高次元タスクfMRIデータの非線形潜在表現：異質な空間マップにおける認知的および行動的洞察の解明
カテゴリ：医療現場の業務効率化
公開日：2026年2月19日
タイトル：Nonlinear latent representations of high-dimensional task-fMRI data: Unveiling cognitive and behavioral insights in heterogeneous spatial maps.
雑誌名：PLoS One. 2024; 19(8): e0308329.
概 要：
本研究は、複雑な神経画像データの解釈可能でコンパクトな表現を見つけることが、脳の行動マッピングや精神障害の生物学的基盤を理解する上で非常に有用であることを示しています。従来の手作りの表現や線形変換では、個人間の変動を十分に捉えられないことがあります。そこで、我々は3次元オートエンコーダを用いたデータ駆動型アプローチを実施し、人口統計的特性を考慮しつつ、解釈可能な高次元タスクfMRIデータの潜在表現を提供しました。このモデルは、ヒューマンコネクトームプロジェクト（HCP）とUKバイオバンクのタスクfMRIデータを用いて訓練され、年齢や性別の予測において高い性能を示しました。
方 法：
本研究は、2つの大規模データセットを用いたコホート研究です。3次元オートエンコーダを実装し、データの再構成と臨床または人口統計変数の予測を同時に行う共同最適化問題に取り組みました。モデルは、HCPとUKバイオバンクのマルチタスクfMRIデータを用いて訓練され、年齢や性別の予測において高い性能を示しました。
結 果：
我々のモデルは、年齢や性別の予測において高い性能を発揮し、個人の変動を保持しながら複雑な行動特性を捉えることに成功しました。また、再構成精度や行動変数との関連性において、主成分分析や独立成分分析などのさまざまなベースラインモデルと比較して競争力のある性能を示しました。
結 論：
本研究のモデルは、高次元タスクfMRIデータの潜在表現を通じて、個人の変動を保持しつつ、認知的および行動的洞察を提供する可能性があることを示しました。このアプローチは、神経画像データの解釈において新たな視点を提供し、精神障害の理解に寄与することが期待されます。