| 研究課題/領域番号 |
23K02935
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分10030:臨床心理学関連
|
|---|
| 研究機関 | 京都大学 |
|---|
研究代表者 |
豊本 莉恵 京都大学, 医学研究科, 特定助教 (80963800)
|
|---|
| 研究分担者 |
荒牧 英治 奈良先端科学技術大学院大学, 先端科学技術研究科, 教授 (70401073)
古川 壽亮 京都大学, 医学研究科, 教授 (90275123)
|
|---|
| 研究期間 (年度) |
2023-04-01 – 2026-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2025年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2024年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2023年度: 2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
|
|---|
| キーワード | スマートフォンCBT / AI / 機械学習 / 大規模言語モデル / 認知行動療法 / 個別化 / うつ病 / 人工知能 |
|---|
| 研究開始時の研究の概要 |
近年、うつ病に対するインターネットを介した認知行動療法（iCBT）が盛んに開発され、その有効性が実証されている一方、アドヒアランスの低さや効果の小ささ・ばらつきが課題として指摘されている。この課題を克服する手段の一つとして、本研究では、人工知能（AI）を活用したユーザー支援アルゴリズムを開発し、個別化アドバイス提供によるうつ予防や介入順守割合に対する効果を明らかにすることを目的とする。AIによる個別化アドバイスの有効性が実証できれば、うつ病予防への公衆衛生的介入が大きく進歩することが期待される。
|
| 研究実績の概要 |
2023年度は、２つのランダム化比較試験から得られた7,182の思考記録を用いて、思考に対応する感情（sad、anxious、angry、happy）を予測するように大規模言語モデル T5（Text-to-Text Transfer Transformer）をトレーニングした。その後、トレーニング済みのT5モデルが、ユーザーの提供した思考に関する情報から感情を正しく予測できるかを検証した。この検証結果を論文化し、Cognitive Therapy and Researchにて発表した。
T5の全体的な予測精度は73.5%であった。ユーザーが報告した感情は、 T5によって正しく予測された場合、そうでない場合よりも、専門家の判断（ゴールドスタンダード）と一致する確率が高いことが示された (90% vs 37.5%; 差の95%CI, 34.8 to 70.2%)。さらに、感情と思考が上手く一致した場合と一致しなかった場合でユーザーの感情の変化を比較し、思考と感情の記録が一致すると否定的な感情がより大きく減少する傾向を確認した (-1.54 vs -1.43 [0-5点のスケール]; 差の95%CI, 0.03 to 0.19)。
このモデルを組み込んだ認知再構成をスマートフォン認知行動療法アプリで実装することにより、ユーザーが自動思考を再検討し、自分の感情をより正確に反映するようにフィードバックを提供することが可能になる。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
計画通り、思考に関する情報から感情を正確に予測できるようにT5を機械学習させ、その予測精度を検証した。
|
| 今後の研究の推進方策 |
今後は、2023年度に検証をしたAIシステムを組み込んだ認知再構成のモジュールを開発する予定である。そして、臨床試験を実施し、このようなAIシステムによるフィードバックが最終的にiCBTの効果を高めるかどうかを確認する。
|
