Graph Theory and GNNs to Unravel the Topographical Organization of Brain Lesions in Variants of Alzheimer’s Disease Progression

要約

本研究では、アルツハイマー病（AD）の神経病理学的変化を評価するためのグラフベースの枠組みを提案し、古典的進行型（cAD）と急速進行型（rpAD）に焦点を当てて評価した。病理組織学的画像は、タウ病理学に基づく（すなわち、アミロイド斑とタウもつれ）グラフに変換され、導出された指標は機械学習分類器に使用される。この分類器は、cADとrpADを区別するためにSHAP値の説明可能性を組み込んでいる。さらに、グラフから位相幾何学的埋め込みを抽出し、ADの進行型を分類するためにグラフ神経回路網（GNN）をテストした。解析の結果、rpADではネットワークがより密であり、脳の皮質層への影響が特徴的であることが示された。rpADは主に中層に影響を及ぼすのに対し、cADは同じ皮質領域の表層と深層の両方に影響を及ぼす。これらの結果は、それぞれのAD変異型に固有の神経病理学的ネットワーク構成を示唆している。

要約(オリジナル)

In this study, we proposed and evaluated a graph-based framework to assess variations in Alzheimer’s disease (AD) neuropathologies, focusing on classic (cAD) and rapid (rpAD) progression forms. Histopathological images are converted into tau-pathology-based (i.e., amyloid plaques and tau tangles) graphs, and derived metrics are used in a machine-learning classifier. This classifier incorporates SHAP value explainability to differentiate between cAD and rpAD. Furthermore, we tested graph neural networks (GNNs) to extract topological embeddings from the graphs and use them in classifying the progression forms of AD. The analysis demonstrated denser networks in rpAD and a distinctive impact on brain cortical layers: rpAD predominantly affects middle layers, whereas cAD influences both superficial and deep layers of the same cortical regions. These results suggest a unique neuropathological network organization for each AD variant.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL