本研究は、アルツハイマー病(AD)の個人差を、複数の神経画像モダリティ(MRI、アミロイド PET、タウ PET)を用いた正常モデリングによって分析したものである。
まず、正常対照群のデータを用いて多変量変分オートエンコーダ(mmVAE)を訓練し、健常な脳パターンを学習した。次に、この訓練済みモデルをAD患者群に適用し、各モダリティにおける領域ごとの逸脱度(Z-スコア)を算出した。
AD患者群では、認知機能の重症度が高いほど、各モダリティにおける領域の逸脱が多く、また個人間の逸脱パターンの違いも大きかった。さらに、全モダリティの逸脱度の平均である疾患重症度指数(DSI)は、認知機能の重症度と相関し、認知機能検査スコアや病状進行リスクとも関連していた。
これらの結果は、アミロイド、タウ、神経変性といった複数の病態指標を統合的に捉えることで、ADの個人差をより包括的に理解できることを示唆している。DSIは個別の治療方針決定や経過観察に役立つ指標となる可能性がある。
다른 언어로
소스 콘텐츠 기반
arxiv.org
더 깊은 질문