MEDICINE & AI

タイトル：A group based network analysis for Alzheimer's disease fMRI data 雑誌名：Sci Rep. 2025 Mar 29; 15(1): 10888. 概　要： 本研究は、アルツハイマー病（AD）研究における安静時機能的磁気共鳴画像法（rs-fMRI）のネットワークモデリングに関するものです。従来の手法であるピアソン相関係数（PCC）を用いた脳の接続ネットワーク構築は、グループ内の変動が大きく、病気特異的な機能的接続パターンの特定を困難にします。この問題に対処するために、コントロール群からの情報を集約して単一サンプルネットワークを導出する新しい脳ネットワーク構築戦略SNBGを提案しました。ADNI研究からのデータセットを用いて、SNBGとPCCベースの手法を比較した結果、SNBGはより安定した接続を捉え、分類精度を89.24%から97.13%に向上させました。また、デフォルトモードネットワーク（DMN）、内側前頭ネットワーク（MFN）、前頭頭頂ネットワーク（FPN）などのAD関連の局所ネットワークにおいて、SNBGはPCCベースの手法よりも低いグループ内異質性を示しました。 方　法： 本研究は、アルツハイマー病神経画像イニシアティブ（ADNI）研究からのデータセットを使用した比較研究です。SNBG法とPCCベースの手法を比較し、脳の接続ネットワークを構築しました。主要評価指標は、分類精度であり、SNBG法は97.13%の精度を達成しました。 結　果： SNBG法は、PCCベースの手法に比べて、より安定した接続を捉え、分類精度を89.24%から97.13%に向上させました。また、AD関連の局所ネットワークにおいて、SNBGはPCC法よりも低いグループ内異質性を示しました。 結　論： SNBG法は、アルツハイマー病における脳の接続パターンをより正確に捉えることができ、従来のPCC法に比べて分類精度が向上しました。この手法は、AD研究における機能的接続性の理解を深める可能性があります。