[論文レビュー] Charting the velocity of brain growth and development

Bayer, Johanna M. M., Augustijn A. A. de Boer+31 more|Research Portal (King's College London)|Jan 12, 2026

Dementia and Cognitive Impairment Research被引用数 1

ひとこと要約

論文は大規模な多施設イメージングデータから長期的な脳変化率をモデル化するための速度セントイルを提示し、個人の逸脱を検出し認知機能低下の軌道予測を改善します。

ABSTRACT

Brain charts have emerged as a highly useful approach for understanding brain development and aging on the basis of brain imaging and have shown substantial utility in describing typical and atypical brain development with respect to a given reference model. However, all existing models are fundamentally cross-sectional and cannot capture change over time at the individual level. We address this using velocity centiles, which directly map change over time and can be overlaid onto cross-sectionally derived population centiles. We demonstrate this by modelling rates of change for 24062 scans from 10795 healthy individuals with up to 8 longitudinal measurements across the lifespan. We provide a method to detect individual deviations from a stable trajectory, generalising the notion of thrive lines, which are used in pediatric medicine to declare failure to thrive. Using this approach, we predict transition from mild cognitive impairment to dementia more accurately than by using either time point alone, replicated across two datasets. Last, by taking into account multiple time points, we improve the sensitivity of velocity models for predicting the future trajectory of brain change. This highlights the value of predicting change over time and makes a fundamental step towards precision medicine.

研究の動機と目的

• 脳発達の時系列モデルを超える変化のリード指標の必要性を動機づける。
• 変化を時間とともにマッピングし、クロスセクショナル集団セントイルに重ね合わせる速度セントイルを提案する。
• 大規模で長期的なイメージングデータセットで脳変化の速度をモデル化するアプローチを示す。
• 速度モデリングが安定軌道からの逸脱を検出し、臨床転帰の予測精度を向上させる方法を示す。

提案手法

• 脳変化の速度を定量化する速度セントイルモデルを開発する。
• 長期測定（被験者あたり最大8回）をクロスセクショナルセントイルと統合する。
• 安定軌道からの個人の逸脱を検出する Thriving-ライン概念を拡張して一般化する。
• 軽度認知障害から認知症への転換を予測するために方法を適用する。
• 二つの独立データセットで予測性能を検証する。

実験結果

リサーチクエスチョン

• RQ1 速度セントイルはクロスセクショナルセントイルと比較して個人の脳変化率を時系列で正確にマッピングできるか。
• RQ2 安定軌道からの速度ベースの逸脱は異常発達または低下の検出を改善するか。
• RQ3 このアプローチは軽度認知障害から認知症への転換を、単一時点モデルよりも正確に予測できるか。
• RQ4 複数時点を組み込むことで脳変化軌道予測の感度は向上するか。

主な発見

• 24,062回のスキャン、10,795人の健常人から最大8回の長期測定を用いて変化速度をモデル化することで、脳発達の軌道志向の見方を提供する。
• 速度セントイルはクロスセクショナルに導出された集団セントイルに重ねて、時系列での変化をマッピングできる。
• 安定軌道からの個人の逸脱を検出できる（Thriving対してのならびに“成長すること”の概念の拡張）。
• 速度ベースの軽度認知障害から認知症への進行予測は、時点のみのアプローチよりも正確であり、二つのデータセットで再現された。
• 複数時点を用いると将来の脳変化軌道予測の感度が向上する。