脳形態異常検出のための一般化可能な標準的深層オートエンコーダー：外部検証フレームワークにおける多施設StratiBipデータセットへの双極性障害の応用。

精神疾患の異質性は、疾患特有の神経生物学的マーカーの研究を困難な問題としています。ここでは、双極性障害（BD）に適用した脳形態の特徴づけのための一般化可能な多変量標準的モデリングフレームワークを提示し、疾患層別化モデルの必要性に取り組みます。深層オートエンコーダーを異常検出フレームワークで用い、トレーニングと外部検証を統合する交絡因子除去ステップと組み合わせました。モデルはHuman Connectome Projectの健康対照（HC）データで訓練され、HCおよびBD個人の多施設外部データに適用されました。BD群では脳偏差スコアが大きく、より異質で極端な値の増加が認められ、特に基底核、海馬および隣接領域の容積に顕著な偏差が現れました。同様に、修正zスコアに基づく個人の脳偏差マップは異常の発生頻度が高かったものの、HCと比較して全体の空間的重複は低かったです。我々の一般化可能なフレームワークにより、被験者および群レベルでの脳の標準偏差パターンの特定が可能となり、精神医学におけるより効果的で個別化された臨床意思決定支援システムおよび患者層別化の開発に向けた一歩となりました。