[論文レビュー] Functional Mediation Analysis with an Application to Functional Magnetic Resonance Imaging Data

Yi Zhao, Xi Luo+2 more|arXiv (Cornell University)|May 17, 2018

Functional Brain Connectivity Studies参考文献 35被引用数 8

ひとこと要約

本稿は、fMRIデータに対して処理、中間変数、結果を連続的時間変動関数としてモデル化する、新しい機能的中介分析フレームワークを提案する。同時および歴史的中介モデルを提案し、時間変動する直接的および間接的因果効果を推定する。RパッケージcfmaはCRANに公開されており、STOP/GOタスクfMRI研究にこの手法を適用した。

ABSTRACT

Causal mediation analysis is widely utilized to separate the causal effect of treatment into its direct effect on the outcome and its indirect effect through an intermediate variable (the mediator). In this study we introduce a functional mediation analysis framework in which the three key variables, the treatment, mediator, and outcome, are all continuous functions. With functional measures, causal assumptions and interpretations are not immediately well-defined. Motivated by a functional magnetic resonance imaging (fMRI) study, we propose two functional mediation models based on the influence of the mediator: (1) a concurrent mediation model and (2) a historical mediation model. We further discuss causal assumptions, and elucidate causal interpretations. Our proposed models enable the estimation of individual causal effect curves, where both the direct and indirect effects vary across time. Applied to a task-based fMRI study, we illustrate how our functional mediation framework provides a new perspective for studying dynamic brain connectivity. The R package cfma is available on CRAN.

研究の動機と目的

• 処理、中間変数、結果がすべて関数的（連続的時間）である神経画像データにおける因果的中介分析のギャップを埋める。
• 従来の中介分析を、特にfMRI研究における動的脳結合の設定に拡張する。
• 時間変動する直接的および間接的効果を推定する因果モデルを開発し、脳結合の動的視点を可能にする。
• 反応衝突を扱うタスクベースのfMRI研究にこのフレームワークを適用し、前補足前頭回（preSMA）および運動皮質第1部（M1）の脳領域に焦点を当てる。
• 神経画像および縦断的研究における機能的中介分析のためのオープンソースR実装（cfma）を提供する。

提案手法

• 同時（中間変数が同じ時刻に結果に影響する）および歴史的（中間変数が時間遅れで結果に影響する）の2つの機能的中介モデルを提案する。
• 処理、中間変数、結果の関係を時間的滑らか曲線として表現するため、関数線形モデルを用いる。
• 係数関数を表現するために基底関数展開（例：PスplineやBスpline）を用いる。
• 潜在的アウトカム枠組みを用いて、直接的および間接的効果の因果的推定量を時間変動する曲線として定義する。
• 推定された因果効果曲線の点ごとの95％信頼区間を構築するために、ブートストラップリサンプリング（500サンプル）を用いる。
• 無作為化処理の下で未測定の交絡要因がないと仮定し、安定した処理割り当てを想定する識別仮定を実装する。

実験結果

リサーチクエスチョン

• RQ1 fMRIデータにおける関数的（時間連続的）処理、中間変数、結果変数を扱うために、因果的中介分析をどのように拡張できるか？
• RQ2 認知的タスク中の脳活動における直接的および間接的因果効果の時間変動パターンは何か？
• RQ3 同時および歴史的中介モデルは、動的脳結合を推定する上でどのように異なるか？
• RQ4 機能的中介モデルは、STOPおよびGO試行におけるpreSMA活動がM1に与える有意な間接的効果を検出できるか？
• RQ5 時間遅れ効果を捉えるために最適な影響窓幅（δ）は何か？

主な発見

• 提案された機能的中介モデルは、時間変動する直接的および間接的因果効果を効果的に推定し、脳結合の動的パターンを明らかにした。
• STOP/GO fMRI研究において、同時および歴史的モデルの両方において、前補足前頭回からM1への経路に対して、時間全体で有意な間接的または直接的効果は観察されなかった。
• 間接的および直接的効果曲線のブートストラップベースの95％信頼区間は、時間点ごとに一貫した統計的有意性を示さなかった。
• シミュレーション結果から、平均二乗予測誤差（MSPE）に基づくモデル選択が、影響窓幅δの最適選択を導くことができると示された。
• Rパッケージcfmaは正常に開発され、fMRIおよび縦断的研究における再現可能な機能的中介分析のため、CRANに公開された。
• このフレームワークは密な関数的データ（例：fMRI）に適用可能であり、将来的に疎な関数的データや未測定の交絡要因に対応する拡張の基盤を提供する。