[논문 리뷰] Using EEG, SPECT, and Multivariate Resampling Methods to Differentiate Between Alzheimer's and other Cognitive Impairments

Arne C. Bathke, Sarah Friedrich외 5명|arXiv (Cornell University)|2016. 06. 29.

Advanced Statistical Methods and Models참고 문헌 41인용 수 4

한 줄 요약

이 연구는 다변량 정규성 또는 동일한 공분산 행렬을 가정하지 않고, EEG와 SPECT 데이터를 요인설계와 결합한 새로운 다변량 부스터래핑 방법을 제안한다. 이는 알츠하이머병(AD)과 경도 인지장애(MCI), 주관적 인지장애(SCC)를 구분하는 데 목적이 있으며, 이는 간병성 인지장애의 조기 단계에서 EEG가 일관된 진단 유용성을 보이며 효과적으로 구분함을 드러낸다.

ABSTRACT

The incidence of Alzheimer's disease (AD) and other forms of dementia is increasing in most western countries. For a precise and early diagnosis, several examination modalities exist, among them single-photon emission computed tomography (SPECT) and the electroencephalogram (EEG). The latter is highly available, free of radiation hazards, and non-invasive. Thus, its diagnostic utility regarding different stages of dementia is of great interest in neurological research, along with the question of whether its utility depends on age or sex of the person being examined. However, SPECT or EEG measurements are intrinsically multivariate, and there has been a shortage of sufficiently general inferential techniques for the analysis of multivariate data in factorial designs when neither multivariate normality nor equality of covariance matrices across groups should be assumed. We adapt an asymptotic model based (parametric) bootstrap approach to this situation, demonstrate its ability, and use it for a truly multivariate analysis of the EEG and SPECT measurements, taking into account demographic factors such as age and sex. These multivariate results are supplemented by marginal effects bootstrap inference whose theoretical properties can be derived analogously to the multivariate methods. Both inference approaches can have advantages in particular situations, as illustrated in the data analysis.

연구 동기 및 목표

• 클래식한 MANOVA의 가정(다변량 정규성, 동일한 공분산 행렬)이 위반될 경우에도 EEG 및 SPECT 데이터에 대한 강력한 다변량 추론 프레임워크를 개발하는 것.
• 알츠하이머병(AD)과 경도 인지장애(MCI), 주관적 인지장애(SCC)를 구분하는 데 있어 EEG 및 SPECT의 진단 유용성을 평가하는 것, 특히 조기발병성 치매에서의 적용을 중심으로 한다.
• EEG 및 SPECT의 진단 성능이 연령 및 성별에 따라 달라지는지, 그리고 진단, 연령, 성별 간의 상호작용이 생물학적 표지자 발현에 영향을 미치는지 조사하는 것.
• 기존의 부스터래핑 기반 추론을 다중 주체 요인(예: 여러 EEG 채널 또는 주파수 대역)과 그들의 이중 주체 요인 간 상호작용을 포함하도록 확장하는 것.
• 불균형하거나 비정규 분포 설계에서 특히 유용한 실용적이고 일반화 가능한 통계적 방법론을 제공하여 다변량 뇌영상 데이터에 대한 임상 신경과학 적용을 지원하는 것.

제안 방법

• 다변량 정규성 또는 공분산 행렬의 동질성 요구 없이 요인설계에서 다변량 반응을 다룰 수 있도록 渐近적 모델 기반(파arametric) 부스터래핑 방법을 적응 적용한다.
• 가족별 오류율 제어를 위해 닫힌 검정 절차를 사용하여 이중 주체 요인(진단, 연령, 성별)과 그 상호작용에 대한 다변량 가설을 검정하는 부스터래핑 방법을 적용한다.
• 반복 측정 구조를 모델링하여 주제 내 요인(예: EEG 전극 위치, 주파수 대역, SPECT 영역)을 포함하도록 방법을 확장함으로써 프로파일 분석이 가능해진다.
• 다변량 추론을 보완하기 위해 다중공선성에 덜 민감한 개별 기능에 대한 부스터래핑 추론을 제공한다.
• 두 단계 추론 전략을 활용: 첫 번째로 전체 효과에 대한 다변량 검정, 두 번째로 개별 특징에 대한 근위 검정을 통해 해석 가능성 향상.
• 시뮬레이션을 통해 검증하고, 연령 및 성별을 보정한 21~256개의 EEG 채널과 뇌 영역의 SPECT 혈류 값이 포함된 실제 EEG/SPECT 데이터셋에 적용하였다.

실험 결과

연구 질문

• RQ1 EEG 및 SPECT 데이터는 다변량 프레임워크에서 알츠하이머병(AD)과 경도 인지장애(MCI), 주관적 인지장애(SCC)를 신뢰성 있게 구분할 수 있는가?
• RQ2 EEG 및 SPECT의 진단 정확도는 연령 및 성별 집단 간에 유의미하게 다를까, 아니면 인구통계적 하위군 간에서 일관된가?
• RQ3 진단, 연령, 성별 간에 EEG 및 SPECT 생물학적 표지자 발현 패턴에서 유의미한 상호작용이 존재하는가?
• RQ4 정규성 및 동분산성 가정이 위반될 경우, 제안된 부스터래핑 기반 다변량 방법은 고전적 MANOVA에 비해 어떻게 성능을 발휘하는가?
• RQ5 주제 내 요인(예: 전극 위치, 주파수 대역)이 인지장애 단계의 구분에 얼마나 기여하는가?

주요 결과

• EEG는 AD와 MCI, SCC를 구분하는 데 강력한 진단 유용성을 보이며, 연령 및 성별 하위군 간에서 일관된 성능을 보여, 조기발병성 치매에서 안정적인 감도를 가짐을 시사한다.
• 진단과 인구통계적 요인(연령 또는 성별) 간에 유의미한 상호작용은 발견되지 않았으며, 이는 EEG의 분류 능력이 이러한 군집 간에 의미 있게 변하지 않음을 의미한다.
• AD 및 SCC 군 간에 EEG 및 SPECT 특징의 경험적 공분산 행렬 간 격차가 상당히 컸다(예: 변수 6의 경우 AD 대비 SCC에서 13.84 대 0.28로 최대 50배의 차이), 이는 고전적 MANOVA의 가정을 무효화한다.
• 제안된 파라미터 기반 부스터래핑 방법은 비정규성 및 이방산성 조건에서도 타당한 추론을 제공하였으며, 불균형 설계에서 유의미한 유의수준 제어 및 검정력 측면에서 고전적 MANOVA를 능가하였다.
• 개별 기능에 대한 부스터래핑 추론은 다중공선성 영향을 감소시켜 개별 생물학적 표지자 기여도의 해석 가능성을 향상시켰다.
• 본 연구는 EEG가 비용 효율적이고 비침습적이며 조기 치매 진단에 유용한 도구임을 확인하였으며, 특히 고급 다변량 부스터래핑 기법과 조합할 경우 더욱 효과적임을 입증한다.