2021 Fiscal Year Annual Research Report
深層学習・人工知能技術を用いた音声認識システムによるうつ病重症度推定機器の開発
| Project/Area Number |
19K08071
|
|---|
| Research Institution | Nagoya University |
|---|
Principal Investigator |
稲田 俊也 名古屋大学, 医学系研究科, 特任教授 (00184721)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | うつ病 / 機械学習 / 自然言語処理 / 音声認識 / 人工知能 / 深層学習 / 構造化面接 / 評価尺度 |
|---|
| Outline of Annual Research Achievements |
うつ病の重症度を客観的に評価するため，本研究では，研究代表者らが開発し2004年に公表したモンゴメリ・アスベルグうつ病評価尺度（MADRS）構造化面接（SIGMA）に含まれる10項目のうち，項目2～10の9項目の症状評価項目に含まれる55の質問文をベースに，それぞれの質問文をAI（人工知能）での評価に適した回答が得られるように質問文を改良して，それらに対する具体的な回答例を実際の評価面接場面で収録した音声データをもとに，①研究代表者が定義した重症度評点，②書き起こしたテキストファイル，③音声WAVファイルの3点セットのデータとして抽出し，これらを深層学習モデル用の学習データとして集積し，うつ病の重症度評点を推定するAIうつ病重症度評点推定アプリケーションの中核部分となるプログラムを作成した。最終年度は，これまでに試作したAIアプリの精度を更に高めるための深層学習モデル用のデータの集積をすすめるとともに，新たなうつ病患者症例におけるデータを収集する過程で，このアプリに採用した音声認識ソフトウェアで得られたテキストファイルデータの誤認識に対する評点を是正するための手法についての検討を加え，研究代表者が定義した教師データと異なる評点が得られた場合にどのような問題点があったのかやその解決策についても検討を行い，重症度の評価を決定するアルゴリズムに改良を加えることや，臨床面接の手法として，質問文の改定や質問順序の変更，確認用質問文の追加などの改変をくり返し行った。また，学習用データとして集積されたの回答例が自然言語処理された内容から重症度評点を推定するモデルの性能を高めるため，モデル構造や活性化関数のチューニングを行うなどのプログラミングの改良をくり返し行った。これらの改良によりうつ病重症度推定アプリで得られる評価の一致率は80％を越えるようになった。
|
-
-
-
-
[Journal Article] Genome Wide Study of Tardive Dyskinesia in Schizophrenia2021
Author(s)
Keane Lim, Max Lam, Clement Zai, Jenny Tay, Nina Karlsson, Smita N Deshpande, BK Thelma, Norio Ozaki, Toshiya Inada, Kang Sim, Siow-Ann Chong, Todd Lencz, Jianjun Liu, Jimmy Lee
-
Journal Title
Transl Psychiatry
Volume: 11
Pages: 531
DOI
Peer Reviewed / Open Access
-
