パーキンソン病における視床下核機能結合異常と機械学習分類：多施設機能的磁気共鳴画像法研究

科学分野:

• 神経科学
• 放射線学
• バイオマーカー

背景:

• パーキンソン病（PD）は、基底核の異常な活動による運動機能に影響を与える進行性の神経変性疾患である。
• STNの機能不全は、PDの運動症状に関与している。
• 安静時機能的磁気共鳴画像法（rs-fMRI）は、脳ネットワークの変化に関する洞察を提供する。

研究 の 目的:

• PD患者におけるSTN機能結合（FC）異常を特徴づけること。
• STN-FCパターンをPD分類のための機械学習（ML）バイオマーカーとして評価すること。

主な方法:

• 複数のリポジトリから収集された232人の参加者（PD患者158人、健常対照者74人）のrs-fMRIデータのプール分析。
• 両側STNに焦点を当てたシードベースFC分析、t検定およびガウスランダムフィールド（GRF）補正を用いた群間比較。
• 診断分類のための有意なFC特徴量を用いたサポートベクターマシン（SVM）分類器の開発。

主要な成果:

• PD患者は健常対照者（HC）と比較して、両側性のSTN FCの有意な低下を示した。
• STNと側頭/頭頂葉領域（例：上側頭回、縁上回）との間の結合低下が観察された。
• SVM分類器は、高い診断精度（89.1%）、感度（97.7%）、特異度（75.8%）、およびAUC 0.931を達成した。

結論:

• STN-側頭/頭頂葉の低結合性は、PDの中心的特徴を表す可能性がある。
• STN中心のFCパターンは、PDの診断バイオマーカーとして重要なトランスレーショナルポテンシャルを秘めている。
• これらの発見は、PD分類および個別化神経調節戦略の改善を支持する。