早産児の2年間の神経発達転帰を、局所結合を用いた多峰性構造脳磁気共鳴画像法を用いて予測する。
アブストラクト
早産児の神経発達の転帰は、未熟度によって層別化できる。われわれは、超早産児(EP;妊娠28週未満)と超晩産児(V-LP;妊娠28週以上37週未満)を対象に、2年間の神経発達転帰を予測するための脳構造ネットワークを検討した。EP児62例とV-LP児131例のMRIと拡散MRIを用いて、容積分析と構造ネットワーク分析のためのマルチモーダル特徴セットを構築した。線形および非線形の機械学習モデルを用いて、Bayley Scales of Infant and Toddler Development, Third Edition(BSID-III)のスコアを予測し、予測精度と特徴の重要性を評価した。その結果、早産児のBSID-IIIのサブセットに対して、局所結合の特徴を組み込んだモデルが高い予測性能を示すことが明らかになった。特に、早産児の認知スコア(説明される分散、17%)とV-LP児の認知スコア(説明される分散、17%)、およびEP児の運動スコア(説明される分散、15%)については、局所結合特徴を持つモデルが他を上回った。さらに、早産児の言語スコア(説明される分散、15%)については、局所結合特徴のみを用いたモデルが効果的に予測した。本研究は、神経発達の転帰の予測におけるマルチモーダル特徴セット、特に局所結合性の価値を強調し、微細構造の変化とその早期介入への意味を理解する上での機械学習の有用性を浮き彫りにした。