社会経済的文脈を多峰性EEGデータと統合しADHDリスクスクリーニングを改善
Integrating socioeconomic context with multimodal EEG data for improved ADHD risk screening
注意欠陥・多動性障害(ADHD)の診断において、従来の主観的な行動評価に加え、客観的な神経生理学的マーカーの重要性が増している。本研究では、EEGデータと社会経済的要因を統合した新しい多峰性深層学習アーキテクチャを提案する。このモデルは、時間的EEGダイナミクス、スペクトロテンポラルパターン、および社会経済的文脈の3つのストリームを、注意機構ベースの融合メカニズムで統合する。Cognitive Electrophysiology in Socioeconomic Contextデータセットを用いた評価では、4つの認知課題すべてにおいて、EEGのみのベースラインを上回る精度向上(2.1-5.9%)と感度向上(最大12.2%)を達成した。特に、社会経済的文脈を神経生理学的信号と併用することで、より高い性能が得られることが示された。被験者独立の評価では、多峰性モデルの精度は0.92-0.96、感度は0.71-0.96、特異度は0.95-1.00であった。このモデルはADHDリスクスクリーニングの概念実証であり、診断ツールではないが、環境要因を考慮した文脈認識型ADHDリスクスクリーニングの実現可能性を示唆している。
- EEGデータと社会経済的文脈を統合した多峰性深層学習モデルが、ADHDリスクスクリーニングで被験者独立評価において精度0.92-0.96、感度0.71-0.96、特異度0.95-1.00を達成した
- 多峰性モデルは従来のEEGのみのベースラインと比較して精度が2.1-5.9%、感度が最大12.2%向上した
ADHD診断の客観化に向けたマルチモーダルAI技術は、デジタルヘルス分野での応用可能性が高い。EEGデータと社会経済的文脈を融合した深層学習アーキテクチャは、被験者独立評価で精度0.92-0.96と高い性能を示しており、スクリーニングツールとして実用化されれば診断コスト削減や早期介入につながる可能性がある。ただし現時点では概念実証段階であり、医療機器としての規制承認や臨床現場への実装には時間がかかると見られる。