[論文レビュー] Multi-site benchmark classification of major depressive disorder using machine learning on cortical and subcortical measures

V. Belov, Tracy Erwin-Grabner+64 more|arXiv (Cornell University)|Jun 16, 2022

Functional Brain Connectivity Studies被引用数 7

ひとこと要約

本研究は、5,356名の参加者から得られた皮質および皮質下脳領域の測定値を用いて、うつ病性障害（MDD）を分類するための、これまでで最大規模のマルチサイト機械学習ベンチマークを提示する。標準化されたENIGMAパイプラインとComBatによる統合を用いて、MDDと健常対照群を区別するモデルは、62％のバランス精度を達成したが、統合後には52％に低下し、大規模なデータ統合にもかかわらず汎用性の課題が浮き彫りになった。

ABSTRACT

Machine learning (ML) techniques have gained popularity in the neuroimaging field due to their potential for classifying neuropsychiatric disorders. However, the diagnostic predictive power of the existing algorithms has been limited by small sample sizes, lack of representativeness, data leakage, and/or overfitting. Here, we overcome these limitations with the largest multi-site sample size to date (n=5,356) to provide a generalizable ML classification benchmark of major depressive disorder (MDD). Using brain measures from standardized ENIGMA analysis pipelines in FreeSurfer, we were able to classify MDD vs healthy controls (HC) with around 62% balanced accuracy, but when harmonizing the data using ComBat balanced accuracy dropped to approximately 52%. Similar results were observed in stratified groups according to age of onset, antidepressant use, number of episodes and sex. Future studies incorporating higher dimensional brain imaging/phenotype features, and/or using more advanced machine and deep learning methods may achieve more encouraging prospects.

研究の動機と目的

• 神経画像データを用いた機械学習分類のための汎用的で大規模なベンチマークを確立すること。
• 小規模なサンプルサイズ、データ漏洩、過学習といった先行研究の限界を克服するため、5,356名の参加者を含むマルチサイトデータセットを活用すること。
• ComBatを用いたデータ統合が、多様な画像撮影施設間でのモデルの性能と汎用性に与える影響を評価すること。
• 発症年齢、抗うつ薬使用、発作回数、性別といった臨床的関連サブグループにおけるモデル性能を評価すること。
• 構造的MRI特徴量を用いた今後のMDD分類のための標準的かつ再現可能なフレームワークを提供すること。

提案手法

• ENIGMAコンsortiumを介して複数の施設で標準化されたFreeSurferパイプラインを用いて、皮質および皮質下脳形態測定値を抽出した。
• マルチサイト神経画像データのバッチ効果を是正するため、ComBatを適用し、モデル学習の前段階でデータ統合を実施した。
• MDD対健常対照群の二値分類を目的とした複数の機械学習モデルを訓練・評価し、主にバランス精度を指標として用いた。
• 発症年齢、抗うつ薬使用、うつ病発作回数、性別で定義されるサブグループごとに層別解析を実施し、モデルの頑健性を評価した。
• データ漏洩を防ぎ、信頼性の高い性能推定を実現するため、10分割交差検証に内側の交差検証を組み合わせた手法を用いた。
• 不均衡なデータセットに適した指標としてバランス精度を用い、95％信頼区間を報告した。

実験結果

リサーチクエスチョン

• RQ1 皮質および皮質下MRI測定値を用いたマルチサイトデータで、MDDと健常対照群を分類する際の最大バランス精度はどの程度達成可能か？
• RQ2 ComBatによるデータ統合は、MDD分類における機械学習モデルの汎用性と性能にどのように影響するか？
• RQ3 発症年齢、抗うつ薬使用、発作回数、性別といった臨床的関連サブグループにおけるモデル性能は、どのように変動するか？
• RQ4 マルチサイトデータに起因するバッチ効果は、MDD分類モデルの信頼性と再現可能性をどの程度損なうか？
• RQ5 大規模かつ統合済みのデータセットは、今後のMDD機械学習研究のための堅牢で汎用的なベンチマークを支援できるか？

主な発見

• 機械学習モデルは、統合されていないマルチサイトデータを用いて、MDDと健常対照群を分類する際、62％のバランス精度を達成した。
• ComBatによるデータ統合を適用した後、バランス精度は約52％に低下した。これは、バッチ効果がモデル性能に顕著に影響することを示している。
• 層別解析では、発症年齢、抗うつ薬使用、発作回数、性別で定義されるサブグループすべてで性能低下が一貫して観察された。
• 5,356名の参加者という大規模なサンプルサイズであっても、残存する施設特有のばらつきのため、汎用性の確保は依然として困難であることが示された。
• 今後のMDD分類の向上には、より高次元の神経画像特徴量や行動表型、あるいは高度なディープラーニングアーキテクチャの導入が不可欠である可能性がある。
• 本研究は、MDD分類のベンチマークを確立し、データ統合の重要性と、現在の形態測定特徴量が高精度診断を達成する上で限界を抱えることの重要性を浮き彫りにした。