多発性硬化症におけるベイジアンおよび機械学習解析に基づく統合バイオマーカー-容積測定プロファイリングによる神経変性サブタイプ定義と神経軸索損傷予測 | JoVE Visualize

科学分野:

神経科学
バイオマーカー発見
放射線学

背景:

多発性硬化症（MS）における臨床-放射線学的パラドックスは、神経変性を反映するバイオマーカーの必要性を強調している。
血清神経線維軽鎖（sNfL）は神経軸索損傷を示し、脳容積測定は構造的損傷を評価する。
sNfL、領域萎縮、および患者層別化の関係は、さらなる調査が必要である。

研究の目的:

MSにおけるsNfLと容積測定MRIを統合するマルチモーダルバイオマーカーフレームワークを開発すること。
ベイジアン推論と機械学習を使用して、神経変性内表型を定義し、神経軸索損傷を予測すること。
患者層別化と予測におけるsNfLと容積測定データの組み合わせた有用性を探求すること。

主な方法:

Simoa技術を用いて57人のMS患者のsNfLを測定した。
自動化された深層学習セグメンテーションを用いて42領域の脳容積を定量化した。
ベイジアン相関、媒介分析、K平均法クラスタリング、および教師あり機械学習（Elastic Net、Random Forest）を使用した。

主要な成果:

sNfLは灰白質体積の減少および脳室体積の増加と強く関連していた。
灰白質の萎縮は、拡大障害重症度尺度（EDSS）とsNfLの関係を有意に媒介していた。
「高神経変性」、「中等度損傷」、「良性容積測定」の3つの患者サブタイプが特定された。
教師ありモデルは、灰白質体積、脳室体積、および年齢を使用してsNfLを正確に予測した（R²=0.65）。

結論:

sNfLはMSにおける全般的な灰白質および脳室体積と堅固に関連している。
これらの統合された測定値は、臨床的に意味のある神経変性サブタイプを定義する。
容積測定MRIの特徴は神経軸索損傷を予測でき、予後と個別化治療を支持する。