PRESS RELEASES

English

印刷

「脳画像データの機械学習による統合失調症、発達障害の判別手法」を開発研究成果

掲載日:2020年8月17日

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、東京大学医学部附属病院精神神経科・笠井清登教授、浜松医科大学医学部精神医学講座・山末英典教授(前東京大学医学部附属病院精神神経科准教授)らの研究グループは、慢性期統合失調症、発達障害、および健常対照の方から計測された磁気共鳴画像(MRI)の脳構造データを用いて機械学習を行い、疾患群同士でも70%以上を判別可能な機械学習器を開発しました。
これまでの精神疾患脳画像を用いた機械学習は、主に疾患群と健常群を分けるものでした。しかし、臨床現場ではほぼすべての対象者が研究上は疾患群であり、その中での鑑別診断、つまり疾患Aと疾患Bどちらか、という技術が求められています。
今回開発した機械学習器は、統合失調症の異なる臨床病期(精神病ハイリスク、初回エピソード精神病)(注1)の脳画像データを当てはめると、統合失調症、健常対照どちらかに判別され、発達障害と判別されることはありませんでした。そのため、本研究による機械学習器は、臨床現場で必要とされる、鑑別診断や治療予測などのマーカーとしての応用が期待されます。

用語解説:
(注1)統合失調症臨床病期
ほかの疾病と同じく、統合失調症も早期支援・早期治療が提唱されています。そのため、統合失調症をもつ人(もしくは、発症リスクのある人)が病気のどの段階にいるのかを把握することが重要です。本研究では、統合失調症臨床病期のうち、ハイリスク状態、初回エピソード、慢性期の3病期を対象に検討を行いました。

論文情報

Walid Yassin, Hironori Nakatani, Yinghan Zhu, Masaki Kojima, Keiho Owada, Hitoshi Kuwabara, Wataru Gonoi, Yuta Aoki, Hidemasa Takao, Tatsunobu Natsubori, Norichika Iwashiro, Kiyoto Kasai, Yukiko Kano, Osamu Abe, Hidenori Yamasue, Shinsuke Koike, "Machine learning classification using neuroimaging data in schizophrenia, autism, ultra-high risk and first episode psychosis," Translational Psychiatry: 2020年8月17日, doi:10.1038/s41398-020-00965-5.
論文へのリンク (掲載誌別ウィンドウで開く)

関連教員

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