アルツハイマー病における海馬中心の構造的共分散ネットワーク再編成：機械学習によって検証された個別化グラフベースバイオマーカー

科学分野:

• 神経科学
• 医用画像
• グラフ理論

背景:

• アルツハイマー病（AD）は、個別的な定量化が困難な進行性の脳ネットワークの崩壊を伴う。
• 現在の方法は、ADにおける脳ネットワークの動的な再編成を捉えるのに苦労している。

研究 の 目的:

• グラフ理論ベースのバイオマーカーとしての個別化差分構造共分散ネットワーク（IDSCN）の可能性を探る。
• AD病態生理に関与する主要な脳領域を特定し、疾患特異的なネットワーク再編成を定量化する。

主な方法:

• 個別化差分構造共分散ネットワーク（IDSCN）のグラフ理論解析を利用した。
• AD患者の識別と軽度認知障害の変換予測のための機械学習を適用した。
• 海馬に焦点を当てた脳萎縮と構造的共分散再編成を分析した。

主要な成果:

• 海馬を中心とした有意な進行性萎縮および構造的共分散再編成がADスペクトル全体で観察された。
• グラフ理論により、海馬、扁桃体、中側頭回、および嗅内皮質をコアハブとするノード強度と効率の向上が明らかになった。
• 海馬における介在中心性の増加は、病理学的伝播における重要な橋渡しとしての役割を強調した。

結論:

• 海馬中心のIDSCNは、ADの効果的な個別化グラフ理論バイオマーカーとして機能する。
• このバイオマーカーは、早期AD診断、予後層別化、および軽度認知障害変換者と非変換者の鑑別において可能性を示す。
• ADネットワーク病態生理と海馬の重要な役割に関する新たな洞察を提供する。