バウム画のゲシュタルトの質の自動判定により「こころの見える化」を促す
| Project/Area Number |
22K07585
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 52030:Psychiatry-related
|
|---|
| Research Institution | Fukushima Medical University |
|---|
Principal Investigator |
丹羽 真一 福島県立医科大学, 公私立大学の部局等, 博士研究員 (30110703)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
稲富 宏之 京都大学, 医学研究科, 教授 (10295107)
澤田 欣吾 東京大学, 相談支援研究開発センター, 助教 (30829205)
岩田 基 大阪公立大学, 大学院情報学研究科, 准教授 (70316008)
永井 邦芳 名古屋学芸大学, 看護学部, 教授 (70402625)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2024: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2023: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2022: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
|
|---|
| Keywords | UBOM / バウム・テスト / バウム画 / 陽性画 / 陰性画 / ゲシュタルト / ＡＩ / 深層学習 / 臨床精神医学 |
|---|
| Outline of Research at the Start |
臨床系研究者と機械学習を専門とする工学系研究者によるチームを形成し、研究分担者の稲富・岩田がこれまでに進めた機械学習によるバウム画の自動判定法を基礎に、表象系が投影されたバウム画像を機械学習により自動判定する方法を精緻化し、自動判定結果と臨床情報解析結果とを総合することにより自動判定結果の意味づけを確かにし、行動・生活機能評価などの外的基準による妥当性検証を行った上で、技術化された方法を実用化し臨床に利用しやすいものとして提供しようとする。
基本的意義は、精神医学・精神科医療に画像自動判定の技術を取り入れ実用化するものである。この方法を精神科医療に実装することで、その有用性を高めることもできる。
|
| Outline of Annual Research Achievements |
本研究計画はバウム・テストで描かれるバウム画のゲシュタルトの質をＡＩを用いた深層学習により自動判定する方法を開発することを目的としている。そのためには多数のバウム画を機械に学習させる必要があるので、各種精神疾患患者から4000枚、健康な人から1000枚のバウム画を収集する予定である。バウム画と同時に小池らの社会機能基準(GAF-F)、BPRS16項目版、MMSE-Jの図形模写課題、FAB（Frontal Assessment Battery）などの臨床情報も精神疾患患者から収集して自動判定したバウム画分類の臨床的意味を明らかにするために用いる。新たにバウム画を収集する作業と並行して既存のバウム画を保有する施設からそのバウム画を提供いただき、深層学習によるバウム画のゲシュタルトの質の自動判定法の試験的開発をおこなう。この計画のうち、令和５年度には次のことを達成した。
１.新たにバウム画収集を行なう合計21施設にて精神疾患患者461人のバウム画と社会機能基準(GAF-F)、BPRS16項目版、MMSE-Jの図形模写課題、FAB（Frontal Assessment Battery）などの臨床情報を収集頂き、既存のバウム画を提供いただく２施設から精神疾患患者741人のバウム画を提供いただいた。
２.研究計画の中に含まれているネット上で健康な人からバウム画を収集することを株式会社МＳＳに委託し、658人の健康な人のバウム画を収集した。
３.２施設から提供いただいた既存の精神疾患患者741人のバウム画をもとに、ＡＩを用いた深層学習によるバウム画の自動判定を試行的に行った。
以上、２年目になすべきことの多くを達成することができた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本研究ではまずバウム画を各種精神疾患患者および健康な人からバウム画を収集し、並行して既にＵＢОМ検査を臨床検査の一環として行っている施設からオプト・アウト方式で被検者の了解を得てＵＢОМ検査のうちのバウム画を提供いただき、それをＡＩの深層学習によりバウム画のゲシュタルトの質を自動判定する方法の試験的開発に用いることを行なうことが必要である。この計画に基づき、令和5年度には新たにバウム画収集を行なう合計21施設にて精神疾患患者461人のバウム画と社会機能基準(GAF-F)、BPRS16項目版、MMSE-Jの図形模写課題、FAB（Frontal Assessment Battery）などの臨床情報を収集頂き、既存のバウム画を提供いただく２施設から精神疾患患者741人のバウム画を提供いただいた。また、ネット上で健康な人からバウム画を収集することを株式会社МＳＳに委託し、658人の健康な人のバウム画を収集した。そして、２施設から提供いただいた既存の精神疾患患者741人のバウム画をもとに、ＡＩを用いた深層学習によるバウム画の自動判定を試行的に行った。その結果、440 枚のバウム画に対し，オートエンコーダで特徴量を抽出し，DBSCAN でクラスタリングをした．3枚以上で構成されるクラスタについては，クラスタ内全てのバウム画に共通する視覚的な特徴がないことが多い．しかし，潜在空間上では近い距離をとっているためにクラスタとしてみなされたことから，人間の目での判断と異なるグループ分けの特徴を調査することが今後の課題であるなどの結果をまとめた。なお、収集したバウム画の研究者による評価分類も必要であるので、分担研究者のうち臨床系の４者により、既存の評価分類基準をもとに、基準を一層精緻化する作業を行い、新たな評価分類基準を作成した。以上、２年目になすべきことの多くを達成することができた。
|
| Strategy for Future Research Activity |
本研究は令和４年度から３年間の計画である。２年目である令和５年度には、分担研究者・研究協力者の施設で各種精神疾患患者461人から、ネット上で健康な人658人からバウム画を新たに収集できた。既存のバウム画を２施設から各種精神疾患患者741人のバウム画を提供いただけたので、それら既存のバウム画を用いて深層学習によるバウム画のゲシュタルトの自動判定の方法の試験的開発を行なった。新たなバウム画の収集は目標枚数達成までに３年目である令和６年度の最初の数か月までかかる予定である。また、各種精神疾患患者のバウム画を収集し、深層学習によるバウム画のゲシュタルトの質の自動判定に役立てるためには臨床情報を同時に収集する必要があるが、社会機能基準(GAF-F)、BPRS16項目版、MMSE-Jの図形模写課題、FAB（Frontal Assessment Battery）を各種精神疾患患者461人全員について収集することができた。そこで今後は、精神疾患患者のバウム画と健康な人のバウム画を、分担研究者のうちの臨床系４者が令和5年度に新たに定めたバウム画評価分類基準に基づいて評価分類する作業を行い、その結果を参考にしながら工学系分担研究者がＡＩを用いた深層学習によるバウム画の自動判定法を開発する作業を行う。令和５年度のうちに試行できた自動判定法の開発の到達点をもとに、今後，別の特徴抽出方法を模索すること，DBSCAN以外の手法でのクラスタリングをすることを検討する。また，試行的自動判定法開発では1クラスタ内の最小データ数を2で固定したが，Erichらの手法で決定することができる適切なパラメータを用いてDBSCANのクラスタリングすることも予定する。また臨床データを加味したクラスタリング結果と照合し，グループ分けの特徴を調査する。この作業を令和６年度に完遂する予定である。
|
Report
(2 results)
Research Products
(28 results)
