安静時脳活動によるニューロフィードバック治療適性の予測

抄録

大うつ病性障害（MDD）などの脳神経系疾患の有望な新規治療法としてニューロフィードバック（NF）トレーニングが開発されている。しかしNFトレーニングによって脳活動を変化させることへの適性であるNF適性は、個人差が大きいことが報告されている。そのためNF適性の予測は、NF治療に適した患者を選別する臨床応用上、非常に重要である。 本研究では、安静時機能的磁気共鳴画像法（fMRI）データに機械学習を適用し、NF適性の予測を行った。独立した2つの部位で4つの異なる脳領域を対象としたfMRI-NF研究のデータを収集した。安静時fMRIデータから安静時脳機能的結合（FC）を抽出し、安静時FCデータから個人のNF適性スコアを予測する重回帰モデルを網羅的に学習させた。 その結果、NF適性を予測する安静時FCを同定し、NF適性の予測に成功した。その後、独立したテストデータを用いて、予測モデルの再現性を検証した。同定されたFCは、テストデータのNF適性を予測することができた。その結果、後帯状皮質と後部島皮質を基点とする安静時FCがNF適性に関与している可能性が示唆された。