[논문 리뷰] Multivariate MR Biomarkers Better Predict Cognitive Dysfunction in Mouse Models of Alzheimers Disease

Alexandra Badea, Natalie A Delpratt외 8명|arXiv (Cornell University)|2018. 12. 28.

Alzheimer's disease research and treatments참고 문헌 87인용 수 7

한 줄 요약

이 연구는 알츠하이머병 마우스 모델에서 체적 기반 분석, 신호 강도 및 자화율 매핑을 이용한 다변량 MRI 생물학적 지표 접근법을 제안하여 인지 기능 저하를 예측한다. 희소 공분산 분석을 통해 다중 모odal 영상 특징을 통합함으로써, 이 방법은 단일 지표 모델보다 공간 기억 결핍 예측에서 뚜렷한 우월성을 보였다. 특히, 후두핵이 주요 예측 네트워크로 부각되었다.

ABSTRACT

To understand multifactorial conditions such as Alzheimers disease (AD) we need brain signatures that predict the impact of multiple pathologies and their interactions. To help uncover the relationships between brain circuits and cognitive markers we have used mouse models that represent, at least in part, the complex interactions altered in AD. In particular, we aimed to understand the relationship between vulnerable brain circuits and memory deficits measured in the Morris water maze, and we tested several predictive modeling approaches. We used in vivo manganese enhanced MRI voxel based analyses to reveal regional differences in volume (morphometry), signal intensity (activity), and magnetic susceptibility (iron deposition, demyelination). These regions included the hippocampus, olfactory areas, entorhinal cortex and cerebellum. The image based properties of these regions were used to predict spatial memory. We next used eigenanatomy, which reduces dimensionality to produce sets of regions that explain the variance in the data. For each imaging marker, eigenanatomy revealed networks underpinning a range of cognitive functions including memory, motor function, and associative learning. Finally, the integration of multivariate markers in a supervised sparse canonical correlation approach outperformed single predictor models and had significant correlates to spatial memory. Among a priori selected regions, the fornix also provided good predictors, raising the possibility of investigating how disease propagation within brain networks leads to cognitive deterioration. Our results support that modeling approaches integrating multivariate imaging markers provide sensitive predictors of AD-like behaviors. Such strategies for mapping brain circuits responsible for behaviors may help in the future predict disease progression, or response to interventions.

연구 동기 및 목표

• 알츠하이머병 마우스 모델에서 인지 기능 저하를 예측하는 다변량 MRI 생물학적 지표를 규명하는 것.
• 형태학적 변화, 활동성 및 철분 침착과 관련된 뇌 영역의 변화가 기억 결핍과 어떻게 연관되는지 조사하는 것.
• 고유형태학적 분석을 통한 네트워크 수준 분석이 인지 기능 예측에 얼마나 향상되는지 평가하는 것.
• 공간 기억 성능 예측에서 단변량 대비 다변량 모델링 접근법을 비교하는 것.
• 특정 뇌 회로, 예를 들어 후두핵이 질병 진행 상황의 민감한 예측 지표로 기능하는지 확인하는 것.

제안 방법

• 뇌 부피, 신호 강도(신경 활동), 자화율(철분, 탈세포막성 변화)를 평가하기 위해 체내 맨간ese-강화 MRI(MEMRI)를 시행하였다.
• 해부학적 핵심 영역인 CA1, 히포크암프스, 엔토르히널 피질, 후각 영역, 소뇌 및 후두핵에서 영상 특징을 추출하기 위해 볼륨 기반 분석을 적용하였다.
• 인지 기능과 관련된 영상 데이터의 분산을 설명하는 잠재 네트워크를 식별하고 차원을 감소시키기 위해 고유형태학적 분석을 사용하였다.
• 다변량 영상 지표를 통합하고 공간 기억 성능을 예측하기 위해 감독형 희소 공분산 분석(스카라)을 활용하였다.
• 인지 결과 측정치로 모리스 워터 미로 작업 점수를 사용하여 모델 성능을 검증하였다.
• 개별 영상 지표를 사용한 단변량 모델 대비 다변량 모델의 예측 능력을 비교하였다.

실험 결과

연구 질문

• RQ1 알츠하이머병 마우스 모델에서 다변량 MRI 생물학적 지표가 단변량 지표보다 인지 기능 저하 예측에 더 우수한가?
• RQ2 고유형태학적으로 드러난 뇌 네트워크 중 기억, 운동 기능 및 연상 학습과 가장 강하게 연관된 것은 무엇인가?
• RQ3 형태학적 변화, 신호 강도 및 자화율의 지역적 변화가 공간 기억 성능을 어떻게 종합적으로 예측하는가?
• RQ4 이 모델 체계에서 후두핵이 인지 기능 저하의 민감한 예측 지표로 기능하는가?
• RQ5 다중 모달 영상 데이터 통합이 단일 모달리티 접근법 대비 정확도 향상에 얼마나 기여하는가?

주요 결과

• 희소 공분산 분석을 통해 통합된 다변량 MRI 생물학적 지표는 공간 기억 결핍 예측에서 단일 예측자 모델보다 유의미하게 뛰어난 성능을 보였다.
• 고유형태학적 분석은 기억, 운동 기능 및 연상 학습을 뒷받침하는 별도의 네트워크를 드러내었으며, 분산된 뇌 회로의 역할을 강조하였다.
• 후두핵은 인지 기능 저하의 강력한 예측 지표로 규명되었으며, 이는 질병 전파 경로에서의 중요성을 시사한다.
• 형태학적 변화, 신호 강도 및 자화율의 지역적 변화가 종합적으로 인지 기능 저하의 더 민감하고 종합적인 지표를 제공하였다.
• 다중 모달 영상 특징의 통합은 예측 능력을 향상시켰으며, 신경 퇴행성 질환 연구에서 체계 수준의 모델링의 우수성을 입증하였다.
• 본 연구는 다변량 접근법이 임상 이전 알츠하이머병 모델에서 병리학적 상호작용을 단변량 방법보다 더 잘 포착함을 확인하였다.