構造的および機能的脳MRIに基づく失語症予後予測のための説明可能な機械学習

科学分野:

• 神経画像
• 機械学習
• 神経学

背景:

• 失語症の評価には高度なMRIが推奨されますが、関連する指標の特定は困難です。
• 既存の方法では、失語症患者の複雑なMRIデータから意味のある情報を抽出することが困難です。

研究 の 目的:

• 失語症患者の高度なMRIデータを分析するための説明可能な機械学習（ML）パイプラインを開発および検証すること。
• 失語症の状態、病因、および神経学的回復の可能性を示す特定のMRI由来の指標を特定すること。

主な方法:

• 64人の失語症患者（外傷性または虚血性）および55人の対照者を含む前向き横断研究。
• 高度な構造MRIおよび安静時状態機能的接続性解析が実施されました。
• 分析のために、説明可能なML手法のアンサンブルが適用され、交差検証されました。

主要な成果:

• 機械学習モデルは、失語症の診断（93.4％）、損傷の識別（76.2％）、および予後の予測（82.4％）において高い精度を示しました。
• 失語症患者の50％は、3か月で不良な神経学的転帰を経験しました。
• モデルは、さまざまなタスクにわたって強力な一般化能力を示しました。

結論:

• 脳MRI由来の新しい一連の指標は、失語症、その原因、および回復の可能性を効果的に特徴付けます。
• 中間回路および前頭頭頂ネットワークの構造的および機能的完全性は、重要な指標です。
• このMLアプローチは、臨床失語症の評価と予後のための有望なツールを提供します。