[論文レビュー] Diagnosis of Autism Spectrum Disorder by Causal Influence Strength Learned from Resting-State fMRI Data

Biwei Huang, Kun Zhang+4 more|arXiv (Cornell University)|Jan 27, 2019

Functional Brain Connectivity Studies被引用数 7

ひとこと要約

本論文は、安静状態fMRIデータを用いて、自閉症スペクトラム障害（ASD）における脳領域間の直接的な因果的影響を同定するため、制約付き関数的因果モデルを用いた2段階の因果発見手法を提案する。因果的影響の強さを学習することで、特に上側前頭回からの長距離結合が低下していることから、相関ベースの手法を上回るASD診断の正確性が向上し、デフォルトモードネットワークにおける情報伝達の障害およびASD脳における小世界性の低下が明らかになる。

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.

研究の動機と目的

• 行動的診断の限界に対処すること。これは、主観的な臨床的判断に依存しており、根本的な生物学的メカニズムの洞察を欠いている。
• 相関ベースの脳結合測定の欠陥を克服すること。これは、情報の流れの方向性や因果関係を捉えられていない。
• 干渉実験を伴わずに、安静状態fMRIデータから大規模かつ循環的な因果発見を可能にするスケーラブルな手法を開発すること。
• 従来の統計的依存関係（相関や偏相関）と比較して、学習された因果的影響の強さがASD診断性能を向上させるかどうかを評価すること。
• 因果モデリングを用いて、特に情報伝達の方向性と強さに関連する、ASDに特徴的な構造的および機能的脳結合パターンを調査すること。

提案手法

• 各脳領域の活動を、その直接の原因の線形関数と独立したノイズの和としてモデル化する制約付き関数的因果モデル（CFM）を適用し、因果構造の回復を可能にする。
• fMRI時系列データから因果的順序を特定し、因果的影響の強さを推定する大規模で循環的な因果発見のための2段階アルゴリズムを用いる。
• 条件付き独立制約を課して、直接的因果関係を、間接的または誤った関連性から区別する。
• 次元削減と分類性能の向上を目的として、学習された因果的影響の強さに基づく特徴選択を実施する。
• 選択された因果的特徴を用いて分類を実行し、ASDを診断する。相関や偏相関に基づく手法と性能を比較する。
• 小世界性などのグラフ特性を分析し、ASD群と神経的ニュートラルな対照群との間での脳ネットワーク組織の違いを特徴付ける。

実験結果

リサーチクエスチョン

• RQ1 安静状態fMRIデータから学習された因果的影響の強さは、相関ベースの手法と比較してASD診断の正確性を向上させるか？
• RQ2 ASDを示す個々の被験者において、特に情報伝達の方向性と強度の観点から、因果的影響の強さが著しく変化している脳領域はどれか？
• RQ3 ASD群と通常対照群との間で、長距離的因果的影響と局所的因果的影響はどのように異なるか？
• RQ4 ASDにおける因果的脳ネットワークのネットワークレベルの特性（例：小世界性）は、対照群と比較してどう異なるか？
• RQ5 ASDにおいて、上側前頭回から後頭部およびデフォルトモードネットワーク領域への影響が低下しているという一貫した情報伝達の障害のパターンがあるか？

主な発見

• fMRIデータから学習された因果的影響の強さは、相関や偏相関測定と比較して、ASD診断の正確性を顕著に向上させる。
• 特にデフォルトモードネットワークおよび後頭部領域への上側前頭回からの情報伝達が、ASDにおいて著しく低下している。
• ASDにおける強化された因果的影響は、主に局所的または後方から前方へのものであり、一方、長距離的影響は増加よりも減少の割合が高い。
• 長距離的因果的影響は局所的影響よりも頻繁に減少しているが、逆に局所的影響は増加の割合が高い。
• ASDにおける因果的脳ネットワーク構造は小世界性が低下しており、神経的ニュートラルな対照群と比較して、グローバルな情報統合が非効率であることを示している。
• 因果モデルは、相関や偏相関では検出できない方向性のある情報伝達パターンを明らかにし、ASD神経生物学的理解における因果関係の重要性を強調している。