure and Function, vol. 221, no. 1, Pages 115–131, 2016

この研究の目的は大規模な多発性硬化症(MS)患者群における機能的な脳ネットワーク接続性のトポロジカルな組織を探究し,その破壊が疾患の臨床症状に寄与するかどうかを評価することであった.グラフ理論解析は246 人のMS 患者および55 人の健常対照(HC)のレスティングステイトのfMRI データに適用された.116 の皮質および皮質下の脳領域間の機能的接続性は二変量相関分析を用いて推定された.MS 患者とHC との間にはグローバルなネットワーク特性(ネットワーク度数,全体効率,階層,経路長および組み合わせ)に異常があり,HCから認知障害のMS 患者(34%)を区別することに寄与した.HC と比較してMS 患者は(1)左半球の上前頭回,楔前部および前帯状回のハブの喪失; (2)基底核ハブの異なる側方化(主にHC の左半球およびMS 患者の右半球に位置); そして(3)HC では見られない左側頭極および小脳におけるハブの形成を示した.またMS 患者は両側の尾状核および右小脳においてノードの度数の低下を見せた.このような領域的なネットワーク特性の改変はMS の認知障害および表現型の変動に寄与した.グローバル統合の障害(遠い脳領域間の情報交換能力の低下を反映する可能性がある)はMS において起こり,認知障害と関連する.ネットワーク特性の局所的再配分はこれらの患者の認知状態および表現型変動に寄与する.

客観的特性マインドフルネスの動的機能的接続マーカー

Dynamic functional connectivity markers of objective trait mindfulness
Lim, Julian and Teng, James and Patanaik, Amiya and Tandi, Jesisca and Massar, Stijn AA
NeuroImage, vol. 176, pp.193–202, 2018

マインドフルネスは,練習を通して洗練されるスキルとして一般的に見られるが,訓練されていない個人も,性質上のマインドフルネスにおいて幅広く変化する可能性がある.以前の研究では,この特性の静的な神経接続相関が確認されている.ここでは,自然状態変化と客観的に測定された特性マインドフルネスに関連する時間変化する接続パターンを研究するために,安静状態fMRIの動的機能接続性(DFC)分析を使用する.参加者は,高い特性マインドフルネス(HTM; N = 21)および低い特性マインドフルネス(LTM; N = 18)グループを形成するために,数息観タスクの実行者の上および下三分位から選択された.安静状態のfMRIデータのDFC分析は,HTMグループがネットワーク内の接続性が高く,タスクポジティブネットワークとデフォルトモードとの間のより大きな反相関することを特徴付けられたタスク準備に関連した脳状態となるには十分な時間を有することを明らかにした. HTMグループは脳の状態間の遷移頻度が高いが,タスクレディ状態の各エピソードにおける滞留時間は群間で同等であった.これらの結果は,警戒のために管理した後も維持された.個人間では,特定の接続性指標は,FFMQアンケートで測定された自己報告のマインドフルネスと弱く相関してたが,複数の比較の訂正に耐えられなかった.静的な接続性マップでは,HTMの個人はDMNとセイリエンスネットワークでより大きなネットワーク内の接続性を持ち,DMNとタスクポジティブなネットワークとの間には大きな反相関があった.要するに,DFCはHTMおよびLTM個体を強く区別し,性質的なマインドフルネスの測定に有用な生物学的マーカーとなり得る.

客観的な特性マインドフルネスの動的機能接続性マーカー

Dynamic functional connectivity markers of objective trait mindfulness
J. Lim, J. Teng, A. Patanaik, J. Tandi and S.A. Massar
NeuroImage, vol. 176, pp. 193-202, 2018.

マインドフルネスは,実践を通して培われるスキルであると一般的に考えられるが,訓練されていない個人も性質的なマインドフルネスにおいて大幅に変化する可能性がある.先行研究では,この特性の神経接続相関が確認された.本稿では,自然な状態変化と客観的に測定された特性マインドフルネスに関する時間変化する接続パターンを研究するために,Resting state fMRIの動的機能接続性(DFC)解析を使用する.被験者は高性能マインドフルネス群(21名)と低性能マインドフルネス群(18名)のグループを形成するために,Breath countingタスクの上位と下位の三分位置から選択された.Resting state fMRIのDFC解析は,高性能マインドフルネス群がタスク準備状態に関連する脳状態で有意に多くの時間を費やしたことを明らかにした.タスク準備状態とは,ネットワーク内の接続性が高く,タスクポジティブネットワークとデフォルトモードネットワークとの間により大きな反相関を特徴とする状態である.高性能マインドフルネス群は脳状態の遷移頻度が高いが,タスク準備状態の各サイクルにおける滞留時間は群間で同等であった.これらの結果は,PVTの後も維持された.個人間では,特定の接続性指標はFFMQによるマインドフルネスと弱い相関であったが,多重比較補正に耐えられなかった.静的な接続性マップでは,高性能マインドフルネス群の個人は,デフォルトモードネットワークとセイリエンスネットワークでより大きなネットワーク内の接続性を持ち,デフォルトモードネットワークとタスクポジティブネットワークとの間に大きな相関性があった.つまり,DFCは高性能マインドフルネス群および低性能マインドフルネス群を強く区別し,特性マインドフルネスのすく測定に有用な生物学的マーカーとなり得る.

客観的な特性マインドフルネスの動的機能的接続マーカー

Dynamic functional connectivity markers of objective trait mindfulness
Lim, Julian and Teng, James and Patanaik, Amiya and Tandi, Jesisca and Massar, Stijn AA
NeuroImage, vol. 176, pp. 193-202, 2018

マインドフルネスは,訓練を通して養われるスキルとして一般的にみなされているが,訓練されていない個人も,特性マインドフルネスにおいて幅広く変化する可能性がある.先行研究では,この特性の静的な神経コネクティビティにおける相関が確認されている.ここでは,自然に変化し,客観的に測定された特性マインドフルネスに関連する時系列変化のコネクティビティパターンを研究するために,Resting-state fMRI における動的機能的接続(DFC)分析を使用する.被験者を高性能マインドフルネス(HTM; N = 21)および低性能マインドフルネス(LTM; N = 18)のグループを形成するために,呼吸数測定タスクにおいて上および下三分位から被験者が選択された.Resting-state fMRI データのDFC 分析によると,HTM グループは長時間,タスク準備状態に関連した脳状態となっていた.すなわちその脳状態は,ネットワーク内の接続性が高く,タスクポジティブネットワークとデフォルトモードとの間の強い反相関を特徴としていた.HTM 群は脳の状態間の遷移頻度が高いが,タスク準備状態が現れたときの持続時間は群間で同等であった.これらの結果は,警戒のために管理した後も維持された.個人間では,FFMQ で測定されたように,ある種の接続性指標は自己報告されたマインドフルネス状態と弱く相関していたが,複数の比較補正によって消えた.静的な接続性マップでは,HTM の個人はDMN とSN でより大きなネットワーク内の接続性を持ち,DMN とTPN のとの間には大きな反相関があった.要するに,DFC はHTM およびLTM 個体を強く区別し,特性マインドフルネスの測定に有用な生物学的マーカーとなり得る.