2020 Fiscal Year Annual Research Report
Computational nosology based on artificial intelligence and dimensional approach for psychiatric disorders
| Project/Area Number |
20H00625
|
|---|
| Research Institution | National Center of Neurology and Psychiatry |
|---|
Principal Investigator |
山下 祐一 国立研究開発法人国立精神・神経医療研究センター, 神経研究所 疾病研究第七部, 室長 (40584131)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
片平 健太郎 名古屋大学, 情報学研究科, 准教授 (60569218)
国里 愛彦 専修大学, 人間科学部, 教授 (30613856)
村田 真悟 慶應義塾大学, 理工学部(矢上), 講師 (80778168)
杉原 玄一 東京医科歯科大学, 大学院医歯学総合研究科, 准教授 (70402261)
高村 真広 広島大学, 脳・こころ・感性科学研究センター, 特任助教 (50720653)
|
|---|
| Project Period (FY) |
2020-04-01 – 2025-03-31
|
| Keywords | 計算論的精神医学 / 人工知能 / ニューラルネットワーク / 精神疾患 |
|---|
| Outline of Annual Research Achievements |
本研究は、精神障害に関する症状・神経生理・認知行動のビッグデータに対して、疾患横断的・次元的アプローチに基づいて、機械学習・AI技術を含む計算論的精神医学の手法を適用することで、既存の精神障害カテゴリーには基づかない新しい表現型：症候学的タイプ、バイオタイプ、計算論的表現型の抽出を試みている。また、深層学習・データ融合技術を用いて、各水準の表現型を媒介するメカニズムを明らかにすることで、精神障害の統合的理解と新しい疾病概念を創出することを目的とする。
今年度の研究では、クラウドソーシングを通じた大規模Web調査の枠組みを用いて、疾患カテゴリー横断的・網羅的な精神障害の症状評価、および認知行動実験を実施した。症候学的データのクラスタリングにより、症候学レベルの精神障害亜型（症候学的タイプ）を探索的に構成することを試みた。
また、症候学的タイプ・バイオタイプ、計算論的表現型の各水準の表現型の背後に、共通すると仮定する潜在状態抽出のための基盤技術として、マルチモーダル変分自己符号化器を用いた多元的データ融合技術の開発を試みた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
クラウドソーシングを通じた大規模Web調査の枠組みを用いた、疾患カテゴリー横断的・網羅的な精神障害の症状評価、および認知行動実験を予定通り実施することができた。また、症候学的タイプ・バイオタイプ、計算論的表現型の各水準の表現型の背後に、共通すると仮定する潜在状態抽出のための基盤技術として、マルチモーダル変分自己符号化器を用いた多元的データ融合技術の開発が順調に進んだ。
これらより、本研究は概ね順調に進展していると考えられる。
|
| Strategy for Future Research Activity |
2021年度の研究計画は以下の1～3の項目に従って実施する。
1．大規模Web調査による症候学的タイプと計算論的表現型の探索的同定:2020年度に引き続き、クラウドソーシングを通じた大規模Web調査の枠組みを用いて、疾患カテゴリー横断的・網羅的な精神障害の症状評価、および複数の認知行動実験を実施する。症候学的データのクラスタリングにより、症候学レベルの精神障害亜型（症候学的タイプ）を探索的に構成する。Web調査では同時に、行動実験課題を実施し、行動データに対するモデルフィッティングにより、計算論的表現型を探索的に構成を試みる。
2．大規模精神疾患データベースの神経生理学的データに基づくバイオタイプの探索的同定:2020年度に引き続き、複数の疾患カテゴリーに関する脳画像データベースを用いたデータ駆動アプローチにより、神経生理学的レベルの精神障害亜型（バイオタイプ）を探索的に発見を継続する。
3．各水準表現型に共通する潜在状態・媒介メカニズムの探索的検討:症候学的タイプ・バイオタイプ、計算論的表現型の各水準の表現型の背後に、共通する潜在状態が存在すると仮定し、変分自己符号化器などを用いた深層学習技術により、各表現型の非線形的な媒介関係の抽出を試みる。次年度の計画では、ドメイン適応・転移学習の技術（特にジョイントマルチモーダル変分自己符号化器など）を応用することにより、欠損値を含む多元的データ融合技術の開発を進める。
|
