うつ病スクリーニングのための心拍変動駆動型フレームワーク、感情誘発性自律神経系の乖離を活用

科学分野:

• 心理生理学
• 感情コンピューティング
• 臨床心理学

背景:

• うつ病は、悲嘆感受性の増加や幸福反応性の低下を含む感情調節不全を特徴とする。
• 感情反応における生理学的な違いを理解することは、客観的なうつ病検出方法を開発するために不可欠である。

研究 の 目的:

• うつ病患者（IWD）と健常対照群（HC）の間で、感情状態における生理学的反応の格差を分析すること。
• 心拍変動（HRV）を用いた感情コンピューティングベースのうつ病スクリーニングを最適化するための経験的基盤を確立すること。

主な方法:

• 構造化された感情誘発プロトコルと、Mann-Whitney U検定を用いた二相統計的識別を採用した。
• 感情誘発を検証するために、感情状態と安静状態の間でHRV特徴量を比較した。
• IWD/HC分類のために、HRV特徴量と群間差分応答パターンを用いた機械学習モデルを開発した。

主要な成果:

• IWDはHCと比較して、悲嘆反応性が高く、幸福反応性が低下していることを特定した。
• 機械学習モデルは、悲しみ特異的な条件下で76.8%の精度を達成し、他の感情誘発モデルおよび安静時ベースラインを上回った。
• 一貫した方向性パターンと応答の大きさは群間で観察されたが、特定の感情反応には重要な乖離があった。

結論:

• 離散的な感情誘発中のHRVパターンの系統的な調査は、IWDにおける臨床的に有意な差次的応答性を確認する。
• 所見は、うつ病患者における悲嘆感受性の高まりを経験的に検証する。
• 結果は、うつ病スクリーニングのための感情コンピューティングアルゴリズムの改良と、疾患特異的な生理学的応答の理解のためのガイダンスを提供する。