パーキンソン病における初期認知機能障害検出のための機械学習を用いたマルチモーダルMRIフレームワーク

科学分野:

• 神経科学
• 医用画像処理
• 機械学習

背景:

• 認知障害は、診断後10年以内にパーキンソン病（PD）患者の最大50％に影響を及ぼします。
• PDにおける適時の介入と管理のために、認知障害の早期検出は非常に重要です。

研究 の 目的:

• 機械学習モデルを用いてPD患者の認知パフォーマンスを分類すること。
• 構造的および機能的MRIデータと臨床的特徴を統合して検出を改善すること。

主な方法:

• 38人のPD患者からのデータでバイナリサポートベクターマシン（SVM）モデルをトレーニングしました。
• 構造的（灰白質体積）および機能的接続性（FC）MRIデータを分析しました。
• 特徴選択にはブートストラップを使用し、モデルの堅牢性は10倍クロスバリデーションによって保証されました。

主要な成果:

• 最もパフォーマンスの高いモデルは、画像特徴量（灰白質体積、ネットワーク間FC）のみを使用して、94.7%の精度と0.98のROC-AUCを達成しました。
• 臨床データと機能的MRIデータを統合したモデルは、同様の結果（94.7%の精度、0.90のROC-AUC）を示しました。

結論:

• マルチモーダルMRIデータに適用された機械学習は、PDにおける認知機能障害の早期検出を大幅に進歩させることができます。
• このアプローチは、パーキンソン病患者の適時診断と管理戦略をサポートします。