Presurgical Neural Energy Landscapes Predict Postoperative Working Memory Outcome After Brain Tumor Resection

技術的概要：脳腫瘍切除術後の作業記憶予後を予測する術前神経エネルギーランドスケープ

問題提起
外科的切除は脳腫瘍の主要な治療法であるが、作業記憶における術後認知機能障害の重大なリスクを伴い、これは長期的に持続し、生活の質を低下させる可能性がある。既往の研究では、腫瘍の位置、大きさ、低次機能的結合などが予測因子として特定されてきたが、これらの因子はしばしば個々の患者の状態に特有の相互作用を説明しきれない。さらに、既存の研究は主に静的な低次機能的結合指標（領域間のペアワイズ相関）に依存しており、認知の柔軟性に不可欠な脳領域群間の動的かつ高次的な相互作用を見落としている可能性がある。個別化された手術計画と標的介入を可能にするために、術後の認知予後を正確に予測できる術前マーカーの必要性がある。

方法論
本研究は、術前および術後 6 ヶ月に静止状態機能 MRI（rs-fMRI）と認知テストを受けた 20 名の成人脳腫瘍患者（膠芽腫 7 例、髄膜腫 13 例）の公開データセットを利用した。作業記憶は空間スパン（SSP）テストを用いて評価され、術後スコアは「低」パフォーマンス（2–5）と「高」パフォーマンス（6–9）のカテゴリーに分類された。

方法論の中核的革新は、従来の低次エネルギーランドスケープ解析を拡張した高次エネルギーランドスケープフレームワークの適用にある。このプロセスは以下の 4 つのステップから構成される：

1. 機能クラスタリング: 事前に定義されたネットワークや個々の関心領域（ROI）を使用するのではなく、著者らは k-means クラスタリングを適用して、BOLD シグナルの類似性に基づいて皮質および皮質下領域をグループ化し、被験者固有の機能クラスタを生成した。
2. 状態抽出: これらのクラスタからの連続的な fMRI シグナルを、平均ベースの閾値を用いて各時間点で二値化（活性/非活性）した。
3. 最大エントロピーモデル（MEM）: 二値化された時系列に最大エントロピーモデルを適合させ、脳状態の確率分布を推定した。このモデルは、観測された一次（平均活性化）および二次（ペアワイズ相関）統計量を保持しつつ、エントロピーを最大化する。モデルパラメータ（内在的バイアス $h_i$ と結合強度 $W_{ij}$）を用いて、あらゆる可能な脳状態構成に対するエネルギー値 $E(x_k)$ を計算した。
4. ランドスケープ解析: 得られたエネルギーランドスケープを解析し、局所最小値（安定状態）と局所最大値（遷移状態）を特定した。主要な指標には、エネルギー包絡線、極端なエネルギー値（上位/下位 20%）の分布、最小値と最大値間の遷移頻度、およびこれらの遷移の大きさ（マグニチュード）が含まれる。

これらの高次特徴は、低次特徴（標準的な静止状態ネットワーク：DMN、SN、SMN、LN から導出）および従来の機能的結合（ピアソン相関）と比較された。高作業記憶群と低作業記憶群間の統計的差異は、マン・ホイットニー U 検定を用いて評価された。予測性能は、ロバスト性を確保するために 30 回繰り返された留め置き交差検証（LOOCV）を用いたランダムフォレスト分類器によって評価された。

主要な結果

• 明確なエネルギー動態: 術後 SSP スコアが低い患者（低 WM）は、局所的なエネルギー最小値と最大値間の遷移が少なく、より極端であった。一方、スコアが高い患者（高 WM）は、より頻繁だが極端さの少ないシフトを示した。
• 高次特徴の優位性: 高次エネルギーランドスケープ特徴は、低次標準ネットワークが失敗した場所で群間差を一貫して捉えた。具体的には、高次特徴は、上位 20% の最高および最低エネルギー値の分布（それぞれ $p=0.002$ および $p<0.001$）、遷移頻度（$p=0.049$）、および遷移の大きさ（$p=0.040$）において、有意な群間差を示した。標準ネットワーク（DMN、SN、SMN、LN）は、これらの特定の指標に対して一般的に有意でなかったか、または混合した結果を示した。
• 予測精度: 高次エネルギー特徴で訓練されたランダムフォレストモデルは、術後の作業記憶予後を予測する際に、平均精度90%、F1 スコア87.5%、AUC0.95を達成した。これは、低次エネルギー特徴に基づくモデル（精度 <80%）および従来の機能的結合に基づくモデルを有意に上回った。
• 特徴の重要度: 統合モデルにおける特徴重要度の分析により、高次エネルギー特徴が低次特徴と比較して、上位ランク付けされた予測因子に対して一貫してより大きな寄与を示すことが明らかになった。

意義と主張
著者らは、脳腫瘍コホートにおいて、術前 rs-fMRI から導出された高次エネルギーランドスケープ特徴を術後の作業記憶予後に関連づけたのは本研究が初めてであると主張している。本研究は、手術前の高次神経動態における腫瘍誘発性の攪乱が、術後の認知予後を予測することを示唆している。

これらの知見は、術後の作業記憶が不良な患者において、脳はより制約され、エネルギー的に要求の高い機能ランドスケープ内で動作していることを示している。具体的には、神経柔軟性の低下（遷移の減少）および状態シフトに伴うより高いエネルギーコスト（より大きな遷移の大きさ）が、不良な予後と関連している。著者らは、これらの高次エネルギー特徴が潜在的な予測バイオマーカーとして機能し、認知リスクを軽減するための個別化された手術計画および標的介入（ニューロモジュレーションなど）への道を開くと提唱している。ただし、論文は臨床応用に関しては控えめなトーンを維持しており、被験者間のばらつき、二値化中の情報損失、およびより大規模なコホートの必要性が、これらの指標が臨床現場で広く採用される前に解決されなければならない限界であると指摘している。