[論文レビュー] Brain network efficiency is influenced by pathological source of corticobasal syndrome

John D. Medaglia, Weiyu Huang+7 more|arXiv (Cornell University)|Jan 28, 2016

Functional Brain Connectivity Studies参考文献 62被引用数 4

ひとこと要約

本研究では、白質微細構造のグラフ理論的解析、特に局所的ネットワーク効率が、皮質基底動脈症候群を示すアルツハイマー病と後頭頭頂葉変性症を区別する際、灰色 matter 密度を上回ることを示している。構造的 MRI とネットワーク指標を用いて、病理的サブタイプの分類において高い感度と特異度を達成した。神経変性疾患診断におけるネットワークレベルの解析の価値が強調されている。

ABSTRACT

Multimodal neuroimaging studies of corticobasal syndrome using volumetric MRI and DTI successfully discriminate between Alzheimer's disease and frontotemporal lobar degeneration but this evidence has typically included clinically heterogeneous patient cohorts and has rarely assessed the network structure of these distinct sources of pathology. Using structural MRI data, we identify areas in fronto-temporo-parietal cortex with reduced gray matter density in corticobasal syndrome relative to age matched controls. A support vector machine procedure demonstrates that gray matter density poorly discriminates between frontotemporal lobar degeneration and Alzheimer's disease pathology subgroups with low sensitivity and specificity. In contrast, a statistic of local network efficiency demonstrates excellent discriminatory power, with high sensitivity and specificity. Our results indicate that the underlying pathological sources of corticobasal syndrome can be classified more accurately using graph theoretical statistics of white matter microstructure in association cortex than by regional gray matter density alone. These results highlight the importance of a multimodal neuroimaging approach to diagnostic analyses of corticobasal syndrome and suggest that distinct sources of pathology mediate the circuitry of brain regions affected by corticobasal syndrome.

研究の動機と目的

• 皮質基底動脈症候群の病理的サブタイプを区別するにあたり、特に局所的ネットワーク効率を含むネットワークレベルの脳組織の構造が有効であるかを検証すること。
• 白質微細構造から導出されるグラフ理論的統計と、領域的灰色 matter 密度を比較して、その診断的有用性を評価すること。
• 神経画像特徴を用いて、サポートベクターマシン（SVM）がアルツハイマー病と後頭頭頂葉変性症サブタイプを分類する際の性能を評価すること。
• 異なる病理的要因が皮質基底動脈症候群における構造的脳ネットワークの構造にどのように影響を与えるかを調査すること。

提案手法

• 年齢照合対照群と比較して、皮質基底動脈症候群を示す患者の構造的 MRI データを収集し、前頭頭頂葉領域の灰色 matter 密度を評価した。
• 白質微細構造データを用いて、関連皮質に注目し、局所的ネットワーク効率を定量化するためのグラフ理論的手法を適用した。
• 灰色 matter 密度とネットワーク効率指標の区別力の比較を目的として、サポートベクターマシン（SVM）分類器を用いた。
• 標準的なグラフ理論的手法を用いてネットワーク効率を計算し、脳ネットワークにおける局所的近傍の平均クラスタリング係数を測定した。
• 病理的サブグループにおける分類性能を感度と特異度の指標で検証した。
• アルツハイマー病と後頭頭頂葉変性症を区別する際、領域的灰色 matter 密度とネットワークレベル統計の予測正確性を比較した。

実験結果

リサーチクエスチョン

• RQ1 白質微細構造における局所的ネットワーク効率は、皮質基底動脈症候群におけるアルツハイマー病と後頭頭頂葉変性症を区別できるか？
• RQ2 病理的サブタイプを分類する際、灰色 matter 密度の区別力とグラフ理論的ネットワーク指標の区別力はどのように比較できるか？
• RQ3 脳ネットワーク効率は、皮質基底動脈症候群における病態の根本的要因をどの程度反映しているか？
• RQ4 マルチモodal 神経画像を用いたネットワーク構造の統合は、領域的萎縮の測定を超えて、診断分類を改善するか？

主な発見

• 皮質基底動脈症候群を示す患者は、年齢照合対照群と比較して、前頭頭頂葉皮質領域における灰色 matter 密度が顕著に低下していた。
• 灰色 matter 密度のみでは、アルツハイマー病と後頭頭頂葉変性症サブグループの区別に劣った性能を示し、感度と特異度が低かった。
• 白質微細構造から導出された局所的ネットワーク効率指標は、2つの病理的サブタイプを区別するにあたり、高い感度と特異度を達成した。
• 脳ネットワークのグラフ理論的統計は、皮質基底動脈症候群の病理的原因を分類するにあたり、領域的灰色 matter 密度を上回った。
• 結果から、ネットワークレベルの組織は、皮質基底動脈症候群における病態の差を区別するにあたり、領域的萎縮よりも信頼性の高いバイオマーカーであると示唆された。
• 異なる病理的要因が皮質基底動脈症候群における回路レベルの障害を媒介しており、ネットワーク効率が疾患特異的な神経変性メカニズムを反映していると考えられる。