健康と精神病における脳構造と機能のダイナミクスの解読
カテゴリ：診断支援・画像解析
公開日：2026年2月19日
タイトル：Decoding brain structure-function dynamics in health and in psychosis via an autoencoder
雑誌名：Sci Rep. 2025 Nov 14; 15(1): 40052.
概 要：
本研究は、脳の構造と機能の複雑な関係を理解するためのフレームワークを提案し、健康な脳と病理的な脳機能のメカニズムを解明することを目的としています。拡散MRIによって測定された構造的接続性を、静止状態の機能的接続性（磁気脳波計による）にマッピングするために、Graph Multi-Head Attention AutoEncoderに基づく深層学習モデルを使用しました。深層学習モデルは、健康な参加者における機能的接続性の予測において、従来の解析モデルよりも優れた性能を示し、αおよびβ周波数帯域での平均相関係数は0.8以上を達成しました。
方 法：
この研究では、健康な参加者と精神病の参加者を対象に、拡散MRIと磁気脳波計を用いて脳の構造的および機能的接続性を測定しました。深層学習モデルと従来の解析モデルを比較し、機能的接続性の予測精度を評価しました。主要評価指標は、健康な参加者における相関係数で、深層学習モデルは0.8以上、解析モデルは0.45でした。
結 果：
深層学習モデルは、健康な参加者における機能的接続性の予測で、平均相関係数がαおよびβ周波数帯域で0.8以上を達成しました。一方、精神病の参加者では、構造と機能の関係における変化が、構造特異的または機能特異的な変化よりも顕著であることが示されました。解析モデルは、デルタおよびシータ帯域での脳領域間のコミュニケーションを効果的にモデル化しました。
結 論：
本研究は、健康な脳と精神病の脳における構造と機能の結合が異なることを示しました。深層学習モデルは、健康な参加者における機能的接続性の予測において優れた性能を発揮し、精神病患者における脳のダイナミクスを理解するためには、より高度なモデルが必要であることが示唆されました。