科学者は、自閉症のモデル推定確率スコアを含む、正確な結果と明確で説明可能な洞察を提供することにより、臨床医をサポートできる深部学習モデルを開発およびテストしました。
モデルは、で公開された研究で概説されています eclinicalmedicine （Lancetのジャーナル）は、安静時のfMRIデータを分析するために使用されました。これは、血液酸素化の変化を介して間接的に脳の活動を反映する非侵襲的な方法です。
そうすることで、このモデルは、自閉症スペクトラム障害（ASD）および神経型分類の最大98％の交差検証精度を達成し、その決定に最も影響を与える脳領域の明確で説明可能なマップを生成しました。
ASDの診断は、過去20年間で大幅に増加しており、意識の向上、スクリーニングの拡大、診断基準と臨床診療の変更を部分的に反映しています。エビデンスに基づいたサポートへの早期の識別とアクセスは、発達的および適応的な結果を改善し、効果は異なりますが、生活の質を向上させる可能性があります。
ただし、現在の診断は主に対面および行動評価に依存しているため、確認された診断の待機が何ヶ月から数年に及ぶ可能性があるため、評価経路を改善する緊急の必要性があります。
研究者は、さらなる検証により、彼らのモデルは、決定を通知するための正確で説明可能な洞察を提供することにより、自閉症の人々とそれらを評価およびサポートする臨床医に利益をもたらすことを望んでいます。
この研究は、Amir Aly博士が監督したBSC（Hons）のコンピューターサイエンスの学生Suryansh Vidyaと、プリマス大学の工学、コンピューティング、数学の研究者による最終年間学部プロジェクトの結果でした。彼らは、大学の心理学スクールとコーンウォール知的障害Equitable Research（CIDER）グループの研究者によって、半島医科大学の一部である研究者によって支援されました。
大学の人工知能とロボット工学の講師であり、研究の学術的リードとそれに対応する著者であるアミール・アリー博士は、「英国には70万人以上の自閉症の人々がいます。他の多くの人々は評価されるのを待っています。
私たちの仕事は、AIがどのように役立つかを示しています。臨床医を置き換えるのではなく、モデル推定確率スコアを含む明確で説明可能な洞察を、評価に優先順位付けし、サポートをさらに検証したことを示しています。」
プリマス大学、人工知能およびロボット工学講師のアミール・アリー博士
17のサイトで7〜64歳の884人の参加者を含む自閉症の脳イメージングデータ交換（ABIDE）コホートを使用して、チームは事前に処理されたRS-FMRIデータを分析し、説明可能性方法の並んで比較しました。勾配ベースの技術が最も効果的であり、結果として得られるマップは、前処理アプローチ全体で広く一貫しており、どの脳領域がモデルの予測に最も影響を与えたかを示しています。
この研究は、現在の研究の共著者である博士課程の研究者であるKush Guptaによってすでに進められています。さまざまな種類のマルチモーダルデータと機械学習モデルを組み込み、世界中で自閉症評価において臨床医をサポートできる堅牢で一般化可能なAI駆動型モデルを開発することを目的としています。これにより、自閉症の人々をサポートするためのロボットの使用、健康部門のデータを分析するためのAI方法の開発など、Aly博士のより広範な研究プログラムが補完されます。
大学の神経精神医学の教授であり、サイダーグループのディレクターであるロヒト・シャンカール・MBE教授は、現在の研究の上級著者です。彼は次のように付け加えました。「人工知能は、早期の自閉症検出と診断の精度を進めるための触媒として機能する可能性があることを示しました。しかし、ロバート・フロストの言葉のいくつかは思い浮かびます。
1758257664
#AIツールは脳の活動を分析して自閉症評価をサポートおよび優先順位付けする
2025-09-19 04:38:00