[論文レビュー] Reliability and comparability of human brain structural covariance networks

Jona Carmon, Jil Heege+6 more|arXiv (Cornell University)|Nov 28, 2019

Functional Brain Connectivity Studies参考文献 22被引用数 8

ひとこと要約

本研究は、FreeSurferを用いたT1強調MRIからのヒト脳構造的共変動ネットワークの信頼性と比較可能性を調査した。被検体のスキャン施設、スキャナーや処理バージョンの違いによって、皮質厚さは著しく信頼性が低く、比較不能な結果を示す一方、表面積と体積はより頑健である。著者らは、誤差共分散をモデル化しないままマルチサイトのデータを統合するのを避けるべきであり、構造的共変動解析においては、信頼性と妥当性を確保するため、皮質厚さよりも表面積・体積を優先すべきだと提言する。

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.

研究の動機と目的

• 同じ被検体の繰り返しスキャンセッションからの構造的共変動ネットワークの信頼性を評価すること。
• 年齢および性別が一致する健康成人の異なるデータセット間における構造的共変動ネットワークの比較可能性を評価すること。
• 画像解像度、FreeSurferバージョン、および形態的測定値（皮質厚さ、表面積、体積）が構造的共変動の信頼性および比較可能性に与える影響を調査すること。
• マルチサイト構造的共変動研究のための最良の実践法を特定し、再現性と妥当性を確保すること。
• 測定誤差を最小限に抑え、構造的共変動ネットワーク解析の頑健性を向上させる根拠に基づく推奨事項を提供すること。

提案手法

• 複数の施設からT1強調MRIデータを取得し、同じ被検体の繰り返しスキャンセッションも含めた。
• Desikan-Killianyアトラスを用いて、各被検体の皮質形態測定値（皮質厚さ、表面積、体積）をFreeSurferで抽出した。
• 各データセット内で被検体間の脳領域間のペアワイズ相関として構造的共変動行列を計算した。
• 単変量の施設補正（ROIごとの平均中央化）を適用し、その比較可能性向上効果を評価した。
• スキャン-再スキャンデータを用いて測定誤差を推定し、領域間の誤差共分散をモデル化した。
• シミュレーテッドデータを用いて、測定誤差が共変動信頼性に与える相対的影響、特に皮質厚さの影響を評価した。

実験結果

リサーチクエスチョン

• RQ1 同じ被検体の繰り返しスキャンセッションから算出された構造的共変動ネットワークはどの程度信頼性があるか？
• RQ2 年齢および性別が一致する健康成人の異なるデータセット間における構造的共変動ネットワークはどの程度比較可能か？
• RQ3 画像解像度、FreeSurferバージョン、または形態的測定値（厚さ、表面積、体積）の違いが信頼性および比較可能性にどの程度影響を与えるか？
• RQ4 単変量の施設補正は、マルチサイトデータセット間の比較可能性を確保するために十分か？
• RQ5 測定誤差と真の生物学的共変動が、観察された構造的共変動パターンにそれぞれどの程度寄与しているか？

主な発見

• 年齢および性別が一致する健康成人のデータセット間では、単変量の施設補正後でさえも、構造的共変動行列に顕著な差が認められた。
• これらの差は、サンプルサイズが小さい場合に顕著に悪化し、特に皮質厚さを形態的測定値として用いた場合に顕著であった。
• 下流のグラフ理論的解析では、データセット間でネットワークトポロジーに統計的に有意な差が認められ、ネットワークレベルの結果が信頼性を持って比較できないことが示された。
• 皮質厚さの信頼性は、表面積や体積に比べて著しく低く、相対的な変動が大きいため、測定誤差も皮質厚さで最大であった。
• 特に領域間の誤差共分散を明示的にモデル化しない限り、単変量の施設補正（ROIごとの補正）ではマルチサイトデータの統合において比較可能性を確保できないことが分かった。
• シミュレーテッドデータは、皮質厚さが相対的な測定誤差が大きいため、表面積や体積よりも信頼性が最も低く、共変動推定値をより強く歪めることを確認した。