The dysfunction of neural activity in Alzheimer`s disease could cause disconnection at both the structural and functional system of the brain. The advent of resting-state (RS) functional magnetic resonance imaging (fMRI) technology has made it possible to classify Alzheimer`s disease states based on the quantitative activity indices of brain regions. While the functional connectivity between brain regions has been regarded as a more effective index than sole activity levels of individual brain regions, current connectivity-based classification techniques suffer from limited reproducibility due to the need for prior knowledge on discriminative brain regions and intrinsic heterogeneity in the course of AD progression.
Actually, similar challenges have been already addressed in molecular bioinformatics communities. They have achieved higher and reproducible classification accuracy and have identified interpretable markers by incorporating molecular pathway information in their classification. We have adopted a similar strategy to the RS-fMRI-based AD classification problem. After collecting various functional brain pathways from literature, we have quantified which pathways show significantly different activity levels between AD patients and healthy subjects. In this work, we used the brain pathway information covering the intrinsic brain function, such as cognitive, motor, and sensory function. Then, the brain pathway activity scores were acquired by greed search algorithm. We have shown that three different classification models, Naive Bayes (NB), linear logistic regression, and support vector machine (SVM) using such pathway activity scores have achieved robust classification performance. Moreover, discriminatory pathways between AD patients and healthy subjects may facilitate the interpretation of functional alterations in the course of AD progression.
알츠하이머병의 신경 활동 이상은 뇌의 구조적 기능적 이상을 초래하게 된다. 휴식상태 기능자기공명영상은 뇌 영역의 정량적 활동성을 기반으로 알츠하이머병 분류를 가능하게 해준다. 뇌 영역간의 기능연결성을 이용한 분류 방법은 개별적인 뇌 영역의 활동성을 이용하는 경우보다 좀더 효과적인 분류 성능을 보여준다. 최근 뇌 영역간의 기능연결성을 이용한 분류 기술은 사전지식을 바탕으로 한정된 뇌 영역 사이의 연결성과 알츠하이머병의 진행단계별 이질성 때문에 제한된 재현성 문제를 가진다. 분자생물정보 분야에서 이러한 유사한 문제가 제기되었다. 분자경로정보를 이용한 분류 기법은 높고 재현성 가능한 분류 정확도를 보여주었고, 해석 가능한 마커를 발굴 할 수 있었다. 휴식상태 알츠하이머병의 기능자기공명 영상을 구별분석하기 위해서 유사한 방법론을 사용했다. 문헌정보에서 뇌 경로 정보 수집 후, 뇌 경로 정보를 이용해 알츠하이머 환자와 정상인 사이 활동성을 정량화 하였으며 상당히 다른 활동성을 보이는걸 확인했다. 본 연구에서는 인지, 운동, 지각 등의 뇌의 기능을 포괄하는 뇌 경로 정보를 사용했다. 뇌 경로 정보를 이용해서 그리디 탐색을 통해서 알츠하이머 환자와 정상인 사이의 뇌 경로 활동성을 측정했다. 세가지 다른 분류 모델, 나이브 베이지안, 선형 로지스틱 회귀, 서포트벡터머신을 사용해서 뇌 경로 정보를 이용해 추론된 활동성을 분석했다. 또한 알츠하이머 환자와 정상인사이의 구별이 되는 뇌 경로 정보를 통해 알츠하이머병 진행단계에 따른 기능적 변화의 해석에 이용할 수 있을 것이다.
