文献

J-GLOBAL ID：201902268360325750   整理番号：19A2165301

若年成人における全脳活動パターンから感情面への不安の予測:機械学習アプローチ【JST・京大機械翻訳】

Predicting anxiety from wholebrain activity patterns to emotional faces in young adults: a machine learning approach

著者 (18件)： Portugal Liana C.L. (Centre for Medical Image Computing, Department of Computer Science, University College London, United Kingdom) ,  Portugal Liana C.L. (Department of Physiology and Pharmacology, Federal Fluminense University, Niteroi, Brazil) ,  Schrouff Jessica (Centre for Medical Image Computing, Department of Computer Science, University College London, United Kingdom) ,  Schrouff Jessica (Max Planck University College London Centre for Computational Psychiatry and Ageing Research, University College London, United Kingdom) ,  Stiffler Ricki (Department of Psychiatry, Western Psychiatric Institute and Clinic, University of Pittsburgh Medical Center, University of Pittsburgh, Pittsburgh, United States) ,  Bertocci Michele (Department of Psychiatry, Western Psychiatric Institute and Clinic, University of Pittsburgh Medical Center, University of Pittsburgh, Pittsburgh, United States) ,  Bebko Genna (Department of Psychiatry, Western Psychiatric Institute and Clinic, University of Pittsburgh Medical Center, University of Pittsburgh, Pittsburgh, United States) ,  Chase Henry (Department of Psychiatry, Western Psychiatric Institute and Clinic, University of Pittsburgh Medical Center, University of Pittsburgh, Pittsburgh, United States) ,  Lockovitch Jeanette (Department of Psychiatry, Western Psychiatric Institute and Clinic, University of Pittsburgh Medical Center, University of Pittsburgh, Pittsburgh, United States) ,  Aslam Haris (Department of Psychiatry, Western Psychiatric Institute and Clinic, University of Pittsburgh Medical Center, University of Pittsburgh, Pittsburgh, United States) ,  Graur Simona (Department of Psychiatry, Western Psychiatric Institute and Clinic, University of Pittsburgh Medical Center, University of Pittsburgh, Pittsburgh, United States) ,  Greenberg Tsafrir (Department of Psychiatry, Western Psychiatric Institute and Clinic, University of Pittsburgh Medical Center, University of Pittsburgh, Pittsburgh, United States) ,  Pereira Mirtes (Department of Physiology and Pharmacology, Federal Fluminense University, Niteroi, Brazil) ,  Oliveira Leticia (Department of Physiology and Pharmacology, Federal Fluminense University, Niteroi, Brazil) ,  Phillips Mary (Department of Psychiatry, Western Psychiatric Institute and Clinic, University of Pittsburgh Medical Center, University of Pittsburgh, Pittsburgh, United States) ,  Phillips Mary (Department of Psychological Medicine, Cardiff University, Cardiff, United Kingdom) ,  Mourao-Miranda Janaina (Centre for Medical Image Computing, Department of Computer Science, University College London, United Kingdom) ,  Mourao-Miranda Janaina (Max Planck University College London Centre for Computational Psychiatry and Ageing Research, University College London, United Kingdom)
資料名： NeuroImage: Clinical  (NeuroImage: Clinical)
巻： 23  ページ： Null  発行年： 2019年 
JST資料番号： W3179A  ISSN： 2213-1582  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 精神疾患カテゴリーの基礎となる病態生理学的過程は,症状,疾患経過,共存症および生物学的基礎を含む多くのレベルで不均一であることがますます明らかになっている。この不均一性は,治療選択と新規治療をガイドする標的を提供できる症状と行動の次元に関連する生物学的マーカーを同定するための課題を提起する。反応において,研究ドメイン基準(RDoC)(RDoC)(RDoC)を開発し,精神病理学の様々なレベルに対する疾患定義,障害閾値,またはカットポイントを省略し,精神病の基礎となる病態生理学的過程を理解する。本研究では,パターン回帰分析を適用して,正常から病理学的レベルまでの範囲にある連続体における不安と抑うつ症状を予測する動的感情顔処理中の脳の特徴を同定し,カテゴリー的に定義された診断を横断することを目的とした。サンプルは,カテゴリー的に定義された診断と72人のマッチした健康な若年成人を横断してカットされた心理的苦痛に対する治療を求めている82人の若い成人から成る54人の若い成人(平均年齢=21.6とs.d.=2.0,103人)から成った。参加者は,機能的な磁気共鳴画像(fMRI)を受けている間,恐怖,角度および幸い顔(および幾何学的形状)を含む動的顔タスクを実行した。パターン回帰分析は,ニューロイメージングツールボックス(Pronto)に対するパターン認識に実装されたGaussプロセス回帰(GPR)から構成された。予測と実際の臨床スコアを,モデルの性能を評価するために,ピアソンの相関係数(r)と正規化平均二乗誤差(MSE)を用いて比較した。置換試験を適用して有意水準を推定した。GPRは,全サンプルにおける自己報告不安の動的感情顔処理予測に対する神経活動のパターンを同定した。これは,健康から異なるレベルの苦痛にわたる連続体をカバーし,サブ閾値から完全症候性精神医学的診断を含む。結果は2つの異なる交差検証戦略(2倍:R=0.28(p値=0.001),MSE=4.47(p値=0.001)および5倍r=0.28(p値=0.002),MSE=4.62(p値=0.003))を用いて有意であった。予測モデルへの個々の領域の寄与は非常に小さく,予測は地域の小さな組合せよりも全体的なパターンに基づいていることを示した。これらの知見は,神経画像技術が精神病理学の正確で客観的な定量的評価を可能にすることによって診断に関係なく若年成人の臨床評価を知らせる可能性があるという初期の証拠を示している。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *機械学習 ,  NMRイメージング ,  *成人 ,  バイオマーカー ,  うつ病 ,  *予測 ,  回帰分析 ,  治療法 ,  ヒト ,  連続体
準シソーラス用語： p値 ,  苦痛 ,  スコア ,  機能的MRI ,  健康 ,  *若年成人 , 【Automatic Indexing@JST】

著者キーワード (9件)： RDOC ,  不安 ,  うつ病 ,  fMRI ,  パターン認識 ,  パターン回帰分析 ,  機械学習 ,  顔 ,  MVPA

分類 (2件)： 中枢神経系  (EJ12030F) ,  精神障害  (GR03000A)

タイトルに関連する用語 (5件)： 若年成人 ,  脳活動 ,  感情 ,  予測 ,  機械学習