特徴量エンジニアリングと説明可能なAIを用いた自撮り動画によるパーキンソン病評価
Parkinson’s disease assessment with selfie video via feature engineering and explainable AI
本研究では、スマートフォンで撮影した顔動画データに特徴量エンジニアリングを適用し、パーキンソン病(PD)の有無、重症度、運動機能スコアを予測する有効性を調査した。40人の参加者を対象に、3つの予測モデル、4つの顔面運動シナリオ、5つのフレーム選択戦略を評価した。PD分類では、XGBoostモデルが笑顔の動画シナリオ、フレームスキップ、PCA(分散の95%を保持)の組み合わせで、精度0.77、適合率0.75、再現率0.86、F1スコア0.79を達成した。Hoehn & Yahr重症度推定では、Random Forestモデルが笑顔の動画、フレームスキップ、PCAなしで、RMSE 1.30、MAPE 38.36%という最良の結果を得た。さらに、MDS-UPDRS Part III運動スコア推定では、XGBoostモデルが笑顔の動画、3フレーム平均、PCA(分散の95%を保持)の組み合わせで、RMSE 19.34、MAPE 45.33%を達成した。説明可能なAI分析により、唇と口角の動きがPD分類とHoehn & Yahr推定の最も重要な特徴量であることが特定された。一方、眉と目の動きはMDS-UPDRS Part III運動スコア推定の主要な特徴量であった。これらの結果は、顔のダイナミクスがPD評価に関連する情報を含んでおり、非侵襲的でアクセスしやすいスクリーニングツールのさらなる開発を支持することを示唆しているが、現時点での精度は臨床評価の代替には不十分である。
- スマートフォンで撮影した顔動画40人分に特徴量エンジニアリングを適用し、パーキンソン病(PD)の有無・Hoehn & Yahr重症度・MDS-UPDRS Part III運動スコアの予測を試みた研究が発表された。
- PD分類ではXGBoostが微笑み動画・フレームスキップ・PCA(分散95%保持)の組み合わせで精度0.77、適合率0.75、再現率0.86、F1 0.79を達成した。
- Hoehn & Yahr重症度推定ではRandom Forestが微笑み動画・フレームスキップ・PCAなしでRMSE 1.30、MAPE 38.36%と最良結果を示した。
- MDS-UPDRS Part III運動スコア推定ではXGBoostが微笑み動画・3フレーム平均・PCA(分散95%保持)でRMSE 19.34、MAPE 45.33%を達成した。
- 説明可能なAI分析により、唇と口角の動きがPD分類とHoehn & Yahr推定の最重要特徴量、眉と目の動きがMDS-UPDRS Part III推定の主要特徴量と特定された。
- 著者らは現時点の精度では臨床評価の代替には不十分と明記しつつ、非侵襲でアクセスしやすいスクリーニングツールへの発展可能性を示した。
スマホ自撮り顔動画からパーキンソン病(PD)の有無・重症度・運動スコアを推定する研究で、XGBoost/Random Forestといった既製モデルと特徴量エンジニアリングの組み合わせでPD分類F1=0.79、Hoehn & Yahr RMSE1.30、MDS-UPDRS Part III RMSE19.34を達成し、唇・口角、眉・目といった解釈可能な特徴量を同定した点は、低コストでスケールする非侵襲スクリーニング(デジタルバイオマーカー)の実現可能性を示す。ただしn=40と小規模で、臨床代替には精度不足と論文本人が明言しており、実用化・承認・収益化までの距離は大きく、現段階では投資テーマとしての確度は低い。注目すべきは、規制・臨床現場のデータ基盤を持つ診断/AI医療プレイヤーがこうした動画ベースのデジタルバイオマーカーを取り込む動きと、スマホ・ウェアラブル経由の遠隔モニタリング市場への波及。製薬企業にとってはPD治験の遠隔評価エンドポイントとして使えるかが実利であり、小規模研究から大規模検証・規制受容に進めるかが投資判断の分岐点になる。