R-R間隔を用いた患者における統合失調症と双極性障害の自動評価のためのディープラーニングアプローチ
Kamil Książek1, Wilhelm Masarczyk2, Przemysław Głomb3
1Faculty of Mathematics and Computer Science, Jagiellonian University, Kraków, Poland.
PLoS computational biology
|September 3, 2025
まとめ
この研究では,ウェアラブルEKGから心拍数変数 (HRV) を利用した自動化された方法を開発し,統合失調症と双極性障害の分類に最大83%の精度を達成しました. これは精神科の検診に 有望で費用対効果の高いツールです
科学分野:
- 神経科学
- 生物医学工学
- コンピューター精神科
背景:
- 統合失調症と双極性障害は 生活の質を著しく低下させます
- 自律神経系の機能障害は これらの重度の精神疾患と関連しています
- 心拍数変数 (HRV) は,診断支援のためのバイオマーカーとしての可能性を示しています.
研究 の 目的:
- 統合失調症と双極性障害の自動分類方法を開発し評価する.
- 低コストのウェアラブルデバイスからの短時間の心電図 (ECG) 信号を利用する.
- 精神科スクリーニングのためのHRV分析の可行性を評価する.
主な方法:
- 短時間のECG記録からRR間隔のウィンドウで機械学習を用いた分類実験.
- SVM,XGBoost,MLP,GRU,アンサンブルを含む複数のモデルの評価
- ハイパーパラメータの最適化による5倍と1つを除外クロス検証による性能評価
主要な成果:
- 分類精度は83% (CVを5倍) と80% (CVを1倍) となる.
- 実際の臨床環境の複雑さにもかかわらず,高度な診断方法と比較できる性能です.
- 短期 HRV 分析により実現可能性が証明された.
結論:
- ウェアラブルEKGと機械学習を用いた短期HRV分析は,精神病診断を助けるための実行可能で費用対効果の高いツールです.
- 精神科のスクリーニングにおける ウェアラブルデバイスとAIの可能性を 支持しています
- 精神保健医療におけるさらなる研究と臨床応用への道を開くのです
