バイオマーカー

科学分野:

• 神経画像および計算神経科学
• 医学における人工知能
• 神経変性疾患研究

背景:

• アルツハイマー病（AD）の診断には、介入効果のための早期検出が必要です。
• 軽度認知障害（MCI）はADの وهو مرحلة سابقة للمرض، ولكن التنبؤ بتقدمه يمثل تحديًا بسبب عدم التجانس.
• MCIからADへ進行する個人を正確に特定するには、高度な診断ツールが必要です。

研究 の 目的:

• MCIからADへの進行の早期診断のための、高度に一般化可能な深層学習アプローチを開発すること。
• 磁気共鳴画像法（MRI）を利用して、MCIからADへの変換を予測すること。
• 認知正常（CN）、安定MCI（sMCI）、進行性MCI（pMCI）の個人を区別する際の診断精度と一般化可能性を向上させること。

主な方法:

• マルチプレーン特徴抽出と注意機構を用いた深層学習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）データセットのMRIデータでモデルをトレーニングしました。
• 一般化可能性は、光州アルツハイマー病および関連認知症（GARD）データベースからの独立したデータセットで検証され、CN、MCI、pMCI、sMCIグループを比較しました。

主要な成果:

• ADNIデータセットにおいて、CN vs. MCIで高い精度（91.92%）とAUC（96.22%）、pMCI vs. sMCIで（78.16%、83.77%）を達成しました。
• GARDデータセットでは、モデルは86.25%（CN vs. MCI）および76.14%（pMCI vs. sMCI）の精度スコアで堅牢なパフォーマンスを維持しました。
• t-SNE可視化は、診断グループ間の効果的な特徴分離を確認し、強力な識別能力を示しました。

結論:

• 提案された深層学習フレームワークは、MCIからADへの進行予測による早期AD診断において、高い精度と一般化可能性を示します。
• このアプローチは、CNとMCIの個人を確実に区別し、MCIからADへの進行を予測できます。
• これらの発見は、早期アルツハイマー病検出における臨床的意思決定のためのこの神経画像解析ツールの可能性を裏付けています。