タスク誘発性脳ネットワークダイナミクス：ソース局在化EEGと機械学習を用いた認知的制御
Alfia Parvez1, Shreya Verma1, Jonathan Cerna2
1Department of Health and Kinesiology, University of Illinois Urbana-Champaign, Urbana, IL, 61801, USA.
まとめ
この研究は、認知的タスク中に脳ネットワーク接続性がどのように変化するかを明らかにする。年齢とBMIはこれらの変化に影響を与え、認知的制御パフォーマンスに影響を与える。
科学分野:
- 神経科学
- 認知神経科学
- 脳接続性研究
背景:
- 機能的接続性（FC）は認知的タスクに不可欠である。
- タスク中の動的FCに対する人口統計学的および健康状態の影響は十分に理解されていない。
- 7つのコア脳ネットワーク（デフォルトモード（DMN）、腹側注意（VAN）、体性感覚運動（SMN）、背側注意（DAN）、前頭頭頂（FPN）、視覚（VIN）、および辺縁系（LIN））を調査した。
研究 の 目的:
- 修正されたEriksen flankerタスク中の認知的制御要求に関連するネットワーク構成を特定すること。
- 人口統計学的（年齢、性別、収入）および健康（BMI）要因がタスク関連の動的FCにどのように影響するかを評価すること。
- 高パフォーマンス個人の反応時間（RT）と動的FCパターンの関係を理解すること。
主な方法:
- 255人の成人からのソース局在化EEGデータの二次解析。
- 時空間ダイナミクスを抽出し、ネットワーク相関を定量化するための隠れマルコフモデル（HMM）。
- RTの予測FC特徴を特定するためのExtreme Gradient Boosting（XGBoost）および再帰的特徴除去。
- タスク関連FCに対する年齢、性別、BMI、収入の影響を評価するための回帰モデル。
主要な成果:
- 機械学習モデルは、適合（AUC=0.81）および不適合（AUC=0.86）トライアルの両方でRTを正確に予測した。
- 特定のFCパターン（例：VAN-LIN、VIN-VAN、SMN-DAN）は適合トライアルの鍵であった一方、他のパターン（例：SMN-DMN、LIN-FPN、VIN-DAN）は不適合トライアルに不可欠であった。
- 年齢の増加はFCの低下と相関し、BMIが高いと特定のネットワーク（LIN-FPN、VIN-DAN）のFCにわずかに正の関連を示した。性別と収入は有意な予測因子ではなかった。
結論:
- 脳ネットワーク内およびネットワーク間の動的な相互作用は、認知的制御に不可欠である。
- 年齢とBMIは、認知的タスク中の脳接続性に影響を与える重要な人口統計学的および健康要因である。
- タスクベースの機能的接続性を調べる際には、将来の研究でこれらの要因を考慮すべきである。
