バイオマーカー

科学分野:

• 神経画像；人工知能；医療診断

背景:

• 磁気共鳴画像法（MRI）は、アルツハイマー病（AD）の診断とモニタリングに不可欠です。；国民的コホート間でのデータ変動は、MRIを用いた一貫したAD診断に課題をもたらします。；Attention Mapを備えた説明可能なAIは、MRI解析を通じたADの診断精度と解釈可能性を向上させることができます。

研究 の 目的:

• アルツハイマー病（AD）と健常認知（CN）の分類における病理学的脳領域を可視化するための深層学習アプローチを開発すること。；AD検出のためのマルチコホートデータセット全体でMRIデータの診断精度と解釈可能性を向上させること。

主な方法:

• アルツハイマー病神経画像イニシアチブ（ADNI）および光州アルツハイマー病関連認知症（GARD）データベースからのデータを利用しました。；ADとCNの個人を区別するために、Attentionメカニズムを備えたResNet-50分類モデルをトレーニングしました。；MRIスキャンの矢状断、軸状断、冠状断におけるAttention Mapを可視化し、主要な病理領域を特定しました。

主要な成果:

• ADとCNの個人を区別する上で高いパフォーマンスを達成しました：精度98.18％、特異度96.73％、感度98.97％。；Attention Map分析により、海馬と側頭葉が主要な関心領域であることが強調され、既知のAD病理と一致しました。；GARDコホートで一貫したパフォーマンスを示し、モデルの一般化を確認しました。

結論:

• 提案手法は、ADとCNの分類において優れており、海馬や側頭葉などの重要な病理領域を正確に特定します。；多様なコホート全体での一貫した結果は、この説明可能なAIアプローチの堅牢性と臨床実装の可能性を強調しています。