[논문 리뷰] Assessing inter-modal and inter-regional dependencies in prodromal Alzheimer's disease using multimodal MRI/PET and Gaussian graphical models

Martin Dyrba, Reza Mohammadi외 3명|arXiv (Cornell University)|2018. 03. 30.

Functional Brain Connectivity Studies참고 문헌 67인용 수 2

한 줄 요약

이 연구는 667명의 ADNI 참가자로부터 확득한 다중모odal MRI/PET 데이터를 이용해 프로드롬날 알츠하이머병에서 아밀로이드-베타, 포도당 대사 및 회색질 부피 간의 상호 지역 및 상호 모odal 의존성을 분석하기 위해 가우시안 그래픽 모델(GGMs)을 사용한다. 이는 영상 모odal 간 최소한의 조건부 의존성과 클러스터링 및 경로 길이의 이단계적 U자형 궤적을 보이며, 모달리티 특이적 지역 네트워크와 이분할이 필요 없는 GGM의 클러스터링 도구로서의 잠재력을 시사한다.

ABSTRACT

Several neuroimaging markers have been established for the early diagnosis of Alzheimer's disease, among them amyloid-beta deposition, glucose metabolism, and gray matter volume. Up to now, these imaging modalities were mostly analyzed separately from each other, and little is known about the regional interrelation and dependency of these markers. Gaussian graphical models (GGMs) are able to estimate the conditional dependency between many individual random variables. We applied GGMs for studying the inter-regional associations and dependencies between multimodal imaging markers in prodromal Alzheimer's disease. Data from N=667 subjects with mild cognitive impairment, dementia, and cognitively healthy controls were obtained from the ADNI. Mean amyloid load, glucose metabolism, and gray matter volume was calculated for each brain region. GGMs were estimated using a Bayesian framework and for each individual diagnosis, graph-theoretical statistics were calculated to determine structural changes associated with disease severity. Highly inter-correlated regions, e.g. adjacent regions in the same lobes, formed distinct clusters but included only regions within the same imaging modality. Hardly any associations were found between different modalities, indicating almost no conditional dependency of brain regions across modalities when considering the covariance explained by all other regions. Network measures clustering coefficient and path length were significantly altered across diagnostic groups, with a biphasic u-shape trajectory. GGMs showed almost no conditional dependencies between modalities when at the same time considering various other regions within the same modalities. However, this approach could be used as a clustering method to derive graph statistics in future studies omitting the need to binarize the network as currently being done for connections based on Pearson correlation.

연구 동기 및 목표

• 프로드롬날 알츠하이머병에서 주요 뇌 영상 마커 간의 지역 간 및 모달 간 의존성을 조사하기 위해.
• 이러한 의존성이 진단 그룹 간 질병 진행도에 따라 어떻게 변화하는지 평가하기 위해.
• 이분할 없이 연결성 네트워크를 이분할하지 않고도 조건부 의존성을 포착할 수 있는 가우시안 그래픽 모델(GGMs)의 유용성을 평가하기 위해.
• 다중모달 영상 마커(아밀로이드, 대사, 위축)가 뇌 영역 간에 유의미한 조건부 연관성을 보이는지 확인하기 위해.

제안 방법

• 667명의 ADNI 참가자(경도 인지장애, 치매, 건강한 대조군)로부터 확득한 다중모달 MRI/PET 데이터를 이용해 아밀로이드 부하, 포도당 대사 및 회색질 부피에 대한 평균 지역적 값을 추출하였다.
• 모든 다른 영역을 통제하는 조건에서 뇌 영역 간의 조건부 의존성을 추론하기 위해 베이지안 프레임워크를 사용하여 가우시안 그래픽 모델(GGMs)을 추정하였다.
• 각 진단 그룹에 대해 클러스터링 계수 및 경로 길이를 포함한 그래프 이론 통계량을 계산하여 네트워크 구조 변화를 평가하였다.
• 부분상관계를 검토하여 다른 영역에서 설명되지 않는 관계를 평가함으로써 조건부 의존성을 평가하였다.
• 연결성 네트워크의 이분할을 피하기 위해 연속적인 부분상관계 추정치를 기반으로 그래프 통계량을 사용하는 방법을 채택하였다.
• 진단 그룹 간 네트워크 변화를 분석하여 질병 진행과 관련된 궤적을 규명하였다.

실험 결과

연구 질문

• RQ1 프로드롬날 알츠하이머병에서 아밀로이드, 포도당 대사 및 회색질 부피 간의 지역 간 상호의존성은 뇌 영역에 따라 어떻게 변화하는가?
• RQ2 모든 다른 뇌 영역을 통제할 때 서로 다른 신경영상 모달 간에 유의미한 조건부 의존성이 있는가?
• RQ3 클러스터링 계수 및 경로 길이와 같은 그래프 이론적 네트워크 특성은 프로드롬날 알츠하이머병에서 질병 진행도에 따라 어떻게 변화하는가?
• RQ4 GGM은 연결성 임계값의 이분할이 필요 없이 뇌 네트워크의 클러스터링 방법으로 사용될 수 있는가?
• RQ5 다중모달 뇌 영상 마커에서 진단 단계에 따라 네트워크 재조직화의 패턴은 어떠한가?

주요 결과

• 높은 상관관계를 보이는 뇌 영역은 클러스터를 이루었지만, 이들은 주로 동일한 영상 모달리티 내에서 형성되어 모달리티 특이적 지역 네트워크를 시사한다.
• 다른 영상 모달리티 간에 최소한의 조건부 의존성이 관찰되어, 모든 다른 영역을 통제할 때 한 모달리티의 지역적 변화가 다른 모달리티의 변화에 조건부로 의존하지 않는다는 것을 시사한다.
• 클러스터링 계수 및 경로 길이가 진단 그룹 간에 이단계적 U자형 궤적을 보이며, 질병 진행과 함께 비선형적인 네트워크 변화를 나타낸다.
• GGM 접근법은 연결성의 이분할 없이도 네트워크 구조를 성공적으로 포착하였으며, 전통적인 상관계속 네트워크 방법에 비해 더 세밀한 대안을 제공한다.
• 지역적 연관성은 주로 동일한 모달리티 내에서 가장 강력하며, 같은 소엽 내의 인접한 영역 간에 조건부 의존성이 가장 높았다.
• 결과는 다중모달 영상 마커가 프로드롬날 알츠하이머병에서 상당히 독립적인 지역 경로를 통해 작용할 수 있음을 시사한다.