青年の脳構造から内蔵する問題を予測するために,ディープラーニングを使用する
Marlee M Vandewouw1,2, Bilal Syed3, Noah Barnett4
1Autism Research Centre, Bloorview Research Institute, Holland Bloorview Kids Rehabilitation Hospital, Toronto, ON, Canada. mvandewouw@hollandbloorview.ca.
Translational psychiatry
|August 29, 2025
まとめ
脳の構造を用いた ディープラーニングモデルでは 不安や鬱といった 内在的な問題を 予測することができました これらのモデルは 生物学的マーカーを特定するのに 有望なことを示しています 特に神経発達状態では
科学分野:
- 神経科学
- 発達心理学
- 機械学習
背景:
- 不安やうつ病などの内面的な問題は 悪い結果につながります
- 予測要因は知られていますが 問題を内蔵する生物学的マーカーは不明です
- 神経発達 (ND) 状態は,しばしば内在化の問題と併発する.
研究 の 目的:
- 複雑な脳行動関係を特定するために ディープラーニングを活用する.
- 内部化の問題の横断と縦断の軌道を予測する.
- 潜在的バイオマーカーとして 脳構造を研究する
主な方法:
- 脳の構造 (厚さ,表面積,体積) を用いてディープラーニングモデルを開発した.
- モデルでは,臨床的に有意な内分化障害 (N=14,523) と経路悪化 (N=10,540) を予測した.
- 4つの大規模データセット (ABCD,HBN,HCP- D,ONPN) のデータは,層別クロス検証とAUC評価を用いて分析された.
主要な成果:
- AUCは0. 80で,良好な予測性能を示しています.
- 縦断モデルでは,一般集団での性能は最適以下であった (AUC=0. 66) が, ND条件の外部テストセット (AUC=0. 80) とすべてのND条件 (AUC=0. 73) で良好な性能を示した.
結論:
- 脳の構造を組み込んだ ディープラーニングモデルは 問題を内部化するための バイオマーカーとしての可能性を 示しています
- これらのバイオマーカーは神経発達障害のある個人に特に価値があります.
- 臨床応用のためのこれらのモデルを洗練するためにさらなる研究が必要である.
