脳画像を用いた機械学習バイオマーカーは認知能力や精神疾患の個人差を予測するツールとして診断や予測への応用が期待されているが、その神経生物学的解釈の一貫性には課題がある。研究チームは、特徴選択の違いが、導かれる脳の解釈そのものを変える可能性を検証した。米国の研究チームらが、Nature Human Behaviourに発表した。
研究チームは、4つの大規模神経画像データセットを使用し、計1万2,000名以上を対象とした解析を実施した。まず脳内の各領域間のつながりそれぞれについて、実行機能や言語能力といった行動指標との相関が強い順にランク付けし、上位から順に10等分のグループに分割し、各グループの予測モデルの予測性能と脳ネットワークへの解釈を比較した。その結果、各グループのモデルの予測精度は類似していても、各モデルが重要と判断する脳領域・ネットワークは大きく異なり、共通情報は平均13%にとどまった。
本研究は、従来の特徴選択によって「重要でない」として除外されてきた脳の結合パターンが、上位特徴量と同等の予測力を持ちながら、異なる神経回路を反映することを示唆する。これは「最上位の特徴量＝その能力や疾患の神経基盤」という従来の解釈が脳と行動の関係の一側面に過ぎない可能性を示すものであり、今後は脳全体に分散したシグナルを考慮したモデル構築や、複数の特徴セットを横断した解釈の検証が求められると考えられる。
参照論文：
関連記事：
