自閉スペクトラム症児に対する認知診断モデルに基づく個別化リハビリテーション介入推薦アルゴリズム

科学分野:

• 神経科学;発達心理学;生体医工学

背景:

• 自閉スペクトラム症（ASD）は異質な症状を示し、個別化された介入が必要です。; 現在のリハビリテーションアプローチは、しばしば個別化を欠いており、有効性を制限する可能性があります。; 認知診断モデル（CDM）は、個々の認知プロファイルを理解するためのフレームワークを提供します。

研究 の 目的:

• ASDの小児および青年期におけるリハビリテーション介入のための個別化推薦アルゴリズムを開発すること。; CDMを適用して症状パターンを分析し、発達軌道を特定すること。; 個別化されたASD治療計画のためのデータ駆動型アプローチを作成すること。

主な方法:

• ASDの小児および青年3,319人のデータセットを利用しました。; 一般化決定論的入力、ノイズあり「または」ゲート（GDINA）モデルを適用して、自閉症行動チェックリスト（ABC）の応答をシミュレートしました。; 絶対および相対インデックスを使用してモデル適合性を検証しました。

主要な成果:

• GDINAモデルは、参加者の応答パターンに対して許容できる適合性を示しました。; 28の症状モダリティが特定され、そのうち12はサンプル全体の1%以上に存在しました。言語機能障害が一般的でした。; 発達軌道図は、重度のASD症状の潜在的なターゲットとして感覚機能を強調し、2,621人の参加者のリハビリテーションルートを概説しました。

結論:

• CDMを用いたASD介入のための個別化推薦アルゴリズムが正常に開発されました。; 本研究はASD症状の異質性を確認し、機能的発達を視覚化するためのフレームワークを提供しました。; データ駆動型モデルの実際の適用性を確認するには、さらなる経験的検証が必要です。