脳の形態異常検出のための一般化可能なノルマティブ深層オートエンコーダー：外部検証フレームワークにおける双極性障害に関するマルチサイトStratiBipデータセットへの適用
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：A generalizable normative deep autoencoder for brain morphological anomaly detection: application to the multi-site StratiBip dataset on bipolar disorder in an external validation framework.
雑誌名：Artif Intell Med. 2025 Mar; 161: 103063.
概 要：
精神障害の多様性は、障害特異的な神経生物学的マーカーの研究を困難にしています。本研究では、双極性障害（BD）の脳形態を特徴づけるための一般化可能な多変量ノルマティブモデリングフレームワークを提案します。深層オートエンコーダーを用いた異常検出フレームワークに、初めて混乱因子除去ステップを統合し、訓練と外部検証を行いました。モデルはヒトコネクトームプロジェクトの健康対照（HC）データで訓練され、BDおよびHCのマルチサイト外部データに適用されました。BD群では脳の偏差スコアが大きく、より多様で、極端な値が増加していることがわかりました。特に、基底核、海馬、および隣接領域の体積が有意に偏差していることが示されました。
方 法：
本研究は、健康対照データを用いて深層オートエンコーダーを訓練し、双極性障害のマルチサイト外部データに適用するコホート研究です。混乱因子除去ステップを組み込んだ異常検出フレームワークを使用し、脳の偏差パターンを特定しました。
結 果：
BD群では、脳の偏差スコアが健康対照群よりも大きく、より多様で、極端な値が増加していることが確認されました。特に、基底核、海馬、隣接領域の体積が有意に偏差していました。また、修正zスコアに基づく個々の脳偏差マップは異常の発生率が高いことを示しましたが、全体的な空間的重なりは健康対照群に比べて低いことがわかりました。
結 論：
この一般化可能なフレームワークは、個人とグループレベルで異なる脳の偏差パターンを特定することを可能にし、精神医学におけるより効果的で個別化された臨床意思決定支援システムや患者の層別化の発展に向けた一歩となります。