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:

• 神経画像法
• 機械学習
• アルツハイマー病研究

背景:

• アルツハイマー病（AD）の診断と予後は、臨床的なばらつきのため困難です。
• MRIからADASのような臨床スコアを予測することは、重症度を評価し、予後を助ける上で重要ですが、あまり探求されていません。
• AD研究におけるラベル付きデータの不足は、深層学習モデルのトレーニングを妨げます。

研究 の 目的:

• 事前学習済みの脳年齢予測モデルをファインチューニングして、アルツハイマー病評価スケール（ADAS）スコアを予測する有効性を調査すること。
• 医療画像におけるラベル付きデータの不足という課題に対処すること。
• MRIベースの深層学習モデルを使用して、臨床重症度の予測を強化し、予後を助けること。

主な方法:

• 汎化可能性のために、堅牢な前処理、データ拡張、正則化を採用した、3D脳MRIからの脳年齢予測のためのアンサンブル（n=5）モデルを開発しました。
• アルツハイマー病神経画像イニシアチブ（ADNI）データセットから11,041のMRIを使用し、トレーニング、検証、テストセットに分割しました。
• 脳年齢モデルをファインチューニングしてADAS13スコアを予測し、検証およびテストセットでそのパフォーマンスを評価しました。

主要な成果:

• トレーニング、検証、テストセットでADAS13予測に対して、それぞれ5.66、6.46、5.90の平均絶対誤差（MAE）を達成しました。
• テストセットで0.58（r=0.76、p<<0.01）のR²スコアを取得し、強力な予測パフォーマンスを示しました。
• 利用可能なトレーニングデータのわずか50％のみを使用して、テストセットへの堅牢な一般化を示しました。

結論:

• ファインチューニングされた脳年齢モデルは、ADAS13スコアを効果的に予測し、堅牢性と一般化可能性を示しました。
• このアプローチはより少ないデータで済み、以前の方法を上回り、限られた医療画像データセットで深層学習モデルをトレーニングするためのソリューションを提供します。
• この研究は、アルツハイマー病のためのより効果的な診断および予後ツールの開発への道を開きます。