Skip to main content

fMRIデータを使用したASDの予測の最適化

· 5 min read
Tomohiro Hiratsuka

このブログ記事では、自閉症スペクトラム障害(ASD)に関連する2つの最新研究を紹介しています。1つ目の研究は、自閉症のリスクが高い兄弟を対象に、14ヶ月および24ヶ月時点でのQ-CHATおよびADOS-2の予測的有効性を調査したものです。結果として、これらのツールは自閉症リスクの早期発見に役立つが、単独での診断には感度や陽性的中率が不十分であることが示されました。2つ目の研究では、Neuro Connectという新しいアプローチが提案され、データ駆動技術BiGRU分類を組み合わせて、fMRIデータを使ってASDの予測精度を向上させています。また、Horse Herd Algorithm(HHA)という新しい最適化手法を使用し、最終的に99.5%の予測精度を達成しました。

学術研究関連アップデート

Investigating the Predictive Validity of the Quantitative Checklist for Autism in Toddlers and the Autism Diagnostic Observation Schedule-2 in Children at Elevated Likelihood for Autism

この研究では、自閉症のリスクが高い兄弟(EL兄弟)における自閉症の再発率と、Q-CHATおよびADOS-2の予測的有効性を調査しました。331人のEL兄弟を対象に、14ヶ月および24ヶ月の時点でQ-CHATを保護者が記入し、ADOS-2評価が行われました。最終的に3歳でDSM-5基準に基づいた自閉症診断が行われました。

主な結果は以下の通りです:

  • 自閉症の再発率は25.7%でした。
  • Q-CHATの感度は14ヶ月で31.8%、24ヶ月で30.6%と低かったが、特異度は14ヶ月で81.2%、24ヶ月で94.8%と高かった。
  • ADOS-2の感度は14ヶ月で64.3%、24ヶ月で69.3%と比較的高く、特異度は14ヶ月で71.1%、24ヶ月で68.7%でした。

結論として、Q-CHATおよびADOS-2は、自閉症リスクのある兄弟の早期診断に役立つが、単独での診断ツールとしては感度や陽性的中率が不十分であり、さらなる評価が必要です。

Neuro connect: Integrating data-driven and BiGRU classification for enhanced autism prediction from fMRI data

この研究では、自閉症スペクトラム障害(ASD)の早期診断と介入を改善するために、Neuro Connectという新しいアプローチを提案しています。これは、データ駆動技術双方向ゲート付きリカレントユニット(BiGRU)分類を組み合わせて、機能的磁気共鳴画像法(fMRI)データを用いてASDの予測精度を向上させるものです。研究では、構造的および機能的な脳画像データを使用して、ASDの脳の複雑な基盤を調査し、**オートエンコーダー(AE)**を利用して高次元データを圧縮し、重要な特徴を抽出しました。この特徴抽出データを、ASD予測の分類タスクにBiGRUモデルで処理しました。

また、**Horse Herd Algorithm(HHA)という新しい最適化戦略を提案し、SGDやAdamなどの他の最適化手法を上回る性能を示しました。HHAは、トレーニング中の重みの調整をより正確に行い、モデルの性能を大幅に向上させます。最終的に、このモデルはASD予測の99.5%**の精度を達成し、従来の手法と比較して大幅に高い精度を示しています。