[논문 리뷰] Reliability and comparability of human brain structural covariance networks

Jona Carmon, Jil Heege외 6명|arXiv (Cornell University)|2019. 11. 28.

Functional Brain Connectivity Studies참고 문헌 22인용 수 8

한 줄 요약

이 연구는 FreeSurfer를 사용하여 T1-강도 MRI로부터 유도된 인간 뇌 구조 공변망의 신뢰성과 비교 가능성에 대해 조사한다. 연구 결과, 피질 두께는 연구소, 스캐너, 처리 버전 간에 매우 불신뢰성 있고 비교할 수 없는 결과를 보이며, 표면적 면적과 부피는 더 견고한 것으로 나타났다. 저자들은 오차 공분산을 모델링하지 않은 다중 연구소 데이터 통합을 피하고, 구조 공변 분석에서 두께보다는 표면적 면적/부피를 우선시할 것을 권고하여 신뢰성 있고 타당한 뇌 영상 연구를 확보한다.

ABSTRACT

Structural covariance analysis is a widely used structural MRI analysis method which characterises the co-relations of morphology between brain regions over a group of subjects. To our knowledge, little has been investigated in terms of the comparability of results between different data sets or the reliability of results over the same subjects in different rescan sessions, image resolutions, or FreeSurfer versions. In terms of comparability, our results show substantial differences in the structural covariance matrix between data sets of age- and sex-matched healthy human adults. These differences persist after site correction, they are exacerbated by low sample sizes, and they are most pronounced when using average cortical thickness as a morphological measure. Down-stream graph theoretic analyses further show statistically significant differences. In terms of reliability, substantial differences were also found when comparing repeated scan sessions of the same subjects, and image resolutions and FreeSurfer versions of the same image. We could further estimate the relative measurement error and showed that it is largest when using thickness. With simulated data, we argue that cortical thickness is least reliable because of larger relative measurement errors. Practically, we make the following recommendations (1) pooling subjects across sites into one group should be avoided, particularly if sites differ in image resolutions, demographics, or preprocessing; (2) surface area and volume should be preferred as morphological measures over cortical thickness; (3) a large number of subjects should be used to estimate structural covariance; (4) measurement error should be assessed where repeated measurements are available; (5) if combining sites is critical, univariate site-correction is insufficient, but error covariance should be explicitly measured and modelled.

연구 동기 및 목표

• 동일한 피험자의 반복 스캔 세션에서 구조 공변망의 신뢰성을 평가하기 위해.
• 연령 및 성별이 일치하는 건강한 성인의 서로 다른 데이터 세트 간에 구조 공변망의 비교 가능성 평가를 위해.
• 이미지 해상도, FreeSurfer 버전, 형태 측정치(피질 두께, 표면적 면적, 부피)가 구조 공변망의 신뢰성과 비교 가능성에 미치는 영향을 조사하기 위해.
• 다중 연구소 구조 공변 연구의 최적 방법론을 규명하여 재현성과 타당성을 보장하기 위해.
• 측정 오차를 최소화하고 구조 공변망 분석의 강건성을 향상시키기 위한 근거 기반 권고를 제공하기 위해.

제안 방법

• 동일한 피험자에 대해 반복 스캔 세션을 포함한 여러 연구소에서 T1-강도 MRI 데이터를 확보하였다.
• 각 피험자에게서 Desikan-Killiany 아틀라스를 사용하여 FreeSurfer를 통해 피질 형태 측정치(피질 두께, 표면적 면적, 부피)를 추출하였다.
• 각 데이터 세트 내에서 피험자 간 뇌 영역 간의 상관관계로 구조 공변 행렬을 계산하였다.
• 단변량 연구소 보정(각 영역의 평균 중심화)을 적용하고, 비교 가능성 향상 효과를 평가하였다.
• 스캔-재스캔 데이터를 사용하여 측정 오차를 추정하고, 영역 간 오차 공분산을 모델링하였다.
• 시뮬레이션 데이터를 활용하여 측정 오차가 공변 신뢰성에 미치는 상대적 영향, 특히 피질 두께에 대해 평가하였다.

실험 결과

연구 질문

• RQ1 동일한 피험자의 반복 스캔 세션에서 계산된 구조 공변망의 신뢰성은 어떠한가?
• RQ2 연령 및 성별이 일치하는 건강한 성인의 서로 다른 데이터 세트 간에 구조 공변망은 얼마나 비교 가능한가?
• RQ3 이미지 해상도, FreeSurfer 버전, 형태 측정치(두께, 표면적 면적, 부피)의 차이가 신뢰성과 비교 가능성에 얼마나 영향을 미치는가?
• RQ4 단변량 연구소 보정이 다중 연구소 데이터 세트 간 비교 가능성을 확보하는 데 충분한가?
• RQ5 측정 오차와 진짜 생물학적 공변이 관찰된 구조 공변 패턴에 대해 상대적으로 기여하는 비율은 어떠한가?

주요 결과

• 연령 및 성별이 일치하는 건강한 성인의 서로 다른 데이터 세트 간에 구조 공변 행렬에 상당한 차이가 관찰되었으며, 이는 단변량 연구소 보정 후에도 여전히 존재했다.
• 이러한 차이는 낮은 표본 크기에서 악화되었으며, 특히 피질 두께를 형태 측정치로 사용했을 때 가장 두드러졌다.
• 후속 그래프 이론 분석에서 데이터 세트 간에 네트워크 구조적 특성에 통계적으로 유의미한 차이가 발견되어, 네트워크 수준의 결과는 신뢰성 있게 비교할 수 없음을 시사했다.
• 피질 두께의 경우 표면적 면적과 부피보다 신뢰성이 현저히 낮았으며, 상대적 변동성이 더 높아 측정 오차가 가장 컸다.
• 특히 영역 간 오차 공분산을 명시적으로 모델링하지 않은 경우, 단변량 연구소 보정(각 영역별 보정)은 다중 연구소 데이터 통합에서 비교 가능성을 확보하는 데 부족했다.
• 시뮬레이션 데이터는 피질 두께가 상대적 측정 오차가 더 크기 때문에 가장 낮은 신뢰성을 보이며, 표면적 면적이나 부피보다 공변 추정치에 더 큰 왜곡을 초래함을 확인했다.