HOME/ AINOW編集部 /東大、機械学習で脳画像データから統合失調症、発達障害を判別する手法を開発
2020.08.17

東大、機械学習で脳画像データから統合失調症、発達障害を判別する手法を開発

最終更新日:

東京大学大学院の研究グループは、慢性期統合失調症、発達障害、および健常対照の方から計測された磁気共鳴画像(MRI)の脳構造データを用いて機械学習を行い、疾患群同士でも70%以上を判別可能な機械学習器を開発しました。

この研究グループは

  • 総合文化研究科附属進化認知科学研究センター
    小池進介准教授
  • 東京大学医学部附属病院精神神経科
    笠井清登教授
  • 浜松医科大学医学部精神医学講座
    山末英典教授(前東京大学医学部附属病院精神神経科准教授)

らが所属しています。

東京大学によると、これまでに精神疾患脳画像を用いた機械学習は、主に疾患群と健常群を分けるものでした。しかし、臨床の現場では、ほぼすべての対象者が研究上は疾患群であり、その中での鑑別診断、疾患Aなのか、疾患Bなのかを区別する技術が求められているといいます。

今回開発された機械学習器は統合失調症の異なる臨床病期の脳画像データを当てはめると、統合失調症、健常対照どちらかに判別され、発達障害と判別されることはありませんでした。

そのため、この研究による機械学習器は、臨床現場で必要とされる、鑑別診断や治療予測などのマーカーとしての応用が期待されます。

精神疾患の診断は現在に至るまで、精神科医による問診が主な判断基準となっており、血液や画像などを用いた客観的な診断補助が求められています。

これまでの精神疾患脳画像を用いた機械学習研究では、疾患群と健常群を分ける研究がほとんどで、疾患群同士の分類を行う機械学習の開発はこれからの課題でした。また、作成された機械学習器を異なる臨床病期のデータ、たとえば発症リスクや発症初期の方にあてはめ、その性能を評価することは行われてきませんでした。

特に発症前後の場合、診断を確定することが難しい場合が多く、治療方針の確定が困難なケースがあります。臨床現場で判断が難しい場合に、客観的な診断補助の機会があれば、り適切な治療に結び付けられる可能性があります。

そこで、研究グループでは磁気共鳴画像(MRI)の脳構造データを用いて、以下の流れでこの機械学習器が疾患カテゴリーを判別できるかを検討しました。

  1. 慢性期統合失調症、発達障害、健常対照の3つをわける機械学習器を作成し
  2. この機械学習器にはどういった脳構造特徴が重要かを明らかにする
  3. 機械学習器判別と重症度の相関を検討
  4. この機械学習器作成には使用していない独立した異なる統合失
    調症臨床病期(精神病ハイリスク、初回エピソード精神病)の脳構造画像を当てはめる

研究では、慢性期統合失調症 64 名、発達障害 36 名、健常対照 106 名の研究参加者から計測された脳構造画像を FreeSurfer という解析ソフトウェアを用いて分析。6つの機械学習の手法を活用し、どの脳構造特徴と機械学習器の組み合わせが、最も判別率が良くなるかが検討されました。

機械学習器は判別率のほか、各疾患群の症状重症度によっても評価されています。

また、独立サンプルとして、精神病ハイリスク 26 名(数年間で統合失調症発症リスクが 20%程度あるといわれている群)、初回エピソード精神病 17 名(精神病症状[幻覚、妄想など]を発症してまもない群)の研究参加者から計測された脳構造画像を同様の方法で脳構造特徴変数を求め、作成された機械学習器にあてはめました。

その結果、特にサポートベクターマシーン(SVM)とロジスティック回帰が、疾患判別にはより有効であることが分かりました。

また、脳構造特徴としては皮質厚と皮質下体積が有効であることが分かりました。これらの機械学習器では、発達障害群における興味の限局と常同的・反復的行動得点に一貫した関連が認められました。

さらに、独立サンプルとして精神病ハイリスク、初回エピソード精神病の脳画像データを当てはめると、57.6%の精神病ハイリスクデータ、70%の初回エピソード精神病データが統合失調症と判定され、残りは健常対照と判定されました。しかし、発達障害と判定されるデータはありませんでした。

この研究は、統合失調症、発達障害、健常対照の 3 つの群を分ける機械学習器を作成し、それを独立した異なる統合失調症臨床病期のデータにあてはめその性能を検証した世界初の研究です。

これまでの精神疾患脳画像を用いた機械学習は、主に疾患群と健常群を分けるものでした。しかし、臨床現場では、ほぼすべての対象者が研究上は疾患群に入っているため、その臨床応用は限られたものになります。鑑別診断、つまり疾患 A と疾患 B どちらか、という機械学習技術は、臨床現場で必要とされる、鑑別診断や治療予測などのマーカーとしての応用が期待されます。

東京大学は今後、これらが多施設共同研究データでも再現できるか、異なる MRI 機種や計測パラメータで得られた脳画像で再現するためにはどのような手法を用いればよいのかといった検証を重ね、一般的な医療機関で計測される MRI データへの応用を目指していきたいとしています。

 

無料メールマガジン登録

週1回、注目のAIニュースやイベント情報を
編集部がピックアップしてお届けしています。

こちらの規約にご同意のうえチェックしてください。

規約に同意する

あなたにおすすめの記事

ChatGPTもGeminiも忘れて、これらの(信じられない)次世代AIツールをチェックしてみよう!

「Yahoo!知恵袋」でも活用、LINEヤフーの生成AI活用戦略

IMFレポート解説:無策だとAIによって格差社会となる。「公平なAI先進国」になるための日本の政策とは?

あなたにおすすめの記事

ChatGPTもGeminiも忘れて、これらの(信じられない)次世代AIツールをチェックしてみよう!

「Yahoo!知恵袋」でも活用、LINEヤフーの生成AI活用戦略

IMFレポート解説:無策だとAIによって格差社会となる。「公平なAI先進国」になるための日本の政策とは?