2020 Fiscal Year Research-status Report
| Project/Area Number |
19K12880
|
|---|
| Research Institution | Kogakuin University |
|---|
Principal Investigator |
田中 久弥 工学院大学, 情報学部(情報工学部), 教授 (80296384)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | 認知症 / 早期診断 / ブレインコンピュータインタフェース / 軽度認知機能障害 / レビー小体型認知症 / アルツハイマー型認知症 |
|---|
| Outline of Annual Research Achievements |
これまでの研究ではBCI検査による認知症スクリーニングの有効性を検討していたが，早期診断に対して認知健常高齢者(NC)を含めていない点が課題として挙げられていた．今回の研究では認知症の症状・状態の軽度認知障害(MCI)，アルツハイマー型認知症(AD)，レビー小体型認知症(DLB)に加え，認知健常高齢者(NC)を加えた4群の分類精度を示すことでBCI検査による早期の認知症スクリーニングの有効性を示すことを目的とした．
認知症の症状・状態の分類に先立ち，BCI計測項目と認知症の症状・状態4群の関連性を明らかにした．その結果，SEDV，ΔFz-Oz振幅，TotalScoreP300線形判別率，WithP300判別率，WithoutP300判別率，文字入力正答率の6種のBCI計測項目によって認知症の症状・状態4群を説明できることが明らかになった．
また2群分類においては条件付き比較においてほかの検査手法と同等の分類結果が確認され，定められた2群間の認知症スクリーニングとして有効性であることが示された．一方で4群での分類では50%程度と低い分類精度であることが確認された．そのため4群分類の分類精度向上を目指し，階層的分類モデルの構築をおこなった．構築された分類モデルをもとに再度4群分類をおこなった結果，69.3%と通常の4群分類と比較して10%以上高い分類精度が確認された．
さらに2群間の分類である場合，条件付き比較ではあるが，MRIやバイオマーカー，神経心理学検査と同等の精度が確認され，早期の認知症スクリーニングとして有効であることが示唆された．また他の検査手法では検討されていない4群の同時分類においても階層的分類モデルを使用することで69.3%の分類精度が得られることがわかった．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
コロナ感染対策のためデータ数の収集に制限があるため
|
| Strategy for Future Research Activity |
各認知症の症状・状態に対し100名規模で実験をおこなっており，本研究はあくまで少人数を対象にした実験としての成果となっている．また認知症という広い症候群に対し特定の疾患のみに対しアプローチをおこなったため，今後はさらに実験協力者を募ることや今回取り扱わなかった疾患に対する研究も必要である．さらも本研究は原則1実験協力者に対し1実験であり，経年変化の観察をおこなえていない．認知症は進行性の症候群とされているため，追跡実験をおこない経年変化に対するBCI検査の結果を示すことでさらに有効性を示すことが期待できる．ほかにも分類精度をさらに向上させることも可能であるため機械学習の再考察も必要である．
|
| Causes of Carryover |
2020年度の論文掲載料の請求が2021年度初めになったため
|
