Unsupervised machine learning classification of ADHD subtype by urinary levels of tryptophan and monoamine neurotransmitters

• Project/Area Number: 23K12814
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 09060:Special needs education-related
• Research Institution: University of Fukui
• Principal Investigator: 山下 雅俊 福井大学, 子どものこころの発達研究センター, 特命助教 (50828928)
• Project Period (FY): 2023-04-01 – 2026-03-31
• Project Status: Granted (Fiscal Year 2023)
• Budget Amount: ¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000); Fiscal Year 2025: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000); Fiscal Year 2024: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000); Fiscal Year 2023: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000)
• Keywords: 注意欠如・多動症 / サブタイプ / 機械学習 / 脳内物質

Outline of Research at the Start

本研究は、教師なし機械学習を用いることで、神経伝達物質やアミノ酸から注意欠如・多動症（ADHD）児のサブタイプ分類を行い、そのサブタイプごとの行動・認知・神経基盤を探る。このような試みは国内外を含めて報告されておらず、極めて独創的な取り組みであるのと共に、ADHDの多様性への理解と個々の特徴に合った精度の高い診療、教育、介入方法の開発に貢献する可能性がある。