静止状態の機能MRIからグラフニューラルネットワークによる精神疾患の強力なバイオマーカーの発見:体系的なレビュー

科学分野:

• 神経科学
• 機械学習
• バイオマーカーの発見

背景:

• グラフニューラルネットワーク (GNN) は,精神疾患の研究における機能的磁気共鳴画像 (fMRI) 分析のためにますます使用されています.
• GNNは疾患の分類を改善しますが,特定されたバイオマーカーの堅実性を評価することは困難であり,しばしば主観的な文献レビューに依存しています.

研究 の 目的:

• 精神疾患の予測のためのfMRIにおけるGNNと説明性技術の適用を検討する.
• 精神疾患におけるGNNによって特定された潜在的なバイオマーカーの強さを批判的に評価する.

主な方法:

• ADHD,ASD,MDD,および統合失調症におけるfMRIバイオマーカーのGNNを用いた65の研究の体系的な文献検索.
• 分析は,潜在的なバイオマーカーと研究における再現性を強調するために使用される特性の帰属方法に焦点を当てた.

主要な成果:

• ほとんどの研究では,モデルの高性能が報告されていますが,同一の障害に関する研究によって顕著なfMRI特徴 (バイオマーカー) が異なっています.
• バイオマーカーの再現性は限られており,トランス診断マーカーはほとんど特定されていません.
• バイオマーカーの強度に関する現在の評価方法は矛盾しています.

結論:

• 精神疾患のGNN由来fMRIバイオマーカーの堅実性を評価するために,標準化された客観的な評価メトリックが必要である.
• 予測・帰属・評価の枠組みを提案し,将来の研究を信頼性の高いバイオマーカーの発見に導くことを目的としています.