文献

J-GLOBAL ID：202202220524432206   整理番号：22A1021295

自閉症スペクトラム障害の診断における知能の役割を解くための能力および障害-応用機械学習【JST・京大機械翻訳】

Abilities and Disabilities-Applying Machine Learning to Disentangle the Role of Intelligence in Diagnosing Autism Spectrum Disorders

著者 (7件)： Wolff Nicole (Department of Child and Adolescent Psychiatry, Medical Faculty of the Technical University (TU) Dresden, Dresden, Germany) ,  Eberlein Matthias (Institute of Circuits and Systems, Faculty of Electrical and Computer Engineering Dresden, Technical University (TU) Dresden, Dresden, Germany) ,  Stroth Sanna (Department of Child and Adolescent Psychiatry, Psychosomatics and Psychotherapy, Philipps University, Marburg, Germany) ,  Poustka Luise (Department of Child and Adolescent Psychiatry and Psychotherapy, University Medical Center Gottingen, Gottingen, Germany) ,  Roepke Stefan (Department of Psychiatry, Campus Benjamin Franklin, Charite - Universitaetsmedizin Berlin, Berlin, Germany) ,  Kamp-Becker Inge (Department of Child and Adolescent Psychiatry, Psychosomatics and Psychotherapy, Philipps University, Marburg, Germany) ,  Roessner Veit (Department of Child and Adolescent Psychiatry, Medical Faculty of the Technical University (TU) Dresden, Dresden, Germany)
資料名： Frontiers in Psychiatry (Web)  (Frontiers in Psychiatry (Web))
巻： 13  ページ： 826043  発行年： 2022年 
JST資料番号： U7095A  ISSN： 1664-0640  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 目的:自閉症スペクトラム障害(ASD)は,比較的一般的であるが不均一な神経精神障害であるが,この不均一性の特徴についての特異的な知識は少ない。IQは,診断と治療計画を複雑にするだけでなく,この不均一性に寄与する。本研究では,全およびIQ定義サブサンプルにおける自閉症診断観察スケジュール(ADOS/2)の精度を評価し,ADOS/2精度がIQレベルを含む追加情報を処理する機械学習(ML)アルゴリズムの適用により増加するかどうかを解析した。方法:本研究は,ASDを有する440人(平均IQレベル3.3±1.5)およびASDのない644人(平均IQレベル3.2±1.2)の,1,084人の個人を含んだ。ADOS/2データに対するランダムフォレスト(RF)と決定木(DT)を適用し,分析し,ASDと非ASDを区別するための最も関連する項目を調べた。要するに,著者らは,適用したADOSモジュールとは無関係に,49の個々の特徴を含んだ。結果:DT解析では,決定ASD/Non-ASDに対し,1から4項目のみが,高い精度で群を区別するのに十分であることを観察した。さらに,(a)以下(IQレベル≧4)/IDおよび(b)平均知能(IQレベル≦2)の個体のサブコホートにおいて,ADOS/2カットオフは精度低下を示した。この精度の低下は,(a)偽陽性診断の3倍高いリスク,または(b)偽陰性診断の1.7より高いリスクをもたらす;両誤差は代替MLアルゴリズムの適用により有意に減少した。結論:MLアルゴリズムを用いて,ADOS/2項目の小さいセットは,臨床医がすべてのIQレベルにわたって臨床診療でASDをより正確に検出することを助け,特に平均IQレベル以下の個人で診断精度を増加させることを示した。Copyright 2022 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  リスク ,  研究 ,  能力 ,  ディシジョンツリー ,  診断 ,  *自閉症 ,  医師 ,  母集団 ,  精神障害 ,  治療計画 ,  *機械学習
準シソーラス用語： 臨床医 ,  *自閉症スペクトラム障害 ,  偽陰性 ,  ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (7件)： 自閉症スペクトラム障害 ,  IQ ,  知的障害 ,  ADOS ,  機械学習 ,  診断 ,  知能

分類 (1件)： 精神障害の診断  (GR02000T)

引用文献 (54件)：

• Hartwell M, Keener A, Coffey S, Chesher T, Torgerson T, Vassar M. Brief report: public awareness of Asperger syndrome following Greta Thunberg appearances. J Autism Dev Disord. (2021) 51:2104-8. doi: 10.1007/s10803-020-04651-9
• Dillenburger K, Jordan JA, McKerr L, Devine P, Keenan M. Awareness and knowledge of autism and autism interventions: a general population survey. Res Autism Spectrum Disord. (2013) 7:1558-67. doi: 10.1016/j.rasd.2013.09.004
• Qiu T, Jimenez J. Understanding Autism Spectrum Disorder. Autism. (2016) 1:6. doi: 10.1098/rstb.2002.1209
• Fombonne E. Epidemiological surveys of autism and other pervasive developmental disorders: an update. J Autism Dev Disord. (2003) 33:365-82. doi: 10.1023/a:1025054610557
• Baird G, Simonoff E, Pickles A, Chandler S, Loucas T, Meldrum D, et al. Prevalence of disorders of the autism spectrum in a population cohort of children in South Thames: the Special Needs and Autism Project (SNAP). Lancet. (2006) 368:210-5. doi: 10.1016/S0140-6736(06)69041-7

タイトルに関連する用語 (8件)： 自閉症スペクトラム障害 ,  診断 ,  知能 ,  役割 ,  能力 ,  障害 ,  応用 ,  機械学習