「機能的磁気共鳴画像法」の版間の差分

ナビゲーションに移動 検索に移動
編集の要約なし
編集の要約なし
編集の要約なし
25行目: 25行目:
 2001年のLogothetisらによるサルを対象としたfMRIと神経活動の同時計測は、刺激や課題に伴う脳活動の増加とBOLD信号の関係性の理解に大きく貢献した<ref><pubmed>11449264</pubmed></ref>。ある視覚刺激条件において、マルチユニット神経活動(複数の神経細胞の出力)は一過性にのみ増加を示したが、BOLD信号と局所電場電位(local field potential, LFP)は一過性の増加に引き続く持続性の増加を示した。すなわちBOLD信号変化は、マルチユニット神経活動よりもLFPと良く相関する。LFPはシナプス活動、すなわち神経細胞への情報入力を反映するから、BOLD信号変化は皮質からの出力量よりも皮質への入力量との関係が強いことになる。最近では、超高磁場・高解像度のfMRIにより、皮質層ごとの情報処理を反映するBOLD信号変化の計測技術が精力的に開発されている<ref><pubmed> 26832438</pubmed></ref>。
 2001年のLogothetisらによるサルを対象としたfMRIと神経活動の同時計測は、刺激や課題に伴う脳活動の増加とBOLD信号の関係性の理解に大きく貢献した<ref><pubmed>11449264</pubmed></ref>。ある視覚刺激条件において、マルチユニット神経活動(複数の神経細胞の出力)は一過性にのみ増加を示したが、BOLD信号と局所電場電位(local field potential, LFP)は一過性の増加に引き続く持続性の増加を示した。すなわちBOLD信号変化は、マルチユニット神経活動よりもLFPと良く相関する。LFPはシナプス活動、すなわち神経細胞への情報入力を反映するから、BOLD信号変化は皮質からの出力量よりも皮質への入力量との関係が強いことになる。最近では、超高磁場・高解像度のfMRIにより、皮質層ごとの情報処理を反映するBOLD信号変化の計測技術が精力的に開発されている<ref><pubmed> 26832438</pubmed></ref>。


 脳活動とBOLD信号の相関関係は、外的刺激や課題の無い安静時にも観察される。そもそも課題遂行では脳の酸素代謝は数%しか増えず、脳のエネルギーは課題の無い(task free)安静時(resting state)の活動に大半が消費されている。これは脳が安静時にも組織的かつ活発な自発活動を示すことによる。1990年代後半のPET研究により、内側前頭前野、後部帯状回や両側外側頭頂葉などは、課題遂行時と比べて安静時にむしろ脳血流が増加することが知られていた<ref><pubmed> 25938726</pubmed></ref>。安静時に著明な自発的神経活動を示すこれらの領域は、Raichleによりデフォルトモードネットワーク(default mode network, DMN)と名づけられ、基底状態の脳の統合性に関わる内因性機構として提唱された。一方で、Biswalは1995年に安静状態のfMRIを解析し、両側運動感覚野の信号が主に0.1Hz以下の低い周波数(f)帯域において1/fのパターンで同期していることを見出していた<ref><pubmed> 8524021</pubmed></ref>。このようなfMRI信号同期は、安静状態神経ネットワーク(resting-state network, RSN)が有する機能結合(functional connectivity, FC)を反映すると考えられた。さらに興味深いことに、安静時fMRIにより、Raichleの提唱したDMN内の脳領域間には強い機能結合が存在することがわかった<ref><pubmed> 12506194</pubmed></ref>。このように2つの独立した研究の潮流が融合したことで、安静時fMRIを用いて局所の自発脳活動と領域間の機能結合状態を評価できる可能性に大きな注目が集まった。その後、安静時fMRIの信号同期性がサル脳における神経連絡性に対応していることも判明した<ref><pubmed>2161986</pubmed></ref>。現在、安静時fMRIの同期現象は、神経連絡を持つ遠隔領域間で同期して発生する自発性のシナプス・神経活動(及びこれらに伴うBOLD効果)に基づいていると考えられている。領域間の同期の詳細を知るための解析手法の改善、覚醒時の基底状態としての意識との関連、精神疾患や認知症などの病態との関連、神経連絡性との対応などについて研究が進んでいる。
 脳活動とBOLD信号の相関関係は、外的刺激や課題の無い安静時にも観察される。そもそも課題遂行では脳の酸素代謝は数%しか増えず、脳のエネルギーは課題の無い(task free)安静時(resting state)の活動に大半が消費されている。これは脳が安静時にも組織的かつ活発な自発活動を示すことによる。1990年代後半のPET研究により、内側前頭前野、後部帯状回や両側外側頭頂葉などは、課題遂行時と比べて安静時にむしろ脳血流が増加することが知られていた<ref><pubmed> 25938726</pubmed></ref>。安静時に著明な自発的神経活動を示すこれらの領域は、Raichleによりデフォルトモードネットワーク(default mode network, DMN)と名づけられ、基底状態の脳の統合性に関わる内因性機構として提唱された。一方で、Biswalは1995年に安静状態のfMRIを解析し、両側運動感覚野の信号が主に0.1Hz以下の低い周波数(f)帯域において1/fのパターンで同期していることを見出していた<ref name=Biswal1995><pubmed> 8524021</pubmed></ref>。このようなfMRI信号同期は、安静状態神経ネットワーク(resting-state network, RSN)が有する機能結合(functional connectivity, FC)を反映すると考えられた。さらに興味深いことに、安静時fMRIにより、Raichleの提唱したDMN内の脳領域間には強い機能結合が存在することがわかった<ref><pubmed> 12506194</pubmed></ref>。このように2つの独立した研究の潮流が融合したことで、安静時fMRIを用いて局所の自発脳活動と領域間の機能結合状態を評価できる可能性に大きな注目が集まった。その後、安静時fMRIの信号同期性がサル脳における神経連絡性に対応していることも判明した<ref name=Ogawa1990></ref>。現在、安静時fMRIの同期現象は、神経連絡を持つ遠隔領域間で同期して発生する自発性のシナプス・神経活動(及びこれらに伴うBOLD効果)に基づいていると考えられている。領域間の同期の詳細を知るための解析手法の改善、覚醒時の基底状態としての意識との関連、精神疾患や認知症などの病態との関連、神経連絡性との対応などについて研究が進んでいる。


=== 血流動態応答 ===
=== 血流動態応答 ===
45行目: 45行目:
左)前処理していない元fMRI画像(TR=1.5秒で5分間撮影したデータのうち15秒間のデータのみ提示)、中)剛体変換による数学的な動き補正(motion correction/realignment)のみを行ったfMRI画像。動きはある程度補正されているものの、撮像中の頭部の動きは大きなMRI信号の変動を引き起こすためにノイズ軽減処理はまだ十分ではないことが見て取れる。右)動き補正に続き、独立成分分析によるノイズ軽減処理と脳外組織のマスク除去を行った後の画像。頭部の動きによる画像アーチファクトはめだたない。いずれも脳標準空間への位置合わせを行い、38倍速で表示している。
左)前処理していない元fMRI画像(TR=1.5秒で5分間撮影したデータのうち15秒間のデータのみ提示)、中)剛体変換による数学的な動き補正(motion correction/realignment)のみを行ったfMRI画像。動きはある程度補正されているものの、撮像中の頭部の動きは大きなMRI信号の変動を引き起こすためにノイズ軽減処理はまだ十分ではないことが見て取れる。右)動き補正に続き、独立成分分析によるノイズ軽減処理と脳外組織のマスク除去を行った後の画像。頭部の動きによる画像アーチファクトはめだたない。いずれも脳標準空間への位置合わせを行い、38倍速で表示している。


 また上述のようにfMRIデータにおける熱ノイズ量はBOLD信号変動に対して非常に大きい。そのため統計解析の前に、ガウスフィルタを適応して信号ノイズ比を向上させる操作(空間平滑化 spatial smoothing)が行われる。しかしこの方法は位置情報の正確さを低下させるため、位置情報を犠牲にしないノイズ軽減法(例:ウィシャートフィルター)の開発も現在進んでいる(<ref><pubmed> 27571196</pubmed></ref>の図S7を参照)。
 また上述のようにfMRIデータにおける熱ノイズ量はBOLD信号変動に対して非常に大きい。そのため統計解析の前に、ガウスフィルタを適応して信号ノイズ比を向上させる操作(空間平滑化 spatial smoothing)が行われる。しかしこの方法は位置情報の正確さを低下させるため、位置情報を犠牲にしないノイズ軽減法(例:ウィシャートフィルター)の開発も現在進んでいる(<ref name= Glasser2016><pubmed> 27571196</pubmed></ref>の図S7を参照)。


 またEPI画像法には、生体との干渉により生じる静磁場(B0)の空間的不均一性により画像の歪み・位置ずれが生じる。そこで静磁場不均一性の空間分布を示す画像を別に撮像し、この情報を用いてfMRI画像の歪みを補正することで本来の位置を復元する(図4)<ref><pubmed> 14568458</pubmed></ref>。撮像条件にもよるが、この空間的位置ずれは数mm~数10 mm程度発生し、fMRI画像を解剖画像に位置合わせする際に誤差を引き起こす。皮質厚が平均2.6 mm程度しかないことを考えると、正確な機能マッピングを行うためには位置ずれ補正が重要である。
 またEPI画像法には、生体との干渉により生じる静磁場(B0)の空間的不均一性により画像の歪み・位置ずれが生じる。そこで静磁場不均一性の空間分布を示す画像を別に撮像し、この情報を用いてfMRI画像の歪みを補正することで本来の位置を復元する(図4)<ref><pubmed> 14568458</pubmed></ref>。撮像条件にもよるが、この空間的位置ずれは数mm~数10 mm程度発生し、fMRI画像を解剖画像に位置合わせする際に誤差を引き起こす。皮質厚が平均2.6 mm程度しかないことを考えると、正確な機能マッピングを行うためには位置ずれ補正が重要である。
74行目: 74行目:
functional connectivity analysis
functional connectivity analysis


システムとしての脳の仕組みを探るにあたり、機能局在を追求することだけでは限界がある。そこで脳部位間の繋がりが注目され、2005年には脳の網羅的な結線図を意味するコネクトーム(connectome)という概念が提唱された<ref><pubmed> 16201007</pubmed></ref>。脳コネクトームには様々な空間スケールがありうる。全脳を観察できるfMRIでは、脳領域間機能結合の正方行列を計算することで、全脳レベル(macroscale)の機能的コネクトーム解析が可能である。fMRIでは各脳領域間の連絡の強さの指標を機能結合(functional connetivity, FC)と呼ぶ。FCの産出法としては領域間の時系列信号のピアソン相関係数が良く使われる<ref><pubmed> 8524021</pubmed></ref>。ある特定の脳領域を関心領域(シード)として設定し、相手方の関心領域(または体素)を、全脳に渡って隙間なく設定した相関解析を行えば、特定のシードに対する脳全体の機能結合マップが得られる。例えば、安静時fMRI解析において後部帯状回に関心領域を設定すれば、PETで見られたDMNがRSNとして抽出できる<ref><pubmed> 12506194</pubmed></ref><ref><pubmed> 17476267</pubmed></ref>。さらにシードを全脳の関心領域すべてに設定することで、多対多の網羅的な機能結合、すなわち機能的コネクトームが算出できる。このような機能的コネクトーム解析を行う際には、通常のピアソンの相関係数ではなく偏相関分析(partial correlation)を用いることで、2領域間に固有性の高いFCを評価できることが示唆されている<ref><pubmed> 22248579</pubmed></ref>。また機能的コネクトームを用いた新たな機能結合性モデルの提唱や、より高次な解析への展開(グラフ理論、独立成分分析、機械学習など)、他の指標や測定(脳波や臨床兆候など)との関連付け、疾患バイオマーカーの探索等の様々な研究も行われている。一方でヒトの脳コネクトーム研究単独では結果の妥当性の検証が難しいため、動物脳での検証も重要であり、例えば神経連絡トレーサーと機能的結合の比較は重要な課題である。
システムとしての脳の仕組みを探るにあたり、機能局在を追求することだけでは限界がある。そこで脳部位間の繋がりが注目され、2005年には脳の網羅的な結線図を意味するコネクトーム(connectome)という概念が提唱された<ref><pubmed> 16201007</pubmed></ref>。脳コネクトームには様々な空間スケールがありうる。全脳を観察できるfMRIでは、脳領域間機能結合の正方行列を計算することで、全脳レベル(macroscale)の機能的コネクトーム解析が可能である。fMRIでは各脳領域間の連絡の強さの指標を機能結合(functional connetivity, FC)と呼ぶ。FCの産出法としては領域間の時系列信号のピアソン相関係数が良く使われる<ref name=Biswal1995></ref>。ある特定の脳領域を関心領域(シード)として設定し、相手方の関心領域(または体素)を、全脳に渡って隙間なく設定した相関解析を行えば、特定のシードに対する脳全体の機能結合マップが得られる。例えば、安静時fMRI解析において後部帯状回に関心領域を設定すれば、PETで見られたDMNがRSNとして抽出できる<ref><pubmed> 12506194</pubmed></ref><ref><pubmed> 17476267</pubmed></ref>。さらにシードを全脳の関心領域すべてに設定することで、多対多の網羅的な機能結合、すなわち機能的コネクトームが算出できる。このような機能的コネクトーム解析を行う際には、通常のピアソンの相関係数ではなく偏相関分析(partial correlation)を用いることで、2領域間に固有性の高いFCを評価できることが示唆されている<ref><pubmed> 22248579</pubmed></ref>。また機能的コネクトームを用いた新たな機能結合性モデルの提唱や、より高次な解析への展開(グラフ理論、独立成分分析、機械学習など)、他の指標や測定(脳波や臨床兆候など)との関連付け、疾患バイオマーカーの探索等の様々な研究も行われている。一方でヒトの脳コネクトーム研究単独では結果の妥当性の検証が難しいため、動物脳での検証も重要であり、例えば神経連絡トレーサーと機能的結合の比較は重要な課題である。


==== 独立成分分析 ====
==== 独立成分分析 ====
88行目: 88行目:
== fMRIによる最近の脳科学研究 ==
== fMRIによる最近の脳科学研究 ==


 1990年後半からfMRI研究は飛躍的に世界中に広まり多くの成果をあげてきた。その間に基礎となるMRI技術も大きく進展し、質の高いデータが得られるようになった。初期の研究の興味は脳の機能局在・分離の同定にあったが、2010年代以後はネットワークとしての脳の解明に興味がシフトした<ref><pubmed> 22481337</pubmed></ref>。一つの研究が扱うfMRIデータの数も、数10人から数百人、数万人の規模へと拡大し、種としてのヒトの脳機能構築やその複雑性の理解、個体差の理解へと興味が広がった。2010年から2016年まで、米国NIHの支援により大規模研究プロジェクトHuman Connectome Project(HCP)が行われた。このプロジェクトでは、ワシントン大学セントルイス医学校およびオックスフォード大学が中心となり約1200名の健康な若年成人被験者を対象として、安静時fMRI、標準的な課題を用いた課題fMRI、構造MRI(T1・T2強調画像)、拡散強調画像を撮像し、脳内の機能的結合と構造的結合について統合的に解析を進めた。このプロジェクトは(1)質が高い画像データを大量に取得する、(2)空間分解能を犠牲にすることなくデータを処理する手法を開発する、(3)FACT、すなわち皮質機能(Function)・連絡性(Connectivity)、構造(Architecture)、位置(Topography)の情報を統合した脳の領域分割(parcellation)を行う、(4)取得した生データ、解析データ、データ解析に必要なプログラム・コードを無料で公開する、といった多くの野心的な目標を達成し、現在も世界のMRI脳科学研究に大きな影響を与え続けている。特にFACT法は片側半球を180領域に分割することに成功し<ref><pubmed> 27437579</pubmed></ref>、100年以上続くヒト脳の機能分画の歴史の中で初めて非侵襲手法により生きた個人の脳地図を作成することに成功した(図7)。こうした技術をさらに発展・拡張させ、脳の個体差の検出や、疾患の診断技術の開発が期待されており、更に規模の大きな研究プロジェクトが各国で推進されている(UKバイオバンク、ABCDなど)。また動物モデルへの技術展開も進めることで動物種を超えた脳のシステムの解明や、適切な動物疾患モデルの開発や評価法検証も期待される。
 1990年後半からfMRI研究は飛躍的に世界中に広まり多くの成果をあげてきた。その間に基礎となるMRI技術も大きく進展し、質の高いデータが得られるようになった。初期の研究の興味は脳の機能局在・分離の同定にあったが、2010年代以後はネットワークとしての脳の解明に興味がシフトした<ref><pubmed> 22481337</pubmed></ref>。一つの研究が扱うfMRIデータの数も、数10人から数百人、数万人の規模へと拡大し、種としてのヒトの脳機能構築やその複雑性の理解、個体差の理解へと興味が広がった。2010年から2016年まで、米国NIHの支援により大規模研究プロジェクトHuman Connectome Project(HCP)が行われた。このプロジェクトでは、ワシントン大学セントルイス医学校およびオックスフォード大学が中心となり約1200名の健康な若年成人被験者を対象として、安静時fMRI、標準的な課題を用いた課題fMRI、構造MRI(T1・T2強調画像)、拡散強調画像を撮像し、脳内の機能的結合と構造的結合について統合的に解析を進めた。このプロジェクトは(1)質が高い画像データを大量に取得する、(2)空間分解能を犠牲にすることなくデータを処理する手法を開発する、(3)FACT、すなわち皮質機能(Function)・連絡性(Connectivity)、構造(Architecture)、位置(Topography)の情報を統合した脳の領域分割(parcellation)を行う、(4)取得した生データ、解析データ、データ解析に必要なプログラム・コードを無料で公開する、といった多くの野心的な目標を達成し、現在も世界のMRI脳科学研究に大きな影響を与え続けている。特にFACT法は片側半球を180領域に分割することに成功し<ref name= Glasser2016b><pubmed> 27437579</pubmed></ref>、100年以上続くヒト脳の機能分画の歴史の中で初めて非侵襲手法により生きた個人の脳地図を作成することに成功した(図7)。こうした技術をさらに発展・拡張させ、脳の個体差の検出や、疾患の診断技術の開発が期待されており、更に規模の大きな研究プロジェクトが各国で推進されている(UKバイオバンク、ABCDなど)。また動物モデルへの技術展開も進めることで動物種を超えた脳のシステムの解明や、適切な動物疾患モデルの開発や評価法検証も期待される。
   
   
図7:ヒト大脳皮質の領域分画化。マルチモーダルMRI画像(ミエリンコントラスト、安静時機能的連絡性、課題遂行時活動など)を用いて、皮質表面上で機能構築を位置合わせし、皮質表面上で急激に変化する(傾斜が高い)部位を分画の境界線として設定して作成された<ref><pubmed> 27437579</pubmed></ref>。本分画は一般公開されており誰でも利用できる[https://balsa.wustl.edu/976l8</pubmed></ref>
図7:ヒト大脳皮質の領域分画化。マルチモーダルMRI画像(ミエリンコントラスト、安静時機能的連絡性、課題遂行時活動など)を用いて、皮質表面上で機能構築を位置合わせし、皮質表面上で急激に変化する(傾斜が高い)部位を分画の境界線として設定して作成された<ref name= Glasser2016b><pubmed> 27437579</pubmed></ref>。本分画は一般公開されており誰でも利用できる[https://balsa.wustl.edu/976l8]


==参考文献==
==参考文献==
<references />
<references />

案内メニュー