Useiden MRI-menetelmien yhdistäminen parantaa kognitiivisten kykyjen ennustamista
Kognitiivisen kyvyn ennustaminen aivojen kuvantamisella on pitkään ollut kognitiivisen neurotieteen keskeinen tavoite. Vaikka koneoppiminen on hieman parantanut ennusteita aivojen MRI-tietojen avulla, useimmat tutkimukset perustuvat yhteen MRI-menetelmään. Narun Pat ja kollegat ovat integroineet useita MRI-menetelmiä pinoamistekniikan avulla. Menetelmässä yhdistyvät rakenteellinen MRI (esim. aivokuoren paksuus), lepotila ja tehtäväpohjainen toiminnallinen yhteys sekä tehtävästä johtuvat veren happitasosta riippuvaiset (BOLD) kontrastit luodakseen vahvemman kognitiivisen toiminnan hermomarkkerin. Kirjoittajat analysoivat tietoja 2 131 osallistujalta...
Useiden MRI-menetelmien yhdistäminen parantaa kognitiivisten kykyjen ennustamista
Kognitiivisen kyvyn ennustaminen aivojen kuvantamisella on pitkään ollut kognitiivisen neurotieteen keskeinen tavoite. Vaikka koneoppiminen on hieman parantanut ennusteita aivojen MRI-tietojen avulla, useimmat tutkimukset perustuvat yhteen MRI-menetelmään. Narun Pat ja kollegat ovat integroineet useita MRI-menetelmiä pinoamistekniikan avulla.
Menetelmässä yhdistyvät rakenteellinen MRI (esim. aivokuoren paksuus), lepotila ja tehtäväpohjainen toiminnallinen yhteys sekä tehtävästä johtuvat veren happitasosta riippuvaiset (BOLD) kontrastit luodakseen vahvemman kognitiivisen toiminnan hermomarkkerin. Kirjoittajat analysoivat tietoja 2 131 osallistujalta, iältään 22-100, kolmesta suuresta MRI-aineistosta Yhdysvalloissa ja Uudessa-Seelannissa. Kaikkien kolmen tietojoukon pinoaminen johdonmukaisesti ja merkittävästi paransi skannerista kerättyjen kognitiivisten testien tulosten ennusteita. Arvioidakseen, voisiko pinoaminen vangita vakaita kognitiivisia piirteitä, kirjoittajat sovelsivat menetelmää Dunedinin monitieteiseen terveys- ja kehitystutkimukseen. Käyttämällä aivokuvausta 45-vuotiaana malli ennusti kognitiiviset pisteet lapsuudessa (7-, 9- ja 11-vuotiaat) korrelaatiolla 0,52, mikä tunnistaa merkittävän ennustustarkkuuden. Pinoaminen kohtasi myös suuren haasteen MRI-pohjaisissa malleissa: testi-uudelleentestauksen luotettavuus – yksittäisten sijoitusten vakaus ajan myötä. Parannettu johdonmukaisuus viittaa siihen, että pinoaminen mahdollistaa MRI-tietojen vangitsemisen pysyvämpiä yksilöllisiä eroja kognitiivisissa kyvyissä kuin yksittäiset MRI-modaalisuusmallit.
Lopuksi tutkijat arvioivat pinoamisen yleistettävyyttä harjoittamalla yhtä tietosarjaa ja testaamalla erillisellä, riippumattomalla tietojoukolla. Tehtäväprotokollien erojen vuoksi kirjoittajat eivät pystyneet sisällyttämään useita tärkeitä MRI-menetelmiä. Siitä huolimatta malli saavutti Pearson-korrelaation 0,25. Vaikka tämä oli alhaisempi kuin tietojoukon suorituskyky, korrelaatio osoitti silti merkityksellistä ristiinotoskäytettävyyttä. Kirjoittajien mukaan tutkimus asettaa arvokkaan vertailukohdan sille, kuinka pinoaminen voi vahvistaa aivojen MRI:n käyttöä luotettavana ja vankana kognitiivisen toiminnan hermomarkkerina.
Lähteet:
Tetereva, A.,et ai. (2025) Parannetaan aivojen laajuisten kognitiivisten kykyjen assosiaatioiden ennustettavuutta, luotettavuutta ja yleistettävyyttä multimodaalisen pinoamisen avulla.PNAS Nexus. doi.org/10.1093/pnasnexus/pgaf175.