[논문 리뷰] Aberrant High-Order Dependencies in Schizophrenia Resting-State Functional MRI Networks

Qiang Li, Vince D. Calhoun외 4명|arXiv (Cornell University)|2023. 10. 26.

Functional Brain Connectivity Studies인용 수 7

한 줄 요약

본 논문은 고차원 ICA와 다변량 정보이론 지표(O-정보 및 S-정보)를 사용하여 안정상태 fMRI 네트워크의 비정상적인 고차 의존성이 조현병 환자와 대조군을 구분하고, 시너지-지배 패턴을 잠재적 바이오마커로 강조한다.

ABSTRACT

The human brain has a complex, intricate functional architecture. While many studies primarily emphasize pairwise interactions, delving into high-order associations is crucial for a comprehensive understanding of how functional brain networks intricately interact beyond simple pairwise connections. Analyzing high-order statistics allows us to explore the nuanced and complex relationships across the brain, unraveling the heterogeneity and uncovering patterns of multilevel overlap on the psychosis continuum. Here, we employed high-order independent component analysis (ICA) plus multivariate information-theoretical metrics ($O$-information and $S$-information) to estimate high-order interaction to examine schizophrenia using resting-state fMRI. The results show that multiple brain regions networks may be altered in schizophrenia, such as temporal, subcortical, and higher-cognitive brain regions, and meanwhile, it also shows that revealed synergy gives more information than redundancy in diagnosing schizophrenia. All in all, we showed that high-order dependencies were altered in schizophrenia. Identification of these aberrant patterns will give us a new window to diagnose schizophrenia.

연구 동기 및 목표

• 쌍별 연결성을 넘어서 고차 뇌 네트워크 상호작용이 조현병에서 달라지는지 조사한다.
• rsfMRI 데이터에 고모델 차원의 독립 성분 분석(ICA)을 적용하여 고유 연결 네트워크(ICNs)를 추출한다.
• 정보 이론 지표(O-정보 및 S-정보)를 사용하여 ICN 간의 고차 중복성과 시너지를 정량화한다.
• 전통적 저차 연결에 의해 포착되지 않는 패턴이 고차 상호작용에서 나타나는지 판단한다.
• 고차 지표를 통해 조현병과 관련된 잠재적 뇌 영역 및 네트워크 그룹을 평가한다.

제안 방법

• 두 데이터 세트에 대해 그룹 ICA를 수행하여 피험자당 105개의 ICN을 추출하고 이를 VI, CB, TP, SC, SM, HC로 분류한다.
• ICN을 미리 정의된 NeuroMark 템플릿과 매칭시켜 여섯 개 네트워크 그룹으로 분류한다.
• fMRI 신호를 가우시안으로 모델링하고 상호작용 차수 3, 4, 5에 대해 고차 정보 측정치(TC, DTC, O-정보, S-정보)를 계산한다.
• 다변수 가우시안 변수에 대해 가우시안 엔트로피 및 결합 엔트로피 공식을 사용하여 TC 및 관련 지표를 추정한다.
• 저차(쌍별) FC와 고차 연결(HOFC)을 비교하고 그룹 간 중복성 대 시너지성을 분석한다.
• HOFC가 더 많은 이상 네트워크를 포착하고 시너지 정보가 조현병을 구분하는 더 강력한 지표일 수 있음을 강조한다.

Figure 1: Flowchart of capturing high-order dependencies among brain connectivity states. A. Group ICA is performed on two independent healthy control and schizophrenia datasets, and corresponding 105 spatial network maps and time courses are extracted from each subject. B. The estimated independent

실험 결과

연구 질문

• RQ1 쌍별 기능적 연결로 포착되지 않는 조현병에서 비정상적 고차 의존성이 존재하는가?
• RQ2 고차 ICA와 다변량 정보 이론의 결합이 rsfMRI에서 시너지 주도 패턴을 밝혀 조현병과 대조군을 구분하는가?
• RQ3 조현병에서 고차 상호작용이 변형된 뇌 네트워크 그룹은 어느 것들인가(VI, CB, TP, SC, SM, HC)?
• RQ4 HOFC를 이용한 조현병 진단에서 시너지 정보가 중복성보다 더 정보력이 있는가?

주요 결과

• HOFC는 시각, 체감운동, 측두, 하위피질 및 고차 인지 영역을 포함하는 이상 상호작용을 조현병에서 드러낸다.
• 시너지 정보가 대조군과의 구분에서 중복성보다 더 기여한다.
• 중복성 정보는 주로 SC 및 HC 영역에 분포하며 더 높은 상호작용 차수에서 두드러진다.
• 고차 상호작용은 저차 분석보다 더 많은 이상 뇌 네트워크(TP, SC, HC)를 포착한다.
• 이 접근은 조현병에서 고차 의존성이 달라진 것이 새로운 진단 바이오마커의 창을 제공함을 시사한다.

Figure 2: Comparison of low-order functional connectivity (LOFC) and high-order functional connectivity (HOFC) between HC subjects and SC patients. The top row shows that LOFC and the main difference present a pair-wise interaction between VI-SM and TP-HC. The bottom row presents the HOFC with redun