アルツハイマー病イメージングコンソーシアム

科学分野:

• 神経画像
• 機械学習
• 神経学

背景:

• アルツハイマー病（AD）は認知症の主な原因です。
• T1 MRIにおける大脳皮質萎縮パターンを介した早期AD神経変性の検出は、微妙で異種な変化のため困難です。
• 従来の深層学習手法は、これらの早期の微妙なパターンを捉えるのに苦労しています。

研究 の 目的:

• 説明可能な大脳皮質グラフ畳み込みネットワーク（GCN）を開発すること。
• ADリスクが高い被験者を特定するために、大脳皮質表面における早期萎縮パターンを捉えること。
• 前駆期ADの早期診断を改善すること。

主な方法:

• アルツハイマー病神経画像イニシアチブ（ADNI）データセット（1645人の被験者）からT1 MRIデータを採用しました。
• FreeSurferを使用してMRIデータを処理し、大脳皮質表面をグラフとして扱う大脳皮質GCNモデルを採用しました。
• CN+ADデータの90％で5分割交差検証モデルをトレーニングし、10％でテストし、安定MCI（sMCI）対進行性MCI（pMCI）の予測を評価しました。

主要な成果:

• 大脳皮質GCNモデルは、認知症（AD）と認知正常（CN）の被験者を区別する上で0.736のバランス精度を達成しました。
• モデルは、sMCIからpMCIへの予測で平均0.644の平均バランス精度を得ました。
• リスクのある個人における将来の認知症発症を予測するモデルの能力を実証しました。

結論:

• この研究は、ADのリスクがある個人における認知症発症の早期予測における大脳皮質GCNの効果を実証しています。
• 将来の研究には、一般化可能性を評価するためにNACC/ADRCデータでの独立した検証が含まれます。
• 診断ツールを改善し、より深い洞察を提供するために、Grad-CAMや統合勾配などの技術を使用してモデルの説明可能性を高めることが計画されています。