[論文レビュー] Using EEG, SPECT, and Multivariate Resampling Methods to Differentiate Between Alzheimer's and other Cognitive Impairments

Arne C. Bathke, Sarah Friedrich+5 more|arXiv (Cornell University)|Jun 29, 2016

Advanced Statistical Methods and Models参考文献 41被引用数 4

ひとこと要約

本研究は、多変量正規性や共分散行列の等質性を仮定しない因子設計を用いたEEGとSPECTデータの統合的多変量リサンプリング手法を提案し、アルツハイマー病（AD）と軽度認知障害（MCI）および自己申告的認知障害（SCC）を区別する。この手法により、被験者間要因（診断、年齢、性別）および被験者内要因の堅牢な推論が可能となり、EEGは年齢や性別群にかかわらず早期認知症の段階を一貫して区別できることを明らかにした。

ABSTRACT

The incidence of Alzheimer's disease (AD) and other forms of dementia is increasing in most western countries. For a precise and early diagnosis, several examination modalities exist, among them single-photon emission computed tomography (SPECT) and the electroencephalogram (EEG). The latter is highly available, free of radiation hazards, and non-invasive. Thus, its diagnostic utility regarding different stages of dementia is of great interest in neurological research, along with the question of whether its utility depends on age or sex of the person being examined. However, SPECT or EEG measurements are intrinsically multivariate, and there has been a shortage of sufficiently general inferential techniques for the analysis of multivariate data in factorial designs when neither multivariate normality nor equality of covariance matrices across groups should be assumed. We adapt an asymptotic model based (parametric) bootstrap approach to this situation, demonstrate its ability, and use it for a truly multivariate analysis of the EEG and SPECT measurements, taking into account demographic factors such as age and sex. These multivariate results are supplemented by marginal effects bootstrap inference whose theoretical properties can be derived analogously to the multivariate methods. Both inference approaches can have advantages in particular situations, as illustrated in the data analysis.

研究の動機と目的

• 古典的MANOVAの仮定（多変量正規性、共分散行列の等質性）が満たされない状況においても、EEGおよびSPECTデータに対する多変量推論フレームワークを堅牢に構築すること。
• アルツハイマー病（AD）と軽度認知障害（MCI）および自己申告的認知障害（SCC）を区別する際のEEGおよびSPECTの診断的有用性を評価すること、特に若年性発症認知症において。
• EEGおよびSPECTの診断性能が年齢および性別によって異なるかどうか、また診断、年齢、性別の間の相互作用がバイオマーカー発現に与える影響を調査すること。
• 既存のリサンプリングに基づく推論を、被験者内要因（例：複数のEEG電極位置や周波数帯域）およびそれらと被験者間要因との相互作用を含めるように拡張すること。
• 不均衡または非正規設計においても適用可能な、実用的で一般化可能な多変量神経画像データの統計的手法を提供すること。

提案手法

• 多変量正規性や共分散行列の等質性を要件としない因子設計における多変量応答を扱うために、漸近的モデルベース（パラメトリック）ブートストラップ手法を適応する。
• 家族誤差率の制御を目的として、閉じた仮説検定手順を用いて、被験者間要因（診断、年齢、性別）およびその相互作用の多変量仮説を検定するブートストラップ法を適用する。
• 繰り返し測定構造をモデル化することで、被験者内要因（例：EEG電極位置、周波数帯域、SPECT領域）を含める手法を拡張し、プロファイル分析を可能にする。
• 多重共線性の影響が小さいため、応答変数間に相関が高い場合に有効な、マージナル効果のブートストラップ推論を補完的に用いる。
• 2段階の推論戦略を採用：まず全体的な効果を多変量検定で評価し、次に個々の特徴のマージナル検定を実施することで解釈可能性を向上させる。
• シミュレーションによる妥当性評価と、年齢および性別を調整した21～256チャンネルのEEGおよび脳領域におけるSPECT灌注値を含む実際のEEG/SPECTデータセットへの応用により検証した。

実験結果

リサーチクエスチョン

• RQ1 EEGおよびSPECTデータは、多変量枠組みにおいて、アルツハイマー病（AD）と軽度認知障害（MCI）および自己申告的認知障害（SCC）を信頼性高く区別できるか？
• RQ2 EEGおよびSPECTの診断精度は、年齢および性別群で顕著に異なるか、それとも人口統計的サブグループにわたって安定しているか？
• RQ3 診断、年齢、性別の間で、EEGおよびSPECTバイオマーカー発現パターンに有意な相互作用が存在するか？
• RQ4 正規性および等分散性の仮定が満たされない状況において、提案手法のリサンプリングに基づく多変量手法は、古典的MANOVAに比べてどのように性能を発揮するか？
• RQ5 被験者内要因（例：電極位置、周波数帯域）が、認知障害の段階の区別にどの程度寄与しているか？

主な発見

• EEGは、ADとMCIおよびSCCを区別する上で強く診断的有用性を示し、年齢および性別サブグループにわたって一貫した性能を示した。これは、若年性発症認知症における感受性の安定性を示唆している。
• 診断と人口統計的要因（年齢または性別）との間に有意な相互作用は認められず、EEGの区別能力がこれらの集団で顕著に変化しないことを示した。
• AD群とSCC群との間で、EEGおよびSPECT特徴の経験的分散・共分散行列に顕著な差が認められ、最大で50倍の差（例：変数6ではADで13.84、SCCで0.28）が観察された。これは、古典的MANOVAの仮定を破綻させることを示した。
• 提案されたパラメトリックブートストラップ手法は、非正規性および不等分散性下でも有効な推論を可能にし、不均衡設計における第I種誤りの制御および検出力の面で、古典的MANOVAを上回った。
• マージナル効果のブートストラップ推論は、多重共線性の影響を軽減し、個々のバイオマーカーの寄与度の解釈性を向上させた。
• 本研究は、EEGが早期認知症スクリーニングにコスト効果的で、非侵襲的かつ診断的に価値のあるツールであることを確認した。特に、高度な多変量リサンプリング技術と組み合わせることでその有効性が顕著に向上することが示された。