[論文レビュー] Permutation-based cluster size correction for voxel-based lesion-symptom mapping

Daniel Mirman, Jon-Frederick Landrigan+3 more|arXiv (Cornell University)|Jun 1, 2016

Functional Brain Connectivity Studies参考文献 9被引用数 6

ひとこと要約

本研究は、ボクセルベースのレジオン-シンプトムマッピング（VLSM）における置換に基づくクラスターサイズ補正の有効性を評価する。この手法は、クラスターサイズの置換由来の帰無分布を用いて多重比較を制御するものである。帰無状態ではタイプIエラーの制御に有効であるが、脳血管障害の病変が空間的に連続的であるため、真の解剖学的境界をはるかに超えて病変-症状領域が過大に推定される傾向にあり、より空間的に特異的な補正手法の必要性が示唆される。

ABSTRACT

Voxel-based lesion-symptom mapping (VLSM) is a major method for studying brain-behavior relationships that leverages modern neuroimaging analysis techniques to build on the classic approach of examining the relationship between location of brain damage and cognitive deficits. Testing an association between deficit severity and lesion status in each voxel involves very many individual tests and requires statistical correction for multiple comparisons. Several strategies have been adapted from analysis of functional neuroimaging data, though VLSM faces a more difficult trade-off between avoiding false positives and statistical power (missing true effects). One such strategy is using permutation to non-parametrically determine a null distribution of cluster sizes, which is then used to establish a minimum cluster size threshold. This strategy is intuitively appealing because it respects the necessary spatial contiguity of stroke lesions and connects with the typical cluster-based interpretation of VLSM results. We evaluated this strategy for detecting true lesion-symptom relations using simulated deficit scores based on percent damage to defined brain regions (BA 45 and BA 39) in a sample of 124 individuals with left hemisphere stroke. Even under the most conservative settings tested here, the region identified by VLSM with cluster size correction systematically extended well beyond the true region. As a result, this strategy appears to be effective for ruling out situations with no true lesion-symptom relations, but the spatial contiguity of stroke lesions may cause identified lesion-symptom relations to extend beyond their true regions.

研究の動機と目的

• 置換ベースのクラスターサイズ補正が偽陽性を制御しつつ統計的検出力も維持できるかどうかを評価すること。
• 空間的に連続した脳血管障害病変が存在する状況において、この手法が真の病変-症状関係を正確に局在化できるかどうかを調査すること。
• この手法がクラスターサイズに依存するため、実際の解剖学的ターゲットをはるかに超えて病変-症状領域が過大に推定されるかどうかを評価すること。
• VLSMにおけるクラスターサイズ補正と置換ベースの家族-wise 偽陽性率（FWER）補正の性能を比較すること。

提案手法

• 1,000回の行動障害スコアのランダム置換を用いて、最大クラスターサイズの帰無分布を生成した。
• 各置換に対して、ボクセル単位の閾値（p < 0.0001）を適用し、最大の上位閾値クラスタのみを保持して帰無分布を構築した。
• 元のVLSM解析は、帰無分布におけるクラスターサイズの95百分位数で閾値を設定し、統計的有意性を判定した。
• 124例の左側頭葉脳血管障害患者におけるブローマン領域45および39の損傷割合に基づくシミュレートされた障害スコアを用いて評価した。
• p < 0.05の閾値を用いた置換ベースのFWER補正と性能を比較した。
• 偽陽性率の上昇を避けるために、帰無分布の構築にあたっては各置換で最大クラスタのみを用いた。

実験結果

リサーチクエスチョン

• RQ1 真の病変-症状関係が存在しない状況において、VLSMにおける置換ベースのクラスターサイズ補正はタイプIエラーを効果的に制御できるか？
• RQ2 病変の連続性のため、この手法は真の病変-症状領域をどの程度空間的に過大に推定するか？
• RQ3 クラスターサイズ補正はFWER補正と比較して、真の病変-症状関連を検出する上でどの程度優れているか？
• RQ4 関係が強く一貫している場合、この手法は正確に障害の原因とされるブローマン領域（BA 45 または BA 39）を特定できるか？
• RQ5 各置換ですべてのクラスタを含めるか、最大クラスタのみを含めるかの違いが偽陽性率に与える影響は何か？

主な発見

• 置換ベースのクラスターサイズ補正は、真の病変-症状関係が存在しない状況でタイプIエラー率を効果的に制御しており、95百分位数の閾値を超えるクラスタが1000回の置換のうち5％未満にとどまった。
• 偽陽性の制御は良好であったが、病変-症状クラスタが真のBA 45およびBA 39の解剖学的境界をはるかに超えて系統的に拡大され、しばしばターゲット領域の2倍以上の領域をカバーする結果となった。
• 各置換で最大クラスタ以外のすべてのクラスタを含めた場合、虚偽陽性率が著しく上昇し、帰無分布に最大クラスタのみを用いるべきであることを確認した。
• 置換ベースのFWER補正（p < 0.05）はクラスターサイズ補正よりも空間的特異性に優れており、顕著な拡大なしに重要な領域を正しく同定できた。
• シミュレートされたデータにおける強い一貫性のある病変-症状関係が、過大推定効果に寄与した可能性があり、弱いかばらついた関係ではこの手法の性能がさらに悪化する可能性を示唆している。
• 結果から、クラスターサイズ補正は誤った関連を除外するには有効であるが、空間的精度に欠け、臨床および認知神経科学分野における病変-症状マップの解釈ミスを引き起こす可能性があることが示された。