| Project/Area Number |
20H00625
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (A)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Review Section |
Medium-sized Section 62:Applied informatics and related fields
|
|---|
| Research Institution | National Center of Neurology and Psychiatry |
|---|
Principal Investigator |
Yamashita Yuichi 国立研究開発法人国立精神・神経医療研究センター, 神経研究所 疾病研究第七部, 室長 (40584131)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
国里 愛彦 専修大学, 人間科学部, 教授 (30613856)
高村 真広 藤田医科大学, その他部局等, 准教授 (50720653)
片平 健太郎 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 主任研究員 (60569218)
杉原 玄一 東京医科歯科大学, 大学院医歯学総合研究科, 准教授 (70402261)
村田 真悟 慶應義塾大学, 理工学部(矢上), 准教授 (80778168)
|
|---|
| Project Period (FY) |
2020-04-01 – 2025-03-31
|
| Project Status |
Completed (Fiscal Year 2024)
|
| Budget Amount *help |
¥43,160,000 (Direct Cost: ¥33,200,000、Indirect Cost: ¥9,960,000)
Fiscal Year 2024: ¥8,320,000 (Direct Cost: ¥6,400,000、Indirect Cost: ¥1,920,000)
Fiscal Year 2023: ¥8,320,000 (Direct Cost: ¥6,400,000、Indirect Cost: ¥1,920,000)
Fiscal Year 2022: ¥8,710,000 (Direct Cost: ¥6,700,000、Indirect Cost: ¥2,010,000)
Fiscal Year 2021: ¥8,190,000 (Direct Cost: ¥6,300,000、Indirect Cost: ¥1,890,000)
Fiscal Year 2020: ¥9,620,000 (Direct Cost: ¥7,400,000、Indirect Cost: ¥2,220,000)
|
|---|
| Keywords | 計算論的精神医学 / 人工知能 / ニューラルネットワーク / 精神疾患 / 精神医学 / 深層学習 / 精神障害 |
|---|
| Outline of Research at the Start |
生物学的知見の蓄積により、現行の精神障害カテゴリーは生物学的妥当性を欠くことが明らかになり、研究方略の抜本的方向修正の必要性が指摘されている。本研究は、精神障害に関する症状・神経生理・認知行動のビッグデータに対して、既存の精神障害カテゴリーにとらわれない疾患横断的・次元的アプローチに基づき、機械学習・人工知能（AI）技術を含む計算論的精神医学の手法を適用することで、新しい精神障害の表現型：症候学的タイプ、バイオタイプ、計算論的表現型を明らかにする。さらに、深層学習技術を用いて、見出された各水準の表現型相互の媒介メカニズムを明らかにすることにより、精神障害の統合的理解と新しい診断体系を創出する。
|
| Outline of Final Research Achievements |
We applied computational psychiatry methodologies -including machine learning and artificial intelligence techniques- to large-scale datasets encompassing psychiatric symptoms, neurophysiology, and cognitive behaviors. Using transdiagnostic and dimensional approaches, our research aimed to identify novel end-phenotypes beyond existing psychiatric diagnostic categories. Specifically, employing large-scale web-based experimental frameworks, I explored symptom-based subtypes (symptomatological phenotypes) and computational phenotypes that transcend traditional disorder classifications. Additionally, we utilized transdiagnostic neuroimaging databases to identify neurophysiological psychiatric subtypes (biotypes). These efforts collectively sought to establish new conceptual frameworks for understanding psychiatric disorders.
|
| Academic Significance and Societal Importance of the Research Achievements |
精神障害の伝統的なカテゴリーを超えて症状や生物学的基盤を横断的・次元的に捉え直すことで、精神医学における新しい疾病概念の理論的基盤を構築した。また、計算論的手法を用いて新しい精神障害表現型（症候学的タイプ、バイオタイプ、計算論的表現型）の可能性を示した。
また、従来の診断体系に収まらない精神症状を捉えることで、より個別化された診断・治療アプローチの基盤を提供した。さらに、精神医学へのAI・機械学習の活用を促進し、精神医療の精度・効率性の向上と、精神障害への社会的理解の促進に貢献した。
|
