Multi-Modal Graph Neural Network with Transformer-Guided Adaptive Diffusion for Preclinical Alzheimer Classification

技術要約：前臨床アルツハイマー型認知症分類のための、Transformerによる適応型拡散を用いたマルチモーダル・グラフニューラルネットワーク

問題提起
関心領域（ROI）とそのコネクトーム特徴量から構築される脳のグラフ表現は、アルツハイマー型認知症（AD）のような神経変性疾患の診断において極めて重要な洞察を提供します。しかし、既存のグラフニューラルネットワーク（GNN）は、これらのネットワークを解釈する上で固有の限界に直面しています。従来の畳み込み手法は、遠方の近傍からの情報を集約することに苦慮し、アテンションベースの手法は、特に重要なノードに関する決定的な特性を捉える上で、十分なノード中心の情報を取りこぼすことがよくあります。これらの欠点は、多様なモダリティ（例：MRI、PET）から得られる多様な特徴量を利用する際に、疾患特異的な変動を特定することを妨げます。さらに、複数のバイオマーカーの大きさによって導入される不均一性は、局所的および大域的なグラフ特性の分析を複雑にします。

手法：GTADフレームワーク
著者らは、短距離（局所）および長距離（大域）の両方のグラフ特性を集約するように設計された統合フレームワークであるGTAD（Transformer-guided Adaptive Diffusion：Transformerによる適座型拡散）を提案しています。このアーキテクチャは、主に3つのコンポーネントで構成されています。

1. モダリティ別適応型畳み込みブロック：

   • モデルは、正規化されたラプラシアン $\hat{L}$ を持つ無向グラフ $G$ として脳ネットワークを扱います。
   • 各イメージング・モダリティ $m$ について、エンコーダーはノード特徴量 $x^m$ を**熱核畳み込み（heat-kernel convolution）**を用いて処理します。畳み込み演算は $H^m_z = \sigma_z(e^{-s^m \hat{L}} H^m_{z-1} W^m_z)$ と定義され、ここで $s^m$ は各モダリティに特有の学習可能なノード単位のスケールベクトルです。
   • 固定されたカーネルとは異なり、これらのスケールは、各モダリティにおける個々のノードの局所的な特性を適応的に捉えるために学習されます。これにより、モデルは特定のイメージングデータに基づいて、各ROIの最適な近傍範囲を決定することができます。

2. モダリティ別自己アテンション・ブロック：

   • 畳み込みブロックからの埋め込み $\{H^m_Z\}$ は、Transformerベースの自己アテンション機構に送られます。
   • すべてのトークンを一様に扱う標準的なTransformerとは異なり、GTADは各モダリティに特定のアテンション・ヘッドを割り当てます。これにより、モデルは局所的な畳み込みでは捉えられない、グラフ上の長距離情報を統合することが可能になります。
   • マルチヘッド自己アテンションは、さまざまなROIにわたる異なるモダリティからの情報に共同で注意を向けることで、大域的な特性を計算します。このブロックには、学習を安定させるための残差接続とレイヤー正規化が含まれています。

3. Transformerによるガイド付きスケール更新：

   • アテンション・ブロックからの大域的表現 $B_P$ は、疾患ラベルを予測するためのダウンストリーム分類器に渡されます。
   • 損失関数（クロスエントロピー）は、重みの更新だけでなく、モダリティ固有のスケール $s^m$ の更新に対してもバックプロパゲーションされます。
   • 熱核に対して正のスケールを保証するために $\ell_1$ ノルム正則化が適用されます。このメカニズムにより、Transformerが適応型拡散プロセスをガイドすることが可能になり、大域的な分類タスクに基づいて局所的な受容野を効果的にチューニングすることができます。

主な貢献

1. 新規フレームワーク： 本論文は、適応型拡散カーネルによる短距離特性と、マルチヘッド・アテンションによる長距離特性を集約するフレームワークを提案しており、純粋な畳み込み型または純粋なアテンション型のGNNの限界に対処しています。
2. 優れた性能： 本モデルは、グラフ分類タスク（前臨床AD）において、畳み込み型GNN（GCN, GAT）、拡散ベースのGNN（GraphHeat, GDC, ADC, LSAP）、およびGraph Transformer（NodeFormer, DIFFormer, SGFormer）を含む様々なベースラインを凌駕し、最先端の性能を示しています。
3. 解釈可能性： 本フレームワークは、学習されたスケールとアテンション・スコアを提供することで解釈可能性を実現しています。これにより、前臨床AD段階に関連する主要なROIを特定することが可能となり、特定のイメージング・モダリティに対してどの解剖学的領域が最も重要であるかについての洞察を提供します。

実験結果
実験は、コントロール（CN）、重大な記憶障害（SMC）、および早期軽度認知障害（EMCI）に分類される919人の前臨床被験者を含む、Alzheimer's Disease Neuroimaging Initiative (ADNI) データセットを用いて行われました。本研究では、拡散テンソル画像（DTI）からの構造的脳ネットワークと、FDG-PET、アミロイドPET、およびMRI（皮質厚）からのROI指標を利用しました。

• 分類精度： GTADは、すべてのモダリティの組み合わせにおいて最高の精度を達成しました。特筆すべきは、すべてのイメージング特徴量を使用した際に96.3%の精度に達し、次に優れたTransformerベースの手法（SGFormerの95.1%）を上回ったことです。
• 堅牢性： 皮質厚と$\beta$-アミロイドを用いて初期AD段階を予測するという困難な条件下でも、高い性能を維持し、精度は94.5%に達しました。
• アブレーション研究： 適応型畳み込み層またはマルチモーダル・アテンション機構を取り除くと、性能が大幅に低下し、局所的な適応型スケールと大域的なアテンションの共同学習がモデルの有効性に不可欠であることが確認されました。

解釈可能性に関する知見
学習されたスケールとアテンション・スコアを分析し、疾患特異的な変動を特定しました。

• 適応型スケール： モデルは、学習されたスケールが小さいROIは隣接する情報に大きく依存する一方で、スケールが大きいROIは遠方の特徴を必要とすることを特定しました。スケールは同じ脳領域であってもモダリティ間で大きく異なり、サブネットワークに関する多次元的な理解を提供しました。
• 主要なROI： モデルは、高い重要性を持つ特定の領域を強調しました。これには、舌回（lingual gyrus）（すべてのモダリティを通じて最も高い重要度率で検出）、海馬（FDGにおいて高い重要度）、および被殻（putamen）（皮質厚および$\beta$-アミロイドにおいて高い重要度）が含まれます。これらの領域は、ADの進行において最初に影響を受ける領域として知られています。

意義
著者らは、GTADが前臨床ADの分類と解釈のための実用的なソリューションを提供すると主張しています。Transformerによるガイド付き拡散を通じて局所的および大域的なグラフ特性を効果的に組み合わせることで、本モデルは診断精度を向上させるだけでなく、疾患に関連する主要な解剖学的領域を特定します。この二重の能力は、アルツハイマー病の前臨床段階に関連する特定のバイオマーカーの変動を解明することにより、早期診断と疾患予防戦略の可能性をサポートします。