[논문 리뷰] Brain network efficiency is influenced by pathological source of corticobasal syndrome

John D. Medaglia, Weiyu Huang외 7명|arXiv (Cornell University)|2016. 01. 28.

Functional Brain Connectivity Studies참고 문헌 62인용 수 4

한 줄 요약

이 연구는 백질 미세구조의 그래프 이론적 분석, 특히 국소 네트워크 효율성이 쇄골기질성 증후군 환자에서 알츠하이머병과 전두측두엽 퇄화증을 구별하는 데에 회색질 밀도보다 뛰어난 성능을 보임을 보여준다. 구조적 MRI와 네트워크 지표를 사용하여 저자들은 병리학적 아형을 분류하는 데 높은 민감도와 특이도를 보였으며, 신경퇴행성 진단에서 네트워크 수준의 분석의 가치를 부각시킨다.

ABSTRACT

Multimodal neuroimaging studies of corticobasal syndrome using volumetric MRI and DTI successfully discriminate between Alzheimer's disease and frontotemporal lobar degeneration but this evidence has typically included clinically heterogeneous patient cohorts and has rarely assessed the network structure of these distinct sources of pathology. Using structural MRI data, we identify areas in fronto-temporo-parietal cortex with reduced gray matter density in corticobasal syndrome relative to age matched controls. A support vector machine procedure demonstrates that gray matter density poorly discriminates between frontotemporal lobar degeneration and Alzheimer's disease pathology subgroups with low sensitivity and specificity. In contrast, a statistic of local network efficiency demonstrates excellent discriminatory power, with high sensitivity and specificity. Our results indicate that the underlying pathological sources of corticobasal syndrome can be classified more accurately using graph theoretical statistics of white matter microstructure in association cortex than by regional gray matter density alone. These results highlight the importance of a multimodal neuroimaging approach to diagnostic analyses of corticobasal syndrome and suggest that distinct sources of pathology mediate the circuitry of brain regions affected by corticobasal syndrome.

연구 동기 및 목표

• 쇄골기질성 증후군의 병리학적 아형을 구분하는 데에 국소 네트워크 효율성을 포함한 네트워크 수준의 뇌 조직이 가능한지 확인하기 위해.
• 백질 미세구조에서 유도된 그래프 이론 통계가 지역적 회색질 밀도와 비교하여 어떻게 진단적 유용성을 가지는지 평가하기 위해.
• 신경영상 특징을 사용하여 지지벡터 기반 분류기(SVM)가 알츠하이머병과 전두측두엽 퇄화증 아형을 분류하는 데에 어떻게 성능을 보이는지 평가하기 위해.
• 다양한 병리학적 원인이 쇄골기질성 증후군에서 구조적 뇌 네트워크 구조에 어떻게 영향을 미치는지 조사하기 위해.

제안 방법

• 쇄골기질성 증후군 환자와 연령이 일치하는 대조군의 구조적 MRI 데이터를 확보하여 전두측두엽두엽 피질 영역의 회색질 밀도를 평가하기 위해.
• 백질 미세구조 데이터를 사용하여 국소 네트워크 효율성을 측정하기 위해 그래프 이론적 방법을 적용하였으며, 특히 연합 피질에 중점을 두었다.
• 지지벡터 기반 분류기(SVM)를 사용하여 회색질 밀도와 네트워크 효율성 지표의 분류 능력을 비교하기 위해.
• 표준 그래프 이론 접근법을 사용하여 네트워크 효율성을 계산하였으며, 뇌 네트워크의 국소 이웃 영역의 평균 응집 계수를 측정하였다.
• 병리학적 아형에 대한 분류 성능를 민감도와 특이도 지표를 사용하여 검증하였다.
• 알츠하이머병과 전두측두엽 퇄화증을 구별하는 데에 지역적 회색질 밀도와 네트워크 수준 통계의 예측 정확도를 비교하였다.

실험 결과

연구 질문

• RQ1 백질 미세구조의 국소 네트워크 효율성이 쇄골기질성 증후군에서 알츠하이머병과 전두측두엽 퇄화증을 구별하는 데에 가능한가?
• RQ2 병리학적 아형을 분류하는 데에 회색질 밀도의 분류 능력과 그래프 이론적 네트워크 지표의 분류 능력은 어떻게 비교되는가?
• RQ3 뇌 네트워크 효율성이 쇄골기질성 증후군에서 기저 병리학적 원인을 어느 정도 반영하는가?
• RQ4 다중 모odal 신경영상에서 네트워크 구조를 통합하면 지역 위축 측정값을 초월하여 진단 분류 성능가 향상되는가?

주요 결과

• 쇄골기질성 증후군 환자는 연령이 일치하는 대조군에 비해 전두측두엽두엽 피질 영역에서 유의미하게 감소한 회색질 밀도를 보였다.
• 회색질 밀도만으로는 알츠하이머병 아형과 전두측두엽 퇄화증 아형 간의 분류 성능가 낮아 민감도와 특이도가 모두 낮았다.
• 백질 미세구조에서 유도된 국소 네트워크 효율성 지표는 두 병리학적 아형을 구별하는 데에 높은 민감도와 특이도를 달성하였다.
• 뇌 네트워크의 그래프 이론적 통계는 지역적 회색질 밀도보다 쇄골기질성 증후군의 병리학적 원인을 분류하는 데에 뛰어난 성능을 보였다.
• 결과는 국소 위축보다 네트워크 수준의 조직이 쇄골기질성 증후군에서 기저 병리학적 원인을 구별하는 데 더 신뢰할 수 있는 생물학적 지표임을 시사한다.
• 다양한 병리학적 원인이 쇄골기질성 증후군에서 관찰되는 회로 수준의 손상에 영향을 미치며, 이는 네트워크 효율성이 질병 특이적 퇴행성 메커니즘을 반영한다는 것을 시사한다.