バイオマーカー

科学分野:

• 神経科学; 人工知能; バイオマーカー発見

背景:

• アルツハイマー病（AD）は病理学的な異種性を示し、診断および予後の課題を引き起こします。 規範モデリングは、疾患の異種性を理解するために、健康な規範からの個々の偏差を定量化します。 この研究では、ADにおける個別化された疾患の影響を測定するために、GANベースのアプローチを適用します。

研究 の 目的:

• アルツハイマー病における個々のレベルの神経解剖学的およびタンパク質異常を定量化するためのGANベースの規範モデリング技術を開発および検証すること。 構造的および分子的なレベルの両方で疾患関連の異種性を検出するモデルの能力を評価すること。 AD患者における疾患の影響と重症度のための個別化されたバイオマーカーを確立すること。

主な方法:

• 疾患を有する被験者を疾患のない対照に変換するために、pix2pix生成敵対ネットワーク（GAN）を適合させました。 健康な対照からのMRI ROIボリューム（n=6000）を用いた神経解剖学的モデルと、CSFタンパク質発現データ（n=96）を用いたプロテオームモデルを訓練しました。 健康な参照サンプルを摂動させることによって患者をシミュレートし、偏差を個別化されたバイオマーカーとして使用しました。

主要な成果:

• GANベースのモデルは、CSFプロテオームおよび構造的ROI測定の両方で有意な異常を検出しました。 安定したMCI患者および対照群と比較して、軽度認知障害からADに進行した（cMCI）患者およびAD患者でより大きな偏差が観察されました。 これらの発見は、構造的および分子的なデータの両方を通じて検出可能な疾患関連の異常を示しています。

結論:

• GANベースの規範モデリング技術は、アルツハイマー病における個々のレベルでの異種性を解析するのに効果的です。 このモデルは、構造的および分子的なデータの両方で病理学的な効果を検出する能力を示しています。 このアプローチは、個別化された偏差検出とAD管理の改善の可能性を秘めています。