神経精神医学的逸脱：初期アルツハイマー病の早期検出のためのMRI由来マーカー

arXiv cs.CV / 2026/4/2

💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

本研究は、健康的な加齢において典型的な状態から神経精神症状がどの程度逸脱しているかを定量化するために、構造的MRIを用いる深層学習のノルム（規範）モデリング枠組みを提案する。
3D CNNを、認知的に安定したADNI参加者で学習させ、脳の解剖学的特徴からNeuropsychiatric Inventory Questionnaire（NPIQ）スコアを予測する。ここで「NPIQからの乖離」（Divergence from NPIQ：DNPI）は、予測と観測の不一致（ミスマッチ）によって定義される。
DNPIスコアが高いほど、その後のアルツハイマー病への転化と関連しており、調整済みオッズ比は2.5（p < 0.01）であった。これにより、このバイオマーカーが前臨床の、認知症状がまだ顕在化していない段階の病態シグナルを捉えられる可能性が示唆される。
DNPIに基づく予測の性能は、髄液（CSF）のAB42バイオマーカーと同等で、AUCは0.74（DNPI）対0.75（AB42）であった。これは、大規模化可能で非侵襲的なスクリーニングへの可能性を示す。
著者らは、本手法を、MRIに加えて症状データを用いることで、加齢に関連した神経精神学的パターンと、初期ADに関連する変化を識別する方法として位置づけている。

概要: 抑うつや無関心などの神経精神症状（NPS）は、アルツハイマー病（AD）において一般的であり、多くの場合、認知機能の低下に先行します。NPSの評価は、疾患の進行との相関があり、さらに非侵襲的であることから、早期検出の指標として有望です。しかし現在の手法では、NPSが加齢の一部なのか、ADの初期兆候なのかを区別できず、その有用性が制限されています。本研究では、構造MRIから非定型のNPS負荷を同定するための、深層学習に基づく規範モデリングの枠組みを提示します。3D畳み込みニューラルネットワークを、アルツハイマー病ニューロイメージング・イニシアチブ（Alzheimer's Disease Neuroimaging Initiative）の認知的に安定した参加者で学習し、脳の解剖学的特徴と、Neuropsychiatric Inventory Questionnaire（NPIQ）スコアとの対応付けを学習しました。予測値と観測値の差は、NPIQスコアにおける乖離（Divergence from NPIQ scores: DNPI）として定義しました。DNPIが高いほど、将来のADへの転換と関連していました（調整済みOR=2.5；p < 0.01）。また、予測精度は脳脊髄液AB42と同等であり（AUC=0.74 vs 0.75）、同水準でした。本アプローチは、初期AD検出に向けたスケーラブルで非侵襲的な戦略を支持します。