Suche
Mein Konto
Integrering av flere MR-modaliteter forbedrer prediksjonen av kognitive evner
Å forutsi kognitiv evne fra hjerneavbildning har lenge vært et sentralt mål innen kognitiv nevrovitenskap. Mens maskinlæring har moderat forbedret spådommer ved bruk av hjerne-MR-data, er de fleste studier avhengige av en enkelt MR-modalitet. Narun Pat og kolleger har integrert flere MR-modaliteter gjennom en teknikk som kalles stabling. Metoden kombinerer strukturell MR (f.eks. kortikal tykkelse), hviletilstand og oppgavebasert funksjonell tilkobling, samt oppgavefremkalte blodoksygennivåavhengige (BOLD) kontraster for å skape en mer robust nevral markør for kognitiv funksjon. Forfatterne analyserte data fra 2131 deltakere i alderen...
Integrering av flere MR-modaliteter forbedrer prediksjonen av kognitive evner
Å forutsi kognitiv evne fra hjerneavbildning har lenge vært et sentralt mål innen kognitiv nevrovitenskap. Mens maskinlæring har moderat forbedret spådommer ved bruk av hjerne-MR-data, er de fleste studier avhengige av en enkelt MR-modalitet. Narun Pat og kolleger har integrert flere MR-modaliteter gjennom en teknikk som kalles stabling.
Metoden kombinerer strukturell MR (f.eks. kortikal tykkelse), hviletilstand og oppgavebasert funksjonell tilkobling, samt oppgavefremkalte blodoksygennivåavhengige (BOLD) kontraster for å skape en mer robust nevral markør for kognitiv funksjon. Forfatterne analyserte data fra 2131 deltakere i alderen 22 til 100 fra tre store MR-datasett i USA og New Zealand. På tvers av de tre datasettene, stabling konsekvent og betydelig forbedrede prediksjoner av kognitive testresultater samlet inn fra skanneren. For å vurdere om stabling kunne fange opp stabile kognitive egenskaper, brukte forfatterne metoden på Dunedin Multidisciplinary Health and Development Study. Ved å bruke hjerneavbildning i en alder av 45, spådde modellen kognitive skårer i barndommen (alder 7, 9 og 11) med en korrelasjon på 0,52, og gjenkjente et betydelig nivå av prediktiv nøyaktighet. Stabling sto også overfor en stor utfordring i MR-baserte modeller: test-retest reliabilitet – stabiliteten til individuelle rangeringer over tid. Den forbedrede konsistensen antyder at stabling tillater MR-data å fange opp mer vedvarende individuelle forskjeller i kognitiv evne enn enkelt MR-modalitetsmodeller.
Til slutt evaluerte forskerne generaliserbarheten til stabling ved å trene på ett datasett og teste på et separat, uavhengig datasett. På grunn av forskjeller i oppgaveprotokoller klarte ikke forfatterne å inkludere flere viktige MR-modaliteter. Likevel oppnådde modellen en Pearson-korrelasjon på 0,25. Selv om dette var lavere enn ytelsen innenfor datasettet, viste korrelasjonen fortsatt en meningsfull grad av kryssprøveanvendbarhet. Ifølge forfatterne setter studien en verdifull målestokk for hvordan stabling kan styrke bruken av hjerne-MR som en pålitelig og robust nevrale markør for kognitiv funksjon.
Kilder:
Tetereva, A.,et al. (2025) Forbedre forutsigbarhet, pålitelighet og generaliserbarhet av hjerneomfattende assosiasjoner for kognitive evner via multimodal stabling.PNAS Nexus. doi.org/10.1093/pnasnexus/pgaf175.