勉強： 脳時計は、地理的に多様な集団における老化と認知症の多様性と格差を捉える画像クレジット: Lightspring / Shutterstock
ジャーナルに掲載された最近の研究では ネイチャーメディシン、 研究者らはディープラーニングを使用して、15か国における地理的、社会人口学的、社会経済的、神経変性関連、および性別の多様性が脳年齢格差に与える影響を分析しました。その結果、構造的な社会経済的不平等、汚染、および健康格差が、特にラテンアメリカおよびカリブ海（LAC）地域で脳年齢格差拡大の重要な予測因子であり、女性およびアルツハイマー病（AD）などの認知障害を持つ個人でより大きな格差が観察されることが分かりました。
背景
脳は加齢とともに動的に変化しますが、これは特に格差やアルツハイマー病などの脳障害との関連で理解する上で重要です。脳の健康をさまざまな要因にわたって測定する脳年齢モデルは、加齢の多様性を捉える可能性を秘めていますが、LAC などの過小評価されている集団では十分に研究されていません。これらの集団は、脳の老化に影響を与える可能性のある重大な社会経済的および健康上の格差に直面しています。脳の老化に関する研究は主に北半球の集団に焦点を当てており、構造的磁気共鳴画像法 (MRI) を使用することが多く、機能的 MRI (fMRI) や脳波 (EEG) で捕捉された脳ネットワークのダイナミクスは無視されています。EEG はリソースが限られた環境ではよりアクセスしやすいツールですが、大規模な研究での使用は、標準化と fMRI との統合の課題により制限されています。これらの技術を組み込み、特に過小評価されている集団の人口統計学的多様性を考慮した、ディープラーニングを使用したスケーラブルな脳年齢マーカーを開発する必要があります。そのため、本研究の研究者らはグラフ畳み込みネットワークを使用して脳年齢の格差を予測し、地理的要因、社会人口学的要因、健康要因などの多様性が脳の老化に与える影響を調査しました。
研究について
この研究では、LAC地域と非LAC地域の15か国にわたる5,306人の参加者の安静時fMRIおよびEEGデータセットを分析した。fMRIデータは、アルゼンチン、チリ、コロンビア、メキシコ、ペルー、アメリカ合衆国、中国、日本の2,953人の参加者から収集され、EEGデータはアルゼンチン、ギリシャ、ブラジル、チリ、コロンビア、キューバ、アイルランド、イタリア、トルコ、英国の2,353人の参加者から収集された。参加者には、3,509人の健康な対照群と、軽度認知障害（MCI）、AD、または行動変異型前頭側頭型認知症（bvFTD）などの神経認知障害を持つ1,808人が含まれていた。データは、正規化、ノイズ補正、およびソース空間推定を含む厳密な前処理を受けた。脳領域間の高次相互作用が評価され、データはグラフ畳み込みネットワーク（GCN）を介して分析用にグラフに変換された。 80% のクロス検証と 20% のホールドアウト テストを含むアプローチが使用されました。データ拡張技術が採用され、モデルの予測性能は適合度 (R²) と二乗平均平方根誤差 (rmse) を使用して評価されました。勾配ブースティング モデルを使用して、エクスポソーム因子が脳年齢ギャップに与える影響を調査しました。結果を検証するために、順列テストやブートストラッピングなどの広範な統計分析が実施されました。データの品質は慎重に評価され、研究は厳格な倫理ガイドラインに準拠しました。
データセットには、LAC および非 LAC の健常対照群 (HC、合計 n = 3,509) とアルツハイマー病 (AD、合計 n = 828)、bvFTD (合計 n = 463)、MCI (合計 n = 517) の参加者が含まれていました。fMRI データセットには、LAC (アルゼンチン、チリ、コロンビア、メキシコ、ペルー) と非 LAC (米国、中国、日本) の 2,953 人の参加者が含まれていました。EEG データセットには、アルゼンチン、ブラジル、チリ、コロンビア、キューバ (LAC) とギリシャ、アイルランド、イタリア、トルコ、英国 (非 LAC) の 2,353 人の参加者が含まれていました。生の fMRI および EEG 信号は、フィルタリングとアーティファクト除去によって前処理され、EEG 信号はソース空間に投影するために正規化されました。 fMRI と EEG 信号の両方に対して自動解剖学的ラベリング (AAL) アトラスを使用した分割が実行され、Ω 情報メトリックを使用して高次相互作用を計算するためのノードが構築されました。両方のモダリティの接続マトリックスが取得され、後でグラフで表されました。データ拡張はテスト データセットでのみ実行されました。グラフは、EEG と fMRI の別々のモデルを使用して、グラフ畳み込みディープラーニング ネットワーク (最後の行にアーキテクチャを表示) の入力として使用されました。最後に、年齢予測が得られ、予測年齢と実年齢を比較してパフォーマンスを測定しました。この図は、BioRender.com (fMRI および EEG デバイス) を使用して部分的に作成されました。
結果と考察
脳老化モデルは十分な予測性能を示しました。主要な予測脳領域の特徴は、中心前回、中後頭回、上前頭回と中前頭回のノードを含む前頭後部ネットワークに集中していました。fMRI モデルのその他の主要なノードは、下前頭回、前帯状回と中帯状回、傍帯状回でした。EEG モデルでは、下後頭回と上頭頂回と下頭頂回も重要でした。
注目すべきことに、非 LAC データセットを分析すると、モデルは予測機能において同様のパターンを示しましたが、適合度はわずかに低下しました。対照的に、LAC データセットでトレーニングされたモデルは、中程度の適合度と rmse 値の増加を示し、特に女性参加者において、高齢の脳年齢を予測する偏りが浮き彫りになりました。さらに、地域間効果の調査により、非 LAC データによるトレーニングと LAC でのテストの結果、平均方向誤差 (MDE) が正になり、高齢の脳年齢への偏りが示されました。さらに、臨床集団では脳年齢のギャップが拡大していることが観察され、MCI や AD などの状態では健康な対照群と比較して老化が加速していることを示唆しています。
これらの調査結果は、さまざまな集団における脳の老化の複雑さを浮き彫りにしています。また、神経認知評価において多様性要因を考慮することの重要性を強調しています。この研究は、複数の国にわたる多様なデータセットを使用し、fMRI と EEG データを統合し、多様で過小評価されている集団に適用可能なスケーラブルで個別の脳の健康指標を開発することで強化されています。ただし、この研究は、LAC 以外の地域からの臨床 EEG データが不足していること、単一モードの脳年齢ギャップ測定に依存していること、地域データが限られていること、性自認、社会経済的地位、民族性などの個人レベルの人口統計学的要因が欠如していることなどの制限があります。
結論
結論として、この研究は、データのばらつきにもかかわらず、脳時計モデルが地理、性別、マクロ社会的影響、病気などのさまざまな要因に敏感であることを示しています。fMRI と EEG をまたぐ高次脳相互作用に関するディープラーニングを活用することで、この研究は、脳の老化の差異を評価する包括的でアクセスしやすいツールへの道を開きます。これは、MCI、AD、bvFTD などの神経認知障害の特定とステージングを支援し、世界中で個別化医療アプローチをサポートする可能性があります。
1724821734
#ディープラーニングによりラテンアメリカとカリブ海諸国における脳の老化の格差が明らかに
2024-08-28 04:47:00