[논문 리뷰] Diagnosis of Autism Spectrum Disorder by Causal Influence Strength Learned from Resting-State fMRI Data

Biwei Huang, Kun Zhang외 4명|arXiv (Cornell University)|2019. 01. 27.

Functional Brain Connectivity Studies인용 수 7

한 줄 요약

이 논문은 자폐성 장애(ASD)에서 뇌 영역 간 직접적인 인과적 영향을 규명하기 위해 휴식 상태 fMRI 데이터에 제약 조건이 부여된 기능적 인과 모델을 사용하는 이단계 인과 발견 방법을 제안한다. 특히 상부 전두구에서의 장거리 연결 감소와 같은 인과적 영향 강도를 학습함으로써, 상관관계 기반 접근 방식을 초월하여 ASD 진단 정확도를 향상시키며, 기본 모드 네트워크에서의 정보 흐름 장애와 ASD 뇌에서의 소월드성 감소를 드러낸다.

ABSTRACT

Autism spectrum disorder (ASD) is one of the major developmental disorders affecting children. Recently, it has been hypothesized that ASD is associated with atypical brain connectivities. A substantial body of researches use Pearson's correlation coefficients, mutual information, or partial correlation to investigate the differences in brain connectivities between ASD and typical controls from functional Magnetic Resonance Imaging (fMRI). However, correlation or partial correlation does not directly reveal causal influences - the information flow - between brain regions. Comparing to correlation, causality pinpoints the key connectivity characteristics and removes redundant features for diagnosis. In this paper, we propose a two-step method for large-scale and cyclic causal discovery from fMRI. It can identify brain causal structures without doing interventional experiments. The learned causal structure, as well as the causal influence strength, provides us the path and effectiveness of information flow. With the recovered causal influence strength as candidate features, we then perform ASD diagnosis by further doing feature selection and classification. We apply our methods to three datasets from Autism Brain Imaging Data Exchange (ABIDE). From experimental results, it shows that with causal connectivities, the diagnostic accuracy largely improves. A closer examination shows that information flows starting from the superior front gyrus to default mode network and posterior areas are largely reduced. Moreover, all enhanced information flows are from posterior to anterior or in local areas. Overall, it shows that long-range influences have a larger proportion of reductions than local ones, while local influences have a larger proportion of increases than long-range ones. By examining the graph properties of brain causal structure, the group of ASD shows reduced small-worldness.

연구 동기 및 목표

• 자폐성 장애(ASD)의 행동 기반 진단의 한계를 해결하기 위해, 주관적인 임상 판단에 의존하고 생물학적 기제에 대한 통찰을 제공하지 못하는 문제를 해결하고자 한다.
• 상관관계 기반 뇌 연결 측정 방식의 단점을 극복하기 위해, 방향성 있는 정보 흐름과 인과 관계를 포착하지 못하는 문제를 해결하고자 한다.
• 간섭 실험 없이도 뇌 영역 간 직접적인 인과적 영향을 식별할 수 있는 스케일러블하고 사이클릭 인과 발견 방법을 개발하고자 한다.
• 기존의 상관관계나 부분 상관관계와 같은 전통적 통계적 의존성과 비교하여, 학습된 인과적 영향 강도가 ASD 진단 성능을 향상시키는지 평가하고자 한다.
• 자기 모델링을 통해 자폐와 관련된 뇌 구조적 및 기능적 연결 패턴—특히 정보 흐름의 방향성과 강도—를 조사하고자 한다.

제안 방법

• 각 뇌 영역의 활동을 직접 원인의 선형 함수와 독립된 노이즈로 모델링하기 위해 제약 조건이 부여된 기능적 인과 모델(CFM)을 적용하여 인과적 구조 복원을 가능하게 한다.
• 대규모이고 사이클릭 인과 발견을 위한 이단계 알고리즘을 사용하여 fMRI 시간 시리즈 데이터로부터 인과적 순서를 식별하고 인과적 영향 강도를 추정한다.
• 조건부 독립 제약 조건을 적용하여 직접 인과 관계를 식별하고 간접적 또는 허위 연관성을 구분한다.
• 차원 수를 줄이고 분류 성능를 향상시키기 위해 학습된 인과적 영향 강도에 특징 선택을 적용한다.
• 선택된 인과적 특징을 사용하여 분류를 수행하고, 상관관계 및 부분 상관관계 기반 방법과 성능를 비교한다.
• 소월드성과 같은 그래프 성질을 분석하여 ASD와 정상 대조군 간 뇌 네트워크 조직의 차이를 특성화한다.

실험 결과

연구 질문

• RQ1 휴식 상태 fMRI 데이터에서 유도된 인과적 영향 강도는 상관관계 기반 방법과 비교하여 ASD 진단 정확도를 향상시키는가?
• RQ2 ASD 환자에서 특히 정보 흐름의 방향성과 크기 측면에서 유의미하게 변화된 인과적 영향 강도를 보이는 뇌 영역는 어디인가?
• RQ3 뇌에서 장거리 대비 국소적 인과적 영향은 ASD와 정상 대조군 간에 어떻게 다를까?
• RQ4 ASD의 인과적 뇌 네트워크에서 소월드성과 같은 네트워크 수준의 성질은 정상 대조군과 비교하여 어떠한가?
• RQ5 ASD에서 상부 전두구에서 후두부 및 기본 모드 네트워크 영역으로의 영향 감소와 같은 정보 흐름 장애의 일관된 패턴이 존재하는가?

주요 결과

• fMRI 데이터에서 유도된 인과적 영향 강도는 상관관계 및 부분 상관관계 측정 방식과 비교하여 ASD 진단 정확도를 유의미하게 향상시킨다.
• 특히 기본 모드 네트워크 및 후두부 영역로의 상부 전두구에서의 정보 흐름은 ASD에서 현저히 감소되어 있다.
• ASD에서 강화된 인과적 영향은 주로 국소적이거나 후두부에서 전두부로의 방향을 띠며, 장거리 영향은 증가보다 감소 비율이 더 높다.
• 장거리 인과적 영향은 국소적 영향보다 더 자주 감소하지만, 국소적 영향은 증가 비율이 더 높다.
• ASD의 인과적 뇌 네트워크 구조는 소월드성이 감소하여 정상 대조군에 비해 전역적 정보 통합이 덜 효율적임을 나타낸다.
• 인과 모델은 상관관계나 부분 상관관계로는 감지할 수 없는 방향성 있는 정보 흐름 패턴을 드러내며, ASD 신경생물학 이해에 있어서 인과성의 중요성을 강조한다.