バイオマーカー

科学分野:

• 神経画像
• 人工知能
• 老年医学

背景:

• アルツハイマー病（AD）は主要な死因であり、世界的な健康に影響を与えています。
• T1強調MRIは、非侵襲的なADの病期分類とリスク特定に不可欠です。
• 年齢や性別などの人口統計学的要因は、ADの進行と検出に影響を与えます。

研究 の 目的:

• 年齢と性別を考慮した深層学習モデルを提案し、評価すること。
• T1w MRIを使用して、認知機能正常者と認知機能障害者を区別すること。
• OASIS-1データセットを使用してモデルの開発と検証を行うこと。

主な方法:

• 6層の全畳み込みニューラルネットワークを採用しました。
• 年齢と性別のデータをモデルに統合しました。
• OASIS-1データセットは、頭蓋骨除去と正規化を含む前処理を受けました。
• クラスの不均衡に対処するために、重み付き二項クロスエントロピーを使用した5分割交差検証戦略が使用されました。

主要な成果:

• 提案された年齢と性別を考慮したモデルは、平均80%の精度を達成しました。
• モデルは96%の特異度と39%の感度を示しました。
• ROC-AUCは0.88に達し、人口統計学的入力のないベースラインモデルを上回りました。

結論:

• 人口統計学的情報（年齢、性別）は、データ駆動型の疾患検出モデルにとって不可欠です。
• 人口統計学的要因を統合することにより、AD検出のためのモデルパフォーマンスが向上します。
• このアプローチは、AD診断における実際の臨床応用の可能性を向上させます。