Exploring Links between Brain Image-Derived Phenotypes and Accelerometer-Measured Physical Activity in the UK Biobank

إليك ملخص تقني مفصل للورقة البحثية بعنوان "استكشاف الروابط بين الأنماط الظاهرية المستمدة من صور الدماغ والنشاط البدني المقاس عبر مقياس التسارع في مشروع UK Biobank."

1. بيان المشكلة

على الرغم من الأدلة الواسعة التي تربط النشاط البدني (PA) بالوقاية من الأمراض التنكسية العصبية وصحة الدماغ، إلا أن العلاقات متعددة المتغيرات المحددة بين النشاط البدني المقاس موضوعياً وعالي الدقة وبين الأنماط الظاهرية المعقدة لتصوير الدماغ لا تزال غير مفهومة بشكل كافٍ. ركزت الدراسات السابقة غالباً على مناطق دماغية معزولة أو مقاييس نشاط بدني منفردة. وهناك فجوة حرجة في فهم:

• كيف يرتبط النشاط البدني في آن واحد بـ الاتصال الوظيفي (FC) عبر الشبكات و حجم المادة الرمادية (GMV) عبر الأنظمة الدماغية الموزعة.
• القدرة التنبؤية للنشاط البدني للميزات الدماغية الفردية.
• المنفعة المشتركة للنشاط البدني والسمات البيولوجية لتصوير الدماغ في التنبؤ بخطر الأمراض السائدة (السكري، السكتة الدماغية، أمراض القلب التاجية، والسرطان)، وتحديداً عبر قياس مساهماتهما النسبية في التباين المفسر.

2. المنهجية

استغلت الدراسة البيانات من UK Biobank، مستخدمةً مجموعة فرعية من المشاركين الذين لديهم بيانات مقياس التسارع وتصوير دماغي متعدد الأنماط.

مصادر البيانات:

• النشاط البدني (PA): تم قياسه عبر أجهزة تسارع ثلاثية المحاور من نوع Axivity AX3 توضع على المعصم لمدة 8 أيام لحوالي 106,000 مشارك. تمت معالجة البيانات إلى 11 متغيراً ملخصاً يعكس حجم النشاط (مثل: إجمالي التسارع اللوغاريتمي، TLAC)، والشدة (النشاط الخفيف مقابل المتوسط/القوي)، والتجزئة (انتقالات الفترات)، والإيقاع اليوماوي (M10، L5، والسعة النسبية).
• تصوير الدماغ:
  • الاتصال الوظيفي (FC): مستمد من رنين مغناطيسي وظيفي في حالة الراحة (rs-fMRI) باستخدام 55 مكوناً مستقلاً، مما نتج عنه 1,485 اتصالاً عقدياً.
  • حجم المادة الرمادية (GMV): مستمد من التصوير بالرنين المغناطيسي الهيكلي (T1-weighted) عبر 139 منطقة اهتمام تشريحية (ROIs).
• المتغيرات المصاحبة: تم إجراء تعديلات واسعة للمتغيرات المربكة بما في ذلك العمر، الجنس، حجم الرأس، وضعية الماسح الضوئي، معايير الحركة، وعوامل نمط الحياة (مؤشر كتلة الجسم، التدخين، الكحول).

الإطار التحليلي:
استخدم المؤلفون ثلاثة نهج تحليلية متميزة:

1. تحليل الارتباط الكنسي ثنائي الجانب (Bipartial CCA): استُخدم لتحديد محاور منخفضة الأبعاد من التباين المشترك بين متغيرات النشاط البدني والأنماط الظاهرية الدماغية (FC و GMV بشكل منفصل) بعد استبعاد المتغيرات المربكة. ركزت الدراسة بشكل أساسي على النمط الكنسي الأول لضمان الاستقرار.
2. تقييم أهمية المتغيرات:
   • الانحدار الخطي: اختبر دلالة متغيرات النشاط البدني الفردية في التنبؤ بكل ميزة دماغية (اتصال FC أو منطقة GMV).
   • تعلم الآلة: استُخدمت الغابة العشوائية (Random Forest) ومعيار البيان المعلوماتي البايزي (Stepwise BIC) لتصنيف متغيرات النشاط البدني بناءً على أهميتها التنبؤية ومساهماتها غير الخطية.
   • الأداء التنبؤي: تم التقييم عبر التحقق المتقاطع ذي العشر طيات (10-fold cross-validation) مكرر 100 مرة باستخدام معامل ارتباط بيرسون بين القيم المرصودة والمتوقعة.
3. التنبؤ بخطر المرض:
   • الانحدار اللوجستي المتداخل: تمت مقارنة ثلاثة نماذج لأربعة أمراض:
     • $M_1$: النموذج الكامل (المتغيرات المربكة + النشاط البدني + النمط الظري الدماغي).
     • $M_2$: النشاط البدني فقط (المتغيرات المربكة + النشاط البدني).
     • $M_3$: النمط الظري الدماغي فقط (المتغيرات المربكة + النمط الظري الدماغي).
   • المقاييس: تم تقييم الأداء باستخدام ROC-AUC و معامل ماكفادن لـ $R^2$ الزائف (McFadden's pseudo $R^2$) (لقياس نسبة التباين المفسر، ومعالجة مشكلات البيانات غير المتوازنة).

3. النتائج الرئيسية

أ. الارتباطات متعددة المتغيرات (CCA)

• النشاط البدني مقابل الاتصال الوظيفي (FC): وُجد ارتباط قوي إحصائياً ولكنه منخفض الأبعاد.
  • الارتباط الكنسي: $r = 0.50$ (النمط الأساسي).
  • مناطق الدماغ: جاءت أقوى المساهمات من الاتصالات داخل وبين شبكات التحكم/الانتباه و الحركة الحسية.
  • محركات النشاط البدني: ارتبطت مقاييس النشاط القوي (TLAC، M10، LIPA) سلباً بالمتغير الكنسي للاتصال الوظيفي، بينما ارتبطت مقاييس الخمول (SBout) إيجاباً به.
  • التباين: فسر النمط الأساسي حوالي 34% من تباين النشاط البدني ولكن حوالي 0.19% فقط من تباين الاتصال الوظيفي، مما يشير إلى أن النشاط البدني يتوافق مع حيز فرعي ضيق من التباين الوظيفي للدماغ.
• النشاط البدني مقابل حجم المادة الرمادية (GMV): كان الارتباط أضعف بشكل ملحوظ.
  • الارتباط الكنسي: $r = 0.19$.
  • مناطق الدماغ: كانت المساهمات صغيرة ومنتشرة، حيث أظهرت "الدودة المخيخية" (المرتبطة بالتنسيق) أقوى المعاملات.
  • التباين: فسر النمط الأساسي حوالي 40% من تباين النشاط البدني ولكن حوالي 1.4% فقط من تباين حجم المادة الرمادية.

ب. أهمية المتغيرات والنمذجة التنبؤية

• التنبؤ بميزات الدماغ: نجح متغير النشاط البدني في التنبؤ بجزء كبير من ميزات الدماغ (66.6% من اتصالات FC و 97.8% من مناطق GM) بشكل دال إحصائياً.
• المتنبئات الرئيسية: عبر كل من FC و GMV، برزت ثلاثة متغيرات باستمرار كأهم المتنبئات: TLAC (إجمالي التسارع اللوغاريتمي)، و M10 (متوسط التسارع خلال الساعات العشر الأكثر نشاطاً)، و LIPA (النشاط البدني ذو الشدة الخفيفة).
• خصوصية الشبكة: كان النشاط البدني متنبئاً أقوى لشبكة الحركة الحسية واتصالاتها، ولمناطق محددة من GMV (القشرة أمام الجبهية، الحصين، اللوزة الدماغية) أكثر من الشبكات الأخرى.

ج. التنبؤ بخطر المرض

• مقاييس الأداء:
  • AUC: حققت النماذج أفضل أداء لـ أمراض القلب التاجية (CHD) و السكري (AUC $\approx$ 0.80)، يليهما السكتة الدماغية ($\approx$ 0.70) والسرطان ($\approx$ 0.64).
  • معامل ماكفادن لـ $R^2$: كشف هذا المقياس أن متغيرات النشاط البدني وحدها ($M_2$) ساهمت في تفسير تباين المرض أكثر من الأنماط الظاهرية الدماغية وحدها ($M_3$).
  • القيمة الإضافية: تقديم الأنماط الظاهرية الدماغية إلى نماذج النشاط البدني ($M_1$ مقابل $M_2$) لم يوفر سوى تحسينات طفيفة في القدرة التنبؤية.
  • الترتيب: بالنسبة لجميع الأمراض، كانت العلاقة $R^2_{M1} > R^2_{M2} > R^3_{M3}$. وكانت الفجوة بين نماذج النشاط البدني فقط ونماذج النمط الظري الدماغي فقط هي الأكبر في حالات أمراض القلب التاجية والسكري.

4. المساهمات الرئيسية

1. التكامل متعدد المتغيرات: أول تحليل شامل يربط بين بيانات النشاط البدني عالية الأبعاد والموضوعية وبين الأنماط الظاهرية الدماغية (الوظيفية والهيكلية) في آن واحد.
2. تحديد شبكات محددة: أثبت أن النشاط البدني يرتبط بقوة بشبكات الحركة والانتباه، بدلاً من إعادة التنظيم الشامل للدماغ.
3. التسلسل الهرمي التنبؤي: أثبت أن قياسات النشاط البدني الموضوعية هي متنبئات فائقة لأمراض القلب والأوعية الدموية والتمثيل الغذائي (القلب والسكري) مقارنة بالسمات العصبية التصويرية المقطعية.
4. الدقة المنهجية: تطبيق تحليل CCA ثنائي الجانب والانحدار اللوجستي المتداخل مع معامل ماكفادن لـ $R^2$ لقياس القوة التفسيرية النسبية لنمط الحياة مقابل العلامات البيولوجية في المجموعات الكبيرة.

- أهمية الدراسة ومحدداتها

الأهمية:

• تشير النتائج إلى أن المؤشرات السلوكية (النشاط البدني) قد تكون بدائل أكثر مباشرة وقوة لمخاطر صحة القلب والأوعية الدموية مقارنة بمقاييس تصوير الدماغ الساكنة لدى عامة السكان.
• تدعم هذه النتائج استخدام مقاييس التسارع القابلة للارتداء كأداة قابلة للتوسع لمراقبة صحة الدماغ ومخاطر الأمراض.
• تسلط الدراسة الضوء على أن الارتباط بين النشاط البدني والدماغ هو منخفض الأبعاد، حيث يؤثر على شبكات محددة (الحركة الحسية/الانتباه) بدلاً من تغيير كامل بنية الاتصال.

المحددات:

• التصميم المستعرض (Cross-Sectional): تم جمع بيانات النشاط البدني والتصوير في أوقات مختلفة، مما يمنع الاستدلال السببي حول ما إذا كان النشاط البددي يغير بنية الدماغ أو العكس.
• انخفاض الأبعاد: رغم أن الارتباط قوي إحصائياً، إلا أنه يفسر جزءاً صغيراً من إجمالي تباين الدماغ، مما يعني أن النشاط البدني ليس المحرك الوحيد للتباين في الأنماط الظاهرية للدماغ.
• التنبؤ بالسرطان: يُعزى التنبؤ الضعيف بالسرطان إلى عدم تجانس أنواع السرطان والطبيعة متعددة العوامل لمسببات السرطان (الجينات، البيئة) التي لا يمكن للنشاط البدني وحده استيعابها بالكامل.

الخلاصة:
تخلص الدراسة إلى أن النشاط البدني المقاس موضوعياً يرتبط ارتباطاً وثيقاً بمجموعة محددة من ميزات الدماغ المتعلقة بالحركة، ويوفر معلومات تنبؤية جوهرية لأمراض القلب والأوعية الدموية والتمثيل الغذائي، وغالباً ما يتفوق على العلامات البيولوجية لتصوير الأعصاب بمفردها. وهذا يدعم دمج بيانات نمط الحياة في نماذج الطب الدقيق للوقاية من الأمراض.