安静時状態の脳ネットワークの時空間的ダイナミクスは、統合失調症診断の単一被験者予測を改善します

空間的に分離された脳領域間の機能的MRI活性の相関は、個人が安静時に動的に変動する可能性があります。これらのダイナミクスは通常、時間の経過とともに空間に固定されたままである脳領域間の機能的接続性の変動を測定することにより、時間的に特徴付けられます。ここでは、機能的接続性のダイナミクスは、時間と空間の両方で特徴付けられました。時間的ダイナミクスはスライドウィンドウの相関でマッピングされましたが、空間的ダイナミクスは、構成要素ボクセルの機能的接続性プロファイルに従って、ネットワーク領域が時間の経過とともにサイズ（縮小/成長）を変化させることによって特徴付けられました。これらの時間的および空間的ダイナミクスは、統合失調症患者をコントロールと区別するためのバイオマーカーとして評価され、安静状態の機能的接続性の静的測定に基づいた現在のバイオマーカーと比較しました。サポートベクターマシン分類器は、（a）静的、（b）ダイナミクスの時間、（c）空間内の動的、および（d）標準的な安静状態脳ネットワーク内の機能的接続性の時間と空間の特性評価の動的特性を使用してトレーニングしました。空間と時間の両方でマッピングされた機能的接続ダイナミクスについてトレーニングされた分類器は、正確性を91％を超えて予測された診断状態の両方でマッピングしましたが、空間的または時間的ダイナミクスのみを使用するだけでは、分類の精度が低くなりました。機能的接続性の静的測定により、最低精度（79.5％）が得られました。健康な比較の個人と比較して、統合失調症患者は一般に、強度が低下し、より変動する機能的なつながりを示しました。堅牢性は、独立したデータセットで複製で確立されました。時間的および空間的機能的接続性のダイナミクスに基づくバイオマーカーの有用性は、安静時のダイナミクスがサンプリングの変動性と頭の動きに些細なことに起因しないことを示唆しています。

Correlation in functional MRI activity between spatially separated brain regions can fluctuate dynamically when an individual is at rest. These dynamics are typically characterized temporally by measuring fluctuations in functional connectivity between brain regions that remain fixed in space over time. Here, dynamics in functional connectivity were characterized in both time and space. Temporal dynamics were mapped with sliding-window correlation, while spatial dynamics were characterized by enabling network regions to vary in size (shrink/grow) over time according to the functional connectivity profile of their constituent voxels. These temporal and spatial dynamics were evaluated as biomarkers to distinguish schizophrenia patients from controls, and compared to current biomarkers based on static measures of resting-state functional connectivity. Support vector machine classifiers were trained using: (a) static, (b) dynamic in time, (c) dynamic in space, and (d) dynamic in time and space characterizations of functional connectivity within canonical resting-state brain networks. Classifiers trained on functional connectivity dynamics mapped over both space and time predicted diagnostic status with accuracy exceeding 91%, whereas utilizing only spatial or temporal dynamics alone yielded lower classification accuracies. Static measures of functional connectivity yielded the lowest accuracy (79.5%). Compared to healthy comparison individuals, schizophrenia patients generally exhibited functional connectivity that was reduced in strength and more variable. Robustness was established with replication in an independent dataset. The utility of biomarkers based on temporal and spatial functional connectivity dynamics suggests that resting-state dynamics are not trivially attributable to sampling variability and head motion.