[論文レビュー] Temporal connection signatures of human brain networks after stroke

Catalina Obando, Charlotte Rosso+3 more|arXiv (Cornell University)|Jul 23, 2019

Functional Brain Connectivity Studies参考文献 62被引用数 4

ひとこと要約

本研究では、脳卒中後の動的脳ネットワーク再編を特定するために時系列指数型ランダムグラフモデル（tERGMs）を導入した。その結果、特に亜急性期に顕著な、側頭内三角形の形成と両側間接続の形成—これらは、静的ネットワーク指標よりも長期的な機能的回復をよりよく予測する。これらの時系列的接続シグネチャーは、縦断的fMRIデータで裏付けられ、皮質および皮質下病変を有する患者における慢性言語および視覚的予後に対する強固なバイオマーカーとして機能する。

ABSTRACT

Plasticity after stroke is a complex phenomenon initiated by the functional reorganization of the brain, especially in the perilesional tissue. At macroscales, the reestablishment of segregation within the affected hemisphere and interhemispheric integration has been extensively documented in the reconfiguration of brain networks. However, the local connection mechanisms generating such global network changes are still largely unknown as well as their potential to better predict the outcome of patients. To address this question, time must be considered as a formal variable of the problem and not just a simple repeated observation. Here, we hypothesize that the temporal formation of basic connection blocks such as intermodule edges and intramodule triangles would be sufficient to determine the large-scale brain reorganization after stroke. To test our hypothesis, we adopted a statistical approach based on temporal exponential random graph models (tERGMs). First, we validated the overall performance on synthetic time-varying networks simulating the reconfiguration process after stroke. Then, using longitudinal functional connectivity measurements of resting-state brain activity, we showed that both the formation of triangles within the affected hemisphere and interhemispheric links are sufficient to reproduce the longitudinal brain network changes from 2 weeks to 1 year after the stroke. Finally, we showed that these temporal connection mechanisms are over-expressed in the subacute phase as compared to healthy controls and predicted the chronic language and visual outcome respectively in patients with subcortical and cortical lesions, whereas static approaches failed to do so. Our results indicate the importance of considering time-varying connection properties when modeling dynamic complex systems and provide fresh insights into the network mechanisms of stroke recovery.

研究の動機と目的

• 脳卒中後の機能的再編に、動的で時間的に変化するネットワークメカニズムが関与しているかどうかを調査すること。
• 三角形形成や両側間接続といった時系列的接続パターンが、慢性機能的予後を予測できるかどうかを特定すること。
• 脳卒中回復における時系列的ネットワークモデルの予測性能を、静的ネットワーク手法と比較すること。
• 脳卒中後の再編を模倣する合成ネットワークを用いて、提案されたモデルの妥当性を検証すること。

提案手法

• 脳卒中発症後2週間、3か月、1年後に収集した安静状態fMRIデータから得られた縦断的機能的結合（FC）ネットワークを分析するために、時系列指数型ランダムグラフモデル（tERGMs）を適用した。
• 被験者間の比較を可能にするために、FC行列を10%の接続密度でしきい値処理し、時間的に変化するスパースな隣接行列を構築した。
• モデル仕様を限定し、障害側側頭内での三角形形成および両側間接続形成に注目した。三角形の閉じる性質を時間的経過に沿って強制するために、積項を用いた。
• 脳卒中後のネットワーク再編を模倣する合成時系列ネットワークを用いて、モデルの性能を検証した。
• 脳卒中患者のtERGM結果を、年齢・性別でマッチングされた健常対照群と比較し、過剰に発現している時系列的メカニズムを同定した。
• 病変が影響を及ぼす脳領域に限定してモデリングするモジュラー・ネットワーク手法を採用した。特に皮質および皮質下病変の状況において、特異性を向上させた。

実験結果

リサーチクエスチョン

• RQ1 三角形形成や両側間接続の発展といった時系列的接続メカニズムは、静的ネットワーク指標よりも、脳卒中後の機能的回復をよりよく予測できるか？
• RQ2 亜急性期における脳ネットワーク再編の時系列的ダイナミクスは、健常対照群と比較して、脳卒中患者で過剰に発現しているか？
• RQ3 皮質または皮質下病変を有する患者において、早期脳卒中後のネットワークから導かれる時系列的ネットワークシグネチャーは、慢性機能的予後を予測できるか？
• RQ4 時間的に変化するネットワーク特性は、静的モデルが捉え損なう高次元のネットワーク再編パターンを捉えられるか？
• RQ5 側頭内三角形の形成および両側間接続の形成は、脳卒中後の縦断的脳ネットワークトポロジーの変化を再現するのに十分か？

主な発見

• 障害側側頭内での側頭内三角形の形成および両側間接続の形成が、脳卒中後2週間から1年までの縦断的脳ネットワーク変化を再現するのに十分であった。
• これらの時系列的接続メカニズムは、健常対照群と比較して、特に亜急性期（2週間から3か月）に顕著に過剰に発現していた。
• tERGMに基づく時系列的シグネチャーは、皮質病変を有する患者では慢性言語予後、皮質下病変を有する患者では慢性視覚予後を予測できたが、静的ネットワーク手法では同様の予測が得られなかった。
• スパースでしきい値処理された隣接行列（10%接続密度）を用いることで、モデルはネットワーク再編のダイナミクスを的確に捉え、被験者間比較の信頼性を確保した。
• tERGMモデルに積項を組み込むことで、三角形の閉じる性質が時間的経過に沿ってのみ発生することを保証し、即時の出現ではなく、縦断的形成を強制した。
• 皮質下病変の場合は、病変の位置に応じて障害側を定義した—白質病変では病変側、小脳病変では対側、脳幹病変では両側—これにより、モデルの特異性が向上した。