高次元神経画像メディエーターを用いたネットワーク支援媒介分析

科学分野:

• 神経科学
• 生物統計学
• 発達心理学

背景:

• 媒介分析は、中間変数（メディエーター）を介して因果経路を推定する。
• 高次元で相関のあるバイオマーカー（例：神経画像）は、標準的な媒介手法に課題を提示する。
• 脳領域のようなバイオマーカーは、媒介分析を強化できるネットワーク構造を示す。

研究 の 目的:

• 脳皮質の厚さが、母体喫煙から子供の認知能力への影響をどのように媒介するかを調査すること。
• 神経画像メディエーターの階層構造を活用したネットワーク支援媒介分析アプローチを開発すること。
• 媒介分析における高次元で相関のあるメディエーターの課題に対処すること。

主な方法:

• 条件付きガウスグラフィカルモデルを用いたネットワーク支援媒介分析アプローチを提案した。
• 脳皮質の厚さの星型階層ネットワーク構造を活用した。
• ハブメディエーターとリーフメディエーターを通じた間接効果の結合を分解した。

主要な成果:

• 特定の脳領域が有意なリーフメディエーターとして同定された。
• 提案手法は、神経画像メディエーターの星型ネットワーク構造を効果的に考慮した。
• ハブメディエーターを考慮した後、リーフメディエーターを通じた間接効果の個別の同定と評価を可能にした。

結論:

• ネットワーク支援アプローチは、高次元で構造化された神経画像データを伴う媒介の分析に効果的であった。
• この手法は、介入設計に不可欠なメディエーター固有の経路に関する新しい洞察を提供する。
• 既存の手法では発見できなかった有意なリーフメディエーターを同定した。