[1C5-GS-13] AI応用: 医療 (1)

[1C5-GS-13-02] 発話音響特徴のアンサンブル学習による認知症希少疾患の簡易検出

〇花井 俊哉¹、加藤 昇平^1,2、坂口 巧一³、佐久間 拓人¹、大嶽 れい子⁴、桝田 道人⁴、渡辺 宏久⁵ (1. 名古屋工業大学　大学院工学研究科　工学専攻　情報工学系プログラム、2. 名古屋工業大学　情報科学フロンティア研究院、3. 名古屋工業大学　大学院工学研究科　情報工学専攻、4. 名古屋大学　大学院医学系研究科　神経内科、5. 藤田医科大学　医学部　脳神経内科学)

キーワード：認知症、前頭側頭葉変性症、アルツハイマー病、発話音声解析、アンサンブル学習

近年，日本をはじめとした先進諸国は超高齢化を迎え，さらなる認知症患者の増加が問題視されている．認知症は基礎疾患によって症状や治療方法が異なるため，疾患を正しく診断することが重要である．しかし，非専門医による臨床診断が困難とされている疾患も存在し，前頭側頭葉変性症（FTLD）はそのひとつである．FTLDは認知症をきたす神経変性疾患で，日本の指定難病に認定されている．この疾患は他の認知症基礎疾患と比べて症例数が少なく，アルツハイマー病（AD）との鑑別が難しい．そのため，FTLDが疑われる患者に対しては専門医によって診断が行われることが望ましい．よって，FTLDの疑いがある患者を専門医への紹介につなげるための簡易的な検査が必要とされている．そこで本研究では発話音声を用いてFTLD，AD，および健常者（HC）の３群鑑別を試みる．群間のデータ不均衡を解消する手法としてアンサンブル学習を用い，発話音声から抽出した音響特徴により疾患を分類した．その結果，上記３群鑑別において正確度82%，F値0.74を確認した．これよりアンサンブル学習を用いた発話音声による認知症疾患分類の有効性が示唆された．