バイオマーカー

科学分野:

• 神経画像
• 機械学習
• 認知神経科学

背景:

• 機械学習（ML）モデルは、アルツハイマー病（AD）および加齢脳の萎縮パターンを特定する。
• 既存のMLツールは主に白人集団で検証されており、多様なグループでの使用が制限されている。
• 本研究では、人種的および民族的に多様な神経画像サンプルにおけるML指標の一般化可能性を評価する。

研究 の 目的:

• 多民族コホートにおけるAD様および加齢関連脳萎縮パターンと認知機能との関連を調べること。
• ML由来の脳萎縮指標（SPARE-ADおよびSPARE-BA）の多様な人種および民族グループ間での一般化可能性を評価すること。

主な方法:

• 4つの研究（FHS、NACC、CHS、NOMAS）にわたる6,700件のスキャンからMRIデータを利用した。
• スキャナー効果を除去し、SPARE-ADおよびSPARE-BA指標を導出するために、堅牢な統計的ハーモナイゼーションを適用した。
• 人種/民族グループ全体で混合効果モデルを使用して、SPARE-ADと認知機能障害、およびSPARE-BAと全体的な認知機能との関連を調査した。

主要な成果:

• AD様萎縮の確率が50％を超えることを示すSPARE-AD指数は、人種間で一貫して、認知機能障害のオッズを有意に増加させた（OR = 10.37）。
• SPARE-BA予測脳年齢の1年増加は、全体的な認知機能の低下と関連していた（β = -0.086）。
• SPARE-BAと認知機能との関連は、ヒスパニック系個人では有意ではなく、75歳未満の個人ではグループ間でより一貫していた。

結論:

• ハーモナイゼーション技術と多様なトレーニングデータにより、ML指標をさまざまな人種および民族グループに拡張できる。
• 高齢のヒスパニック系個人は、加齢脳パターンと認知機能との間に異なる関係を示す可能性がある。
• 観察された認知関連の違いの根底には、神経病理学または他の要因の潜在的な違いがある可能性がある。