機械学習とMRIを用いたアルツハイマー病の剖検検証神経病理学的変化の予測【JST・京大機械翻訳】

Kautzky Alexander; Seiger Rene; Hahn Andreas; Fischer Peter; Krampla Wolfgang; Kasper Siegfried; Kovacs Gabor G.; Lanzenberger Rupert

文献

J-GLOBAL ID：201902214997004753 整理番号：19A1547794

機械学習とMRIを用いたアルツハイマー病の剖検検証神経病理学的変化の予測【JST・京大機械翻訳】

Prediction of Autopsy Verified Neuropathological Change of Alzheimer’s Disease Using Machine Learning and MRI

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=19A1547794&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=19A1547794&from=J-GLOBAL&jstjournalNo=U7056A") }}

著者 (8件)： , , , , , , ,
資料名：
巻： 10 ページ： 406 発行年： 2018年
JST資料番号： U7056A ISSN： 1663-4365 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：スイス (CHE) 言語：英語 (EN)

背景:アルツハイマー病(AD)は認知症の最も一般的な形態である。ADに対する神経病理学的変化は定義されているが,臨床設定における認知障害前のADの早期検出はまだ不足している。軽度認知障害(MCI)またはADを予測するために,機械学習を磁気共鳴画像(MRI)データに適用する先駆的研究は,高い精度をもたらしたが,神経病理学的変化を予測するアルゴリズムはまだ不足している。本研究の目的は,臨床症状と比較してADに対するより明確な診断基準を支持する予測モデルを計算することであり,症状が発生する前にさえも特徴的変化の同定を可能にする。【方法】剖検によりADに起因する神経病理学的変化を検証し,ADに対するABCスコアであるAβペプチドに対する結合スコアにより記述された神経線維の角度および神経原性プラークをRandomForest(RF)を用いた構造的MRIデータから予測した。MRIスキャンは少なくとも2年前に死亡の前に行われた。すべての被験者は,Viennaの2つの地区において2000年の開始年に75歳のすべての1750人の住民を標的とした前向きVienna Trans-Danube Aging(VITA)研究から誘導され,臨床症状または診断に関係なく死亡まで不規則な追跡を含んだ。68名の被験者MRIと神経病理学的データを入手可能で,十分なMRIデータ質を有する49名の被験者(死亡時平均年齢:82.8±2.9,29名)を,ネスト化交差検証(CV)を用いた更なる統計解析のために登録した。内部ループの復号化データを,5倍のCV設計による変数選択とパラメータ最適化のために使用し,外部ループの新しいデータを,5倍のCV設計における最適設定によるモデル検証のために使用した。全手順を10回実施し,標準偏差による平均精度を報告した。【結果】最も有益なROIsは,尾側およびro側前帯状回,内反骨,紡錘形および島状皮質および皮質下ROIs前部脳梁および左血管,下陰部およびpalliにおけるラクナ変化から成るROIを含んだ。結果としての予測モデルは,復号化セット内の0.62の3つのレベルのNIAA ADスコアと検証セットの0.61の平均精度を達成した。神経病理学的変化の有無を予測するとき,両セットに対する0.77のより高い精度が達成された。結論:ADにおけるカテゴリーNIAAスコアによる神経病理学的変化のコンピュータ支援予測は,死後に評価することができ,AD認知症のより明確で明確なカテゴリー化を促進する可能性がある。ADの神経病理学的特徴の信頼できる検出は,MCIまたは臨床AD症状の予測よりも初期レベルでのリスク層別化を可能にし,神経精神科における精密医療を進歩させる。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

著者キーワード (5件)： , , , ,

神経系の疾患

引用文献 (63件)：

Aguilar C., Westman E., Muehlboeck J. S., Mecocci P., Vellas B., Tsolaki M., et al (2013). Different multivariate techniques for automated classification of MRI data in Alzheimer’s disease and mild cognitive impairment. Psychiatry Res. 212 89-98. doi: 10.1016/j.pscychresns.2012.11.005
Albert M. S., DeKosky S. T., Dickson D., Dubois B., Feldman H. H., Fox N. C., et al (2011). The diagnosis of mild cognitive impairment due to Alzheimer’s disease: recommendations from the National Institute on Aging-Alzheimer’s Association workgroups on diagnostic guidelines for Alzheimer’s disease. Alzheimers Dement. 7 270-279. doi: 10.1016/j.jalz.2011.03.008
Ardekani B. A., Bermudez E., Mubeen A. M., Bachman A. H. and Alzheimer’s Disease Neuroimaging Initiative (2017). Prediction of incipient Alzheimer’s Disease dementia in patients with mild cognitive impairment. J. Alzheimers Dis. 55 269-281. doi: 10.1016/j.jalz.2011.03.008
Beheshti I., Demirel H. and Alzheimer’s Disease Neuroimaging Initiative (2016). Feature-ranking-based Alzheimer’s disease classification from structural MRI. Magn. Reson. Imaging 34 252-263. doi: 10.1016/j.mri.2015.11.009
Beheshti I., Demirel H., Matsuda H. and Alzheimer’s Disease Neuroimaging Initiative (2017). Classification of Alzheimer’s disease and prediction of mild cognitive impairment-to-Alzheimer’s conversion from structural magnetic resource imaging using feature ranking and a genetic algorithm. Comput. Biol. Med. 83 109-119. doi: 10.1016/j.compbiomed.2017.02.011

, , , , , ,

前のページに戻る