トポロジカルデータ解析を用いたfNIRS信号処理によるアルツハイマー病の病期特定
Topological Data Analysis-Driven fNIRS Signal Processing for Alzheimer’s Disease Stage Identification
本論文は、機能的近赤外分光法(fNIRS)信号から頑健な構造的特徴を抽出し、アルツハイマー病(AD)の病期分類を行うための、新しいトポロジカルデータ解析(TDA)パイプラインを提案する。ADは機能的脳ネットワークの切断が先行すると理解されているが、従来のグラフ理論的手法は任意の値での接続性閾値に依存し、重要な多スケールのトポロジ情報を不明瞭にし、ノイズに敏感である。この課題に対処するため、本研究では永続ホモロジー(PH)を用いて、連続的なスケール範囲での脳ネットワークのトポロジ的進化を解析する。48チャンネルのヘモグロビン濃度時系列データを、Granger因果性指標を用いて高次元点群としてモデル化し、Vietoris-Rips複体のフィルタリング系列を構築する。得られたトポロジ不変量(0次元連結成分、1次元ループ、2次元空洞)は、まず永続図を用いて検討される。分類のため、重要なH0およびH1特徴量はガウシアンカーネル平滑化を用いて永続画像に変換され、H2特徴量は定性的なトポロジ解釈のために保持される。この変換により、複雑なトポロジ特徴量を標準的な機械学習ワークフローに統合できる。実験結果は、元の非拡張記録のみで構成される被験者レベルのホールドアウトテストセットで評価された。データ拡張はクラス不均衡を緩和するために訓練セットにのみ適用された。提案されたトポロジ駆動型特徴抽出法は、多クラス診断(健常者 vs.軽度認知障害 vs. AD)において86%の精度を達成した。本研究は、TDAが血行動態データにおける内在的な神経変性パターンを明らかにするための洗練された信号処理ツールとしての有効性を検証し、AD病期分類のための探索的な方法論的概念実証を提供する。
- TDAパイプラインを用いたfNIRS信号解析が、健常者vs軽度認知障害vsアルツハイマー病の多クラス診断において86%の精度を達成した
本論文は、アルツハイマー病の病期分類において、TDAを用いたfNIRS信号解析という新しい診断手法を提案し、多クラス診断で86%の精度を達成した。非侵襲的かつ低コストな脳機能計測と高度な機械学習解析の組み合わせは、認知症診断市場における新たな診断ツール開発の可能性を示すものであり、ヘルスケア・バイオ情報技術分野への投資関心を集め得るテーマである。ただし研究段階の概念実証であり、臨床導入や製品化にはなお時間がかかると見るべきである。