アルツハイマー病の早期検出を強化:音声とビデオを用いたマルチドメイン認知評価のためのアンサンブルモデル
Enhancing Early Detection of Alzheimer’s Disease: An Ensemble Model for Multi-Domain Cognitive Assessment Using Voice and Video
アルツハイマー病(AD)の正確な早期スクリーニングは重要だが、従来の診断法は侵襲性や高コストが課題となっている。本研究では、言語、ワーキングメモリ、視空間注意などの複数の認知領域における障害を評価することでADを正確に検出するマルチモーダルデジタルバイオマーカーフレームワークを提案する。音声とビデオデータを活用し、ユーザーのアクセス性と実用性を向上させる。128人の参加者(健常者77人、AD患者51人)のデータセットで検証した結果、個々の認知タスクではF1スコアが69.23%~77.78%、感度が69.23%~80.77%であったのに対し、アンサンブル戦略により検出性能が向上し、F1スコア83.64%、感度88.46%を達成した。このマルチモーダルデジタルバイオマーカーフレームワークは、アンサンブルによって強化され、ADの非侵襲的スクリーニングと検出のための高精度でスケーラブルかつ実用的なソリューションを提供することが確認された。
- 音声とビデオデータを用いたマルチモーダルデジタルバイオマーカーフレームワークが、アルツハイマー病の早期検出においてアンサンブル戦略によりF1スコア83.64%、感度88.46%を達成した。
- 128人(健常者77人、AD患者51人)のデータセットで検証が行われた。
音声・ビデオという非侵襲的なマルチモーダルデータを用いてアルツハイマー病の早期スクリーニングを高精度(F1 83.64%、感度88.46%)で実現した点が重要。従来の脳脊髄液検査やPETイメージングに比べ低コスト・スケーラブルであり、デジタルバイオマーカー分野の実用化が進めば、診断ツール市場(高齢化社会で拡大が見込まれる)における新たなスタートアップ投資機会につながる。ただし現時点では128名の小規模研究であり、大規模臨床検証や規制当局承認などのハードルが残っている点に留意が必要。