[論文レビュー] Functional Alignment with Anatomical Networks is Associated with Cognitive Flexibility

John D. Medaglia, Weiyu Huang+4 more|arXiv (Cornell University)|Nov 26, 2016

Advanced Neuroimaging Techniques and Applications参考文献 43被引用数 6

ひとこと要約

本研究では、拡散スペクトル画像法（DSI）から得られる個別化された解剖的白質ネットワークと機能的脳信号を整合させるグラフ信号処理フレームワークを提案する。信号が解剖的ネットワーク構造とより高い整合性を示せるほど、認知的切り替えが速くなることが示され、ネットワークと最も整合する信号が最も高い柔軟性を示す。これは認知的機敏性を示す画期的な構造-機能バイオマーカーを確立するものである。

ABSTRACT

Cognitive flexibility describes the human ability to switch between modes of mental function to achieve goals. Mental switching is accompanied by transient changes in brain activity, which must occur atop an anatomical architecture that bridges disparate cortical and subcortical regions by underlying white matter tracts. However, an integrated perspective regarding how white matter networks might constrain brain dynamics during cognitive processes requiring flexibility has remained elusive. To address this challenge, we applied emerging tools from graph signal processing to decompose BOLD signals based on diffusion imaging tractography in 28 individuals performing a perceptual task that probed cognitive flexibility. We found that the alignment between functional signals and the architecture of the underlying white matter network was associated with greater cognitive flexibility across subjects. Signals with behaviorally-relevant alignment were concentrated in the basal ganglia and anterior cingulate cortex, consistent with cortico-striatal mechanisms of cognitive flexibility. Importantly, these findings are not accessible to unimodal analyses of functional or anatomical neuroimaging alone. Instead, by taking a generalizable and concise reduction of multimodal neuroimaging data, we uncover an integrated structure-function driver of human behavior.

研究の動機と目的

• 認知的柔軟性の個人差を予測する、脳の構造と機能を統合した簡潔なマルチモーダル指標を同定すること。
• 白質のアーキテクチャが認知的切り替え中の動的機能的脳活動をどのように制限するかを理解する空白を埋めること。
• 個別に特化した解剖的ネットワークを基準として機能的信号を分解する、画期的なグラフ信号処理手法の開発と検証すること。
• 機能的信号と解剖的ネットワークとの整合性が、独立した機能的または構造的指標よりも、認知的切り替えタスクの行動的パフォーマンスをよりよく予測するかを検証すること。

提案手法

• 28名の健常被験者に対して、拡散スペクトル画像法（DSI）トラクトグラフィーを用いて個別化された解剖的脳ネットワークを構築した。
• グラフ信号処理を適用し、機能的BOLD信号を解剖的ネットワークラプラシアン行列の固有ベクトルに整合する成分に分解した。
• 行動的に関連する動的特性を表す「リベラル」成分として、解剖的ネットワーク構造と最も整合する機能的信号成分を同定した。
• 解剖的ネットワーク構造が説明する機能的信号分散の割合を計算した（被験者平均 = 0.547%）。
• ネットワークトポロジーをランダム化しながら次数および強度分布を維持することで、解剖的構成の特異性を評価するためのノンパラメトリックパーミュテーション検定を実施した。
• 信号整合性と行動パフォーマンスへの影響を制御するため、フレームごとの変位（framewise displacement）を部分相関解析の共変量として含めた。

実験結果

リサーチクエスチョン

• RQ1 機能的脳信号とその背後にある解剖的白質ネットワークとの整合性の度合いは、健常者において認知的柔軟性を予測するか？
• RQ2 解剖的ネットワークと最も整合する機能的信号は、速いタスク切り替えに関連しているか？
• RQ3 信号整合性とスイッチコストの間の関係は、真の解剖的ネットワーク構成に特異的であるか、それともランダムなネットワークトポロジーでも再現可能か？
• RQ4 平均BOLD分散、ノード強度、機能的-解剖的相関といった標準的な単モーダル指標は、機能的信号と解剖的ネットワークとの整合性よりも、スイッチコストをよりよく予測するか？
• RQ5 観察された信号整合性と行動との関係は、神経的動的特性ではなく、頭部の動きに起因している可能性はどの程度か？

主な発見

• 機能的信号分散のうち、解剖的ネットワーク構造と整合する割合は、認知的柔軟性と有意に相関しており、部分相関係数 r = 0.57（p = 0.002）であった。これは、整合性が高いほど切り替えが速くなることを示している。
• 解剖的ネットワークと最も整合する信号は、皮質-ストリアトーループに起因する認知的制御を担うとされる基底核および前扣帯皮質に集中していた。
• ノンパラメトリックパーミュテーション検定の結果、観察された整合的信号とスイッチコストの相関は、ランダム化された解剖的ネットワークからの相関の99％以上を上回っており、真の解剖的構成が必要であることが確認された。
• 単純な機能的または構造的指標（平均BOLD分散：r = -0.09、p = 0.68；平均側頭部ノード強度：r = -0.15、p = 0.48；機能的-解剖的相関：r = 0.17、p = 0.41）は、いずれもスイッチコストを有意に予測しなかった。
• 頭部の動きはリベラル信号整合性と有意に相関していた（r = 0.77、p = 1.10×10⁻⁶）が、運動量を共変量として含めた場合でも、主な相関係数は変化せず（r = 0.57 対 r = 0.59）、行動的関係が運動アーチファクトによって駆動されているわけではないことが確認された。
• 本研究では、グラフ信号処理を用いて機能的動的特性と個別化された解剖的ネットワークを統合することで、単一モーダル解析よりも情報量の多い認知的柔軟性バイオマーカーが得られることを確立した。