微分動的因果ネットワーク：モデル構築、同定、およびグループ比較

TL;DR（結論）

脳の大規模な神経相互作用を解明するため、脳波データから直接「微分動的因果ネットワーク（NccDCM）」を構築する新たな手法が提案され、微視的から巨視的なスケールにわたる病態生理学的モデリングの計算上の制約が克服されました。 この手法は、非線形な神経集団の動態を近似なしで解くChen-Fliess展開と、個体差を考慮する階層的な混合効果モデルを組み合わせることで、従来の双線形近似では困難だったスパイクや分岐といった強い非線形領域の正確な推定を可能にしました。 てんかん患者の脳波データを用いた検証では、発作前後の興奮性・抑制性ニューロンの不均衡や脳内接続の異常を生物物理学的なパラメータとして特定することに成功し、疾患のメカニズム解明やバイオマーカーとしての有用性が示されました。

なぜこの問題か

脳システムの病態生理学的モデリングにおいて、微視的なスケールから巨視的なスケールにわたる大規模な神経相互作用を同定することは、現代の神経科学における極めて困難な課題の一つです。脳波や脳磁図といった非侵襲的なイメージング技術は、脳の動的な因果関係の発見や、脳卒中、アルツハイマー病、パーキンソン病、てんかんなどの神経疾患のグループ比較において広く用いられてきましたが、数千ものニューロンの相互作用を現実的な計算時間でモデル化することには大きな制約がありました。 具体的には、主に5つの障壁が存在します。第一に、パラメータが部分的にしか同定できない非線形な神経集団微分方程式をどのように解き、サンプリングするかという問題です。従来の双線形近似では、脳活動におけるスパイク、分岐、飽和といった強い非線形領域での精度が著しく低下するという欠点がありました。第二に、脳の状態の一部しか離散的な時間点で観察できないため、遷移密度の正確な尤度を追跡することが困難であるという点です。第三に、計算資源が限られている中で、どのように大規模な動的因果モデルを実装し、効率的に処理するかという課題があります。…

核心：何を提案したのか

本研究では、上述の課題を解決するために、複数の皮質領域にわたる「条件付き結合動的因果モデルのネットワーク（NccDCM）」という新しい枠組みを提案しました。この手法は、症例群と対照群のそれぞれに対して、脳波データから直接微分因果ネットワークを構築することを可能にします。ネットワークの各ノードは神経質量モデルによって表現される機能単位に対応し、エッジは領域間の有効接続性、すなわち因果的な影響の強さを表しています。 この提案の核心は、各チャネルの出力を応答変数とし、チャネル内の神経集団を内部説明変数、外部チャネルからの入力を外部説明変数として扱う「条件付き結合」の枠組みを採用した点にあります。これにより、膨大な数のパラメータを持つ大規模なシステムを、計算可能な小さな単位に分解して処理することが可能になりました。…

続きはログイン/プランで閲覧できます。