航空宇宙士候補者のためのマルチモーダル磁気共鳴画像ベースの機械学習予測モデルの開発

科学分野:

• 神経科学
• 航空宇宙医学
• 機械学習

背景:

• 民間航空における現在の飛行士候補者の選抜および訓練方法は、時間がかかり、主観的です。
• 飛行適性の評価の精度と効率を高めるためには、客観的な評価ツールが必要です。
• 飛行関連スキルにおける神経基盤を理解することは、選抜および訓練プロトコルに情報を提供できます。

研究 の 目的:

• 航空宇宙士候補者と地上候補者を区別するために、マルチモーダルMRIデータを使用した機械学習モデルを開発および検証すること。
• 飛行スキルに関連する高度な認知機能、視覚処理、注意配分に関連する神経画像の特徴を特定すること。
• 飛行士候補者の選抜と訓練評価を改善するためのデータ駆動型アプローチを提供すること。

主な方法:

• 飛行士候補者および地上候補者から、構造MRI（sMRI）、拡散テンソル画像法（DTI）、機能MRI（fMRI）のマルチモーダルMRIデータを収集しました。
• 各MRIモダリティから代表的な特徴を抽出し、融合しました。
• 5分割交差検証を用いて、機械学習分類器（ロジスティック回帰、ランダムフォレスト、サポートベクターマシン、ガウスナイーブベイズ）を採用しました。

主要な成果:

• sMRI、DTI、fMRI、およびロジスティック回帰を組み合わせたマルチモーダル融合モデルは、最適なパフォーマンスを達成しました。
• 候補者の識別において、高い精度（0.838）、AUC（0.942）、感度（0.835）、特異度（0.834）を達成しました。
• SHapley Additive exPlanationsは、認知機能、視覚処理、注意に関連する主要な特徴を特定しました。

結論:

• マルチモーダルMRIと機械学習の組み合わせは、飛行士候補者の評価のための堅牢で客観的な方法を提供します。
• 本研究は、飛行関連スキルを理解し、強化する上で、神経画像およびAIの可能性を強調しています。
• このアプローチは、主観性を減らし、効率を改善することにより、飛行士候補者の選抜および訓練評価に革命をもたらす可能性があります。