マルチタスク敵対的変分オートエンコーダを用いた脳年齢推定のためのマルチモーダル神経画像融合によるメタバースベースのヘルスケアの進展
カテゴリ：高齢者医療・介護
公開日：2026年2月19日
タイトル：Advancing Metaverse-Based Healthcare With Multimodal Neuroimaging Fusion Via Multi-Task Adversarial Variational Autoencoder for Brain Age Estimation
雑誌名：IEEE J Biomed Health Inform. 2024 Nov 25; PP: doi: 10.1109/JBHI.2024.3505421. Epub 2024 Nov 25.
概 要：
本研究は、メタバースを活用したヘルスケアにおける脳年齢推定のための新しい深層学習フレームワーク「マルチタスク敵対的変分オートエンコーダ（M-AVAE）」を提案します。脳年齢はアルツハイマー病などの加齢に関連する神経病理を検出するための重要な指標ですが、構造的MRI（sMRI）と機能的MRI（fMRI）のデータを統合することは困難です。M-AVAEは、共通の特徴とモダリティ特有の特徴を効果的に分離し、性別分類を補助タスクとして統合することで、性別特有の加齢のニュアンスを考慮します。OpenBHBデータセットで評価した結果、平均絶対誤差2.77年を達成し、従来の手法を上回る性能を示しました。
方 法：
本研究は、マルチモーダルMRIデータを統合するための深層学習フレームワークM-AVAEを用いたコホート研究です。M-AVAEは、一般的なコードとユニークなコードに潜在変数を分離し、性別分類を補助タスクとして組み込むことで、性別特有の加齢の違いを考慮します。評価にはOpenBHBデータセットを使用し、脳年齢推定の精度を測定しました。
結 果：
M-AVAEは、脳年齢推定において平均絶対誤差2.77年を達成し、従来の手法を上回る性能を示しました。このフレームワークは、マルチモーダルMRIデータを効果的に統合し、性別特有の加齢のニュアンスを考慮することで、脳年齢推定の精度を向上させました。
結 論：
M-AVAEは、脳年齢推定において優れた性能を発揮し、メタバースベースのヘルスケアアプリケーションにおける強力なツールとしての可能性を示しました。この研究は、加齢に関連する神経病理の早期発見に寄与することが期待されます。