Brain age prediction from structural and functional connectivity across the lifespan using connectome-based predictive modeling
本研究は、生涯にわたる構造的および機能的MRIデータに対してコネクトームに基づく予測モデリングを用いることで、年代的な年齢が分散した結合パターンによって正確に予測可能であることを示し、マルチモーダルな統合を通じてさらに強化される、モダリティ間の共有および相補的な情報の両方を明らかにしている。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは査読を受けていないプレプリントのAI生成解説です。医学的助言ではありません。この内容に基づいて健康上の判断をしないでください。 免責事項の全文を読む
人間の脳は静止した器官ではありません。それは、誕生の瞬間から最期の日まで、形と機能を変化させ続ける生きた風景なのです。科学者たちは長い間、この旅路を測定する方法を模索し、「脳年齢」モデルとして知られるものを生み出してきました。これは、木がその年輪によって年齢を推定されるのと同じように、脳の配線と構造を見て、その人が何歳であるかを推定するツールです。脳が実年齢よりも老けて見えたり、あるいは若く見えたりする場合、それは発達や老化のプロセスに何かが起きていることを示唆しています。これらの変化を理解するために、研究者はしばしば2種類の異なる「地図」に注目します。一つの地図は、成長とともに築き上げられてきた、脳の異なる領域を繋ぐ物理的な道路である白質路を示しています。もう一つの地図は、脳が休息し、単に思考している時に起こる活動のパターン、つまりそれらの道路上の「交通量」を示しています。私たちは両方の地図が加齢とともに変化することを知っていますが、それらが同じ物語を語っているのか、あるいは成長や老化について異なる、補完的な手がかりを提供しているのかについては、これまで明らかではありませんでした。
イェール大学の研究チームは、幼少期から高齢期に至るまでの全生涯を対象に、この問いを探求することにしました。彼らは、高度な脳スキャンを用いて、脳の物理的な接続と安静時の活動の両方の詳細な地図を作成することで、約1,500人の健康な人々からデータを収集しました。そして、これらの地図からパターンを見つけ出すように設計されたコンピュータ手法を用い、各個人の年齢を予測しました。その目的は、脳の物理的な構造と機能的な活動のどちらがより正確に時間を伝えることができるのか、そして両方の地図を組み合わせることで、どちらか一方を見るよりも明確な全体像が得られるのかを確認することでした。
研究者たちは、物理的な構造と機能的な活動の両方が、個人の年齢を予測する上で非常に優れていることを見出しましたが、その予測の強さは人生の段階によって変化することも分かりました。モデルは、脳が急速かつ劇的な変化を遂げる時期である子供や高齢者において、最も高い精度を示しました。対照的に、脳が比較的安定している時期である若年成人では、モデルの精度は低くなりました。これは、脳の配線と活動が、急速な成長期と衰退の時期において最も顕察されることを示唆しており、それゆえにこれらの時期は特定しやすいのです。興味深いことに、物理的な構造は高齢者において年齢の強力な予測因子であった一方で、機能的な活動は子供においてより強力な予測因子となりました。これは、人生を通じて、脳の老化の主導権が「回路がどのように発火するか」から「物理的な道路がどのように変化するか」へとシフトしていくことを示しています。
これら二つの地図がそれぞれ最適となる時期の違いはあるものの、二つの地図はしばしば互いに一致していました。物理的な地図がその人を「より高齢である」と予測したとき、機能的な地図も通常同様の予測を行いました。しかし、どの接続がこれらの予測を駆動しているのかを詳しく調べたところ、二つの地図は異なる手がかりを用いていることが判明しました。物理的な地図は、脳の深部および中心部、そして小脳にある接続に大きく依存していましたが、機能的な地図は、運動や注意に関わるネットワークを含む、より幅広いネットワークを利用していました。これは、両方の地図が「脳が何歳か」という同じ事柄について語っているものの、それぞれ異なる側面を読み取っていることを意味します。
これら二つの地図を組み合わせることが役立つかどうかをテストするため、研究者たちは物理的な構造と機能的な活動を同時に使用する新しいモデルを構築しました。ほとんどのグループにおいて、この統合的なアプローチは、どちらか一方の地図のみを使用する場合よりも正確でした。特に、若年成人のグループや全生涯を対象としたグループにおいて、情報の組み合わせは予測誤差を減少させました。この統合モデルは、新たな謎めいたパターンを生み出したのではなく、単に物理的構造と機能的活動の「最良の部分」を融合させたものであり、それらが互いに欠けている独自の価値ある情報を提供していることを裏付けました。
また、本研究では、男女で脳の老化パターンに違いがあるかどうかも調査されました。これまでの研究では、男性と女性の脳は異なって見えることがあると示されてきましたが、本研究では、年齢を予測する能力は両性において極めて類似していることが分かりました。男性のデータで学習させたモデルは女性に対しても同様にうまく機能し、その逆もまた同様でした。これは、時間の経過を刻む脳の接続性の根本的な変化は、たとえ脳の構造の細部が多少異なっていたとしても、性別を超えて共有されていることを示唆しています。
結局のところ、この研究は、脳の年齢は「その接続の中に書き込まれている」が、その「筆跡」は成長とともに変化することを示しています。物理的な道路とそこを流れる交通量の両方を見ることで、科学者は私たちの発達と老化に関するより完全な姿を捉えることができます。今回の知見は、脳の単一の視点だけでは不十分であることを示唆しています。人類の生命のタイムラインを真に理解するためには、脳を多角的な視点から捉え、老化の物語が、子供時代から高齢期まで変化する複雑で分散されたネットワークの変化を通じて語られていることを認識しなければならないのです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。