[2B1-OS-41d] OS-41

[2B1-OS-41d-04] Generation of Personalized Policy Models from Resting-State fMRI Data Using a Hyper Network

〇Ryusei Murata¹, Yuta Takahashi², Yuichi Yamashita², Shingo Murata¹ (1. Keio University, 2. National Center of Neurology and Psychiatry)

Keywords:Computational Psychiatry, Computational Phenotyping, Hyper Network, Reinforcement Learning, Deep Generative Model

行動や意思決定データから個人の行動パターンや潜在状態を推定するアプローチは計算論的表現型同定と呼ばれ、計算論的精神医学において重要な役割を担う。従来の研究では行動・意思決定データに基づき個人の内部表現をモデル化してきたが、生物学的データを用いていないため、生物学的妥当性に欠ける点が課題であった。そこで本研究では、生物学的データに基づき個別化された方策モデルを生成可能なHyper Network（HyperNet）を利用した新たなフレームワークを提案する。具体的には、安静時fMRIから得られたFunctional Connectivity Matrix（FCM）をエンコーダとデコーダで構成されるHyperNetに入力する。エンコーダはFCMから低次元の潜在状態を抽出し、デコーダはこの潜在状態を基に行動予測を行うための方策モデルの重みを出力する。人工データおよび実際の被験者データを用いた評価の結果、提案フレームワークはベースラインを上回る行動予測精度を達成し、潜在状態が個人特性を適切に抽出できる可能性を示唆した。