[論文レビュー] The Reconfiguration Pattern of Individual Brain Metabolic Connectome for Parkinson's Disease Identification

Weikai Li, Yongxiang Tang+3 more|arXiv (Cornell University)|Apr 29, 2021

Parkinson's Disease Mechanisms and Treatments参考文献 49被引用数 11

ひとこと要約

本研究では、18F-FDG PETデータとジェンセン・シャノン・ダイバージェンス類似度推定（JSSE）を用いて、パーキンソン病（PD）を個別レベルで同定できる、新しい個別レベル脳代謝接続マップ手法を提案する。本手法は、特にPUT-PCG、THA-PCG、SMA、ACG-PCL、DCG-PHG、ACG経路における代謝ネットワークの特徴的な再構成パターンを特定し、MK-SVM分類を用いてPD患者と健常対照群を91.84%の正確さで区別した。

ABSTRACT

Background: Positron Emission Tomography (PET) with 18F-fluorodeoxyglucose (18F-FDG) reveals metabolic abnormalities in Parkinson's disease (PD) at a systemic level. Previous metabolic connectome studies derived from groups of patients have failed to identify the individual neurophysiological details. We aim to establish an individual metabolic connectome method to characterize the aberrant connectivity patterns and topological alterations of the individual-level brain metabolic connectome and their diagnostic value in PD. Methods: The 18F-FDG PET data of 49 PD patients and 49 healthy controls (HCs) were recruited. Each individual's metabolic brain network was ascertained using the proposed Jensen-Shannon Divergence Similarity Estimation (JSSE) method. The intergroup difference of the individual's metabolic brain network and its global and local graph metrics were analyzed to investigate the metabolic connectome's alterations. The identification of the PD from HC individuals was used by the multiple kernel support vector machine (MK-SVM) to combine the information from connection and topological metrics. The validation was conducted using the nest leave-one-out cross-validation strategy to confirm the performance of the methods. Results: The proposed JSSE metabolic connectome method showed the most involved metabolic motor networks were PUT-PCG, THA-PCG, and SMA pathways in PD, which was similar to the typical group-level method, and yielded another detailed individual pathological connectivity in ACG-PCL, DCG-PHG and ACG pathways. These aberrant functional network measures exhibited an ideal classification performance in the identifying of PD individuals from HC individuals at an accuracy of up to 91.84%.

研究の動機と目的

• パーキンソン病（PD）における脳代謝ネットワークの個別レベル分析を可能にするために、グループレベルの代謝接続マップ研究の限界を克服すること。
• 18F-FDG PETデータを用いて、個別PD患者における異常な結合パターンおよびトポロジー的変化を同定すること。
• 接続レベルとトポロジー的指標を統合した、個別PD同定に向けた強固な診断フレームワークの構築すること。
• 厳密な交差検証を用いて手法の性能を検証し、早期PD検出における臨床的潜在可能性を評価すること。

提案手法

• 個別脳代謝接続マップの構築に、ジェンセン・シャノン・ダイバージェンス類似度推定（JSSE）手法を用いる。
• 各個人の代謝ネットワークは、脳領域をノードとし、領域間の代謝類似度を重みとするエッジとしてグラフとしてモデル化される。
• トポロジー的変化を定量化するために、グローバル指標（例：効率、モジュラリティ）およびローカル指標（例：次数、媒介性）のグラフ指標が計算される。
• 複数カーネルサポートベクターマシン（MK-SVM）が、接続レベルとトポロジー的特徴を統合し、分類性能を向上させる。
• 診断の正確性と一般化性能を検証するために、ネストド・リーブ・ワン・アウト交差検証戦略が採用される。
• 本手法は、グループ平均効果ではなく、個別に特化した再構成パターンに重点を置き、微細な病理的変化への感受性を高めている。

実験結果

リサーチクエスチョン

• RQ1 パーキンソン病患者と健常対照群との比較において、どの個別レベルの代謝ネットワーク再構成パターンが最も顕著に現れるか？
• RQ2 PD患者と健常対照群の間で、個別脳代謝ネットワークのトポロジー的指標にどのような差が見られるか？
• RQ3 個別代謝接続マップからの接続レベルとトポロジー的特徴の組み合わせは、PD患者と健常者を信頼性高く区別できるか？
• RQ4 交差検証を用いた場合、提案手法の診断性能はどのように評価されるか？
• RQ5 どの特定の代謝経路がPDにおいて最も顕著な再構成を示し、それらは既知の運動および認知回路とどのように関連しているか？

主な発見

• JSSEを基盤とする個別代謝接続マップ手法は、PDにおける主要な病理的再構成パターン（PUT-PCG、THA-PCG、SMA経路など）を的確に同定した。
• ACG-PCL、DCG-PHG、およびACG経路においても、個別特有の異常な結合が検出され、これまで軽視されてきたネットワーク障害の可能性が示された。
• MK-SVM分類器は、個別接続マップ特徴を用いて、PD患者と健常対照群を91.84%の正確さで分類した。
• グローバルおよびローカルのグラフ指標に顕著な群間差が認められ、PD患者はネットワーク効率および統合パターンに変化を示した。
• ネストド・リーブ・ワン・アウト交差検証により、個別被験者全体にわたる診断モデルの強固さと一般化性能が確認された。
• 結果から、グループレベルのアプローチに比べ、個別レベルの代謝接続マップ分析がより洗練された病理的サインを捉えられると示された。