最終更新日：2020/03/09
(Featured AI and healthcare) What changes do you have in your brain as you grow from children to adults? An exploration using machine learning(Publication)
[論文] L. R. Chai, A. N. Khambhati, R. Ciric, T. M. Moore, R. C. Gur, R. E. Gur, T. D. Satterthwaite and D. S. Bassett, “Evolution of brain network dynamics in neurodevelopment”. Network Neuroscience, 1(1), 14-30 (2017). [DOI: 10.1162/NETN_a_00001]
３つの要点
✔️私たちの能力は幼年期から青年期にかけて大幅に発達するが、その間、脳がどのように変化しているのかはわかっていなかった。
✔️ネットワークサイエンスと機械学習の応用により、成長に伴う認知能力の増加が柔軟性と表現力を高めることを突き止めた。
✔️脳の執行ネットワークの優先順位の高まりとそれを保護する部位が、健全な発育を促している。
概説
認知機能は発達の間に著しく進化し、人間の行動の柔軟な制御を可能にする。しかし、これらの機能が空間的に分散して動的に相互作用するネットワーク、つまりグラフでどのようにインスタンス化されるか、子供の頃から思春期にかけての構造の変化は、あまり理解されていない。
ここでは、フィラデルフィア神経発達コホートから抽出した200人の健康な青年（8歳から11歳と19歳から22歳まで）のサンプル内で、安静時の脳内の連続的に重なり合う時変サブグラフを追跡する新しい機械学習法を適用した。
私たちは、既知の認知システム間で驚くほど統合され動的に変化する相互作用を捉える一連のサブグラフを見つけた。我々は、高度に発現されたサブグラフが特に一時的であり、時間とともに高発現と低発現との間を柔軟に切り替えたことを観察した。
この一過性は、実行システムの前頭頭頂領域を主に結ぶサブグラフにおいて特に顕著であり、それは、小児期から若年期への表現力および柔軟性の両方において増加する。
まとめると、これらの結果は、健全な発育には、執行ネットワークの優先順位の高まりと、これらのネットワークを保護する部位および相互作用のより大きな切り替えが伴うことが示唆されている。
—-
私たちの周りの世界と思慮深く関わっていく私たちの能力は、私たちが子供時代から成人期に移行するにつれてかなり変化する。
それでも、その変化を可能にするために私たちの脳がどのように発達するかは、理解できないままだった。
ここでは、フェイスブックやツイッターのようなソーシャルネットワークの研究に伝統的に適用されてきたネットワークサイエンスと機械学習を使用して、認知能力の増大が分散ネットワーク内の脳領域のより大きな柔軟性を伴うことを示した。
この柔軟性は、高次認知機能および幼年期から青年期にかけての表現力と柔軟性の向上に不可欠な執行システムにおいて最大である。
これらの結果は、健全な発育が、執行ネットワークの優先順位の高まり、およびこれらのネットワークを保護する部位および相互作用のより大きな切り替えによって促進されることを示唆している。
[/restrict]
（A）非負行列因数分解から、静止状態スキャン中に有意に表現された264個の皮質領域と亜皮質領域の間のユニークな接続パターンをそれぞれ取り込んだ10個の部分グラフのセットを得た。ここでは、9番目のサブグラフで、視覚システムのシステム内接続性とシステム間接続性の計算例を示す。未加工のサブグラフ（左）から、システム内の接続性はシステム内のノード間のエッジの重みの平均（例：視覚-視覚エッジ）として計算され、システム間の接続性は2つの異なるシステムからのノード間の重み付け（例：視覚-知覚エッジ）として計算される。このアプローチにより、サブグラフの構造と各サブグラフに表現されている認知システムとの関係を13×13のマトリックスにまとめることができる（右）。
（B）各サブグラフの13の認知システムの平均のシステム内およびシステム間の結合性を計算し、0と1の間のカラーバーを正規化した。次に、各サブグラフにおいてどの認知システムが有意に表現されたかを特定するため、各サブグラフの結合性を置換ヌルグラフと比較した。顕著に表現されたシステムは、脳のボリュームレンダリングで描かれている（マトリックス自体は有意性によってしきい値処理されていない）。我々は、多くのサブグラフが自然に分布し、複数の認知システム間の相互作用を捉えていることを観察した（例：サブグラフ1と2）が、他のものは自然と局所化されている（例：サブグラフ9）。
（A）各サブグラフについて、すべての被験者にわたって対応する時間依存係数のエネルギーとエントロピーを平均した。我々は、サブグラフエネルギーの対数とエントロピーとの間に高い相関を観察した（ピアソン相関係数r＝0.99、p＜0.001）。デフォルトモードのサブグラフ（緑色で表示）の、トレンド（左）からの逸脱は興味深い。部分グラフの局所性（部分グラフの強度のゆがみによって測定）と部分グラフのエネルギーとの間で興味深い傾向が観察され、分布した部分グラフの方がエネルギーが高くなる。
（B）高エネルギー、高エントロピー信号の例（実行）； 低エネルギー、低エントロピー信号（視覚）； そして、代表的な被験者（左）の高エネルギー、低エントロピー信号（デフォルトモード）、およびこれらの信号に関連する認知システム（右）。一般に、高エネルギー、高エントロピー表現パターンを持つサブグラフは、複数の分散型相互作用認知システムを含む傾向があり、一方、低エネルギー、低エントロピー表現パターンを持つサブグラフは、局所的認知システムが少ない傾向がある。
最初のサブグラフの標準化エネルギーとエントロピーの2つの年齢層の間に有意差があることが観察された。これは主に前頭皮質と頭頂皮質の副領域の実行機能を補助する領域で構成されていた。標準化されたエネルギー（中央）および標準化されたエントロピー（右）は両方とも若い成人グループにおいてより高く、より高いレベルの発現ならびに発現レベルを変化させる大きな傾向を示唆している。
著者
Lucy R. Chai (Department of Bioengineering, University of Pennsylvania, Philadelphia, PA 19104 USA)
Ankit N. Khambhati (Department of Bioengineering, University of Pennsylvania, Philadelphia, PA 19104 USA)
Rastko Ciric (Brain Behavior Laboratory, Department of Psychiatry, University of Pennsylvania, Philadelphia, PA 19104 USA)
Tyler M. Moore (Brain Behavior Laboratory, Department of Psychiatry, University of Pennsylvania, Philadelphia, PA 19104 USA)
Ruben C. Gur (Brain Behavior Laboratory, Department of Psychiatry, University of Pennsylvania, Philadelphia, PA 19104 USA)
Raquel E. Gur (Brain Behavior Laboratory, Department of Psychiatry, University of Pennsylvania, Philadelphia, PA 19104 USA)
Theodore D. Satterthwaite (Brain Behavior Laboratory, Department of Psychiatry, University of Pennsylvania, Philadelphia, PA 19104 USA)
Danielle S. Bassett (Brain Behavior Laboratory, Department of Psychiatry, University of Pennsylvania, Philadelphia, PA 19104 USA)
email: dsb@seas.upenn.edu
出版情報
Received: 1 August 2016 / Accepted: 20 October 2016/ Published: 3 April 2017
Open Access Network Neuroscience is Open Access. All content is freely available in electronic format (Full text HTML, PDF, and PDF Plus) to readers across the globe. All articles are published under a CC BY 4.0 license. For more information on allowed uses, please view the CC license.
© 2017 Massachusetts Institute of Technology Published under a Creative Commons Attribution 4.0 International (CC BY 4.0) license.
■サポートのお願い
AIDBを便利だと思っていただけた方に、任意の金額でサポートしていただけますと幸いです。
PAGE TOP