形状が重要：進行モデリングによるハンチントン病の予測

科学分野:

• 神経画像
• 計算神経科学
• 生物医学データサイエンス

背景:

• ハンチントン病（HD）の臨床試験における現在の進行モデルでは、詳細な線条体形態計測（形状情報）が利用されていません。
• これは、HD患者（PwHD）の臨床研究における参加者選択および治療結果評価の精度を制限します。

研究 の 目的:

• 皮質下の脳形状記述子の有用性をHD進行のモデリングで調査すること。
• 形状情報が体積データと比較して疾患バイオマーカーの予測モデルを改善できるかどうかを評価すること。

主な方法:

• 3つの縦断的データセットにわたる615人のHD患者（PwHD）の2,932の脳スキャンから皮質下の構造の形状記述子を抽出するために、深層ニューラルネットワークを検証しました。
• 形状記述子、体積、遺伝子、および臨床データを使用して、疾患進行バイオマーカーを予測するための条件付き生成モデルをトレーニングしました。

主要な成果:

• 主要な皮質下の構造（被殻、側脳室、淡蒼球、尾状核、視床、側坐核）の解剖学的形状は、HDの進行と強く相関していました。
• 主成分分析を介して集約された形状記述子は、体積測定（ρ = 0.45）よりも疾患段階との相関（ρ = 0.72）が高かった。
• 皮質下の形状を生成モデルに組み込むことにより、脳体積のみを使用したモデルよりも予測パフォーマンスが大幅に向上しました。

結論:

• 皮質下の形状はHDの進行の重要な相関因子であり、ステージ内のより細かい変動を捉えます。
• 形状ベースのモデルは、HDバイオマーカーの予測可能性を高め、より正確な臨床試験参加者選択の可能性を提供します。
• このアプローチは、将来のHD臨床試験における治療効果のより客観的な介入後評価につながる可能性があります。