PRESS RELEASES

印刷

脳画像データによる精神病発症を判別する機械学習器を開発研究成果

掲載日:2024年2月9日

2024年2月9日
東京大学

発表のポイント

  • 国際共同研究コンソーシアムによる精神病ハイリスク群の脳構造画像を機械学習することにより、のちの精神病発症を判別する機械学習器を開発しました。
  • 多施設から得られた大規模な脳画像データを適切に処理することにより、精神病発症より以前に撮られた脳画像によっても、のちの発症を判別できることが初めて確認されました。
  • 実際の臨床現場で一般に必要とされるバイオマーカーとしての応用が期待されます。
機械学習器が学習した精神病発症予測に関わる脳構造特徴

発表概要

 東京大学大学院総合文化研究科附属進化認知科学研究センター・小池進介准教授(東京大学国際高等研究所ニューロインテリジェンス国際研究機構(WPI-IRCN)連携研究者)、東京大学大学院医学系研究科脳神経医学専攻・笠井清登教授(東京大学国際高等研究所ニューロインテリジェンス国際研究機構(WPI-IRCN)主任研究者)らによる研究グループは、国際共同研究コンソーシアムによる2,000名を超える磁気共鳴画像(MRI)の脳構造画像データの機械学習を行い、精神病ハイリスク(CHR)群(注1)の発症群と健常対照(HC)群を70%以上の確率で判別可能な機械学習器(注2)を開発しました。

 今回開発した機械学習器は、多施設から得られた脳画像を適切に結合し、思春期の複雑な脳発達変化による影響を考慮することで高い判別率を得ることができました。さらに、発症なし群と追跡不能群については「健常対照」と適切に判別できることも明らかにしました。本研究による機械学習器は、臨床現場で必要とされるバイオマーカー開発への応用だけでなく、精神病発症に関わる脳病態の解明に貢献することが期待されます。

発表詳細

大学院総合文化研究科のページからご覧ください。

用語説明

(注1)精神病ハイリスク(CHR)群
精神病とは医学的に、幻覚や妄想などの精神病症状を呈する疾患群で、思春期における精神病の多くは統合失調症や双極性障害です。精神病ハイリスク(Clinical high risk; CHR)とは、精神病発症前の軽微な精神の不調をあらかじめとらえ、精神病の発症リスクが高い集団をより早期に支援して発症を予防しようとするために生まれた概念です。CHRは2年間でおよそ30%が精神病を発症すると言われています。一方、残り70%は発症していないため、生物学的には均一ではない集団ともいえます。CHRは、「精神病発症危険状態(At risk mental state; ARMS)」や「こころのリスク状態」とも呼ばれます。
本研究では、CHR群1,165名を対象とし、そのうちMRI計測後の2年以上の追跡調査で、精神病発症を確認した144名をPS+群、同様の追跡で発症しなかった793名をPS-群、2年以上の追跡ができなかった228名をUNK群としました。

(注2)機械学習器
機械学習器とはコンピューターが大量のデータを分析して規則性や傾向等を学習する技術システムのことです。機械学習のうち、教師あり機械学習は、すでにラベル付けされているデータを正解のラベルとともに学習させることで未知のデータを予測させる手法です。その中でも単独では精度の低い学習を繰り返して学習させることで精度を上げていく手法を教師ありアンサンブル機械学習といいます。

論文情報

Yinghan Zhu, Shinsuke Koike*, the ENIGMA Clinical High Risk for Psychosis Working Group, et al., "Using Brain Structural Neuroimaging Measures to Predict Psychosis Onset for Individuals at Clinical High-Risk," Molecular Psychiatry: 2024年2月9日, doi:10.1038/s41380-024-02426-7.
論文へのリンク (掲載誌別ウィンドウで開く)

関連リンク

アクセス・キャンパスマップ
閉じる
柏キャンパス
閉じる
本郷キャンパス
閉じる
駒場キャンパス
閉じる