脳年齢予測におけるAI：MRIによる加齢およびアルツハイマー病のバイオマーカー特定

科学分野:

• 神経画像
• 人工知能
• 老年医学

背景:

• 加齢は、軽度認知障害およびアルツハイマー病（MCI/AD）の主要な危険因子です。
• 正常な脳の加齢およびMCI/ADを理解するには、脳年齢パターンを特定する必要があります。
• 以前の研究は個々の脳領域に焦点を当て、多変量関連を無視していました。

研究 の 目的:

• MRIデータを用いた脳年齢予測のためのAIモデルを開発および検証すること。
• 脳年齢予測に関連する有意な多変量脳領域を特定すること。
• 脳年齢パターンとMCI/ADの臨床重症度との関係を探求すること。

主な方法:

• 領域脳容積からの脳年齢推定のために、深層学習（AgeNet）および機械学習モデルを利用しました。
• 最適なAIモデルにSHAPを統合し、主要な多変量脳領域を特定しました。
• シミュレーションおよび実験的MRIデータセット（n=668）で方法論を検証しました。

主要な成果:

• 深層学習モデル（AgeNet）は、従来のモデルよりも脳年齢予測において有意に優れた性能を示しました。
• AgeNet-SHAPは、シミュレーションにおいて脳年齢の主要な予測因子を特定することに成功しました。
• アルツハイマー病患者では、対照群と比較して、脳構造における有意で広範な地域差が観察されました。

結論:

• 説明可能なAI（AgeNet-SHAP）は、脳年齢を効果的に予測し、多変量脳領域の関連を明らかにします。
• この方法は、アルツハイマー病の重症度に関連する脳領域を特定しました。
• これらの発見は、神経変性疾患における診断、予後、および個別化医療のためのAI駆動型アプローチを支持します。