6/16勉強会

【研究報告】

担当：渡辺佳音さん

Coming soon

【文献抄読】

担当：清水俊之介さん

タイトル：Handwriting strokes as biomarkers for Alzheimer’s disease prediction: A novel machine learning approach

出典：Nardone et al., Comput Biol Med 190: 110039, 2025. doi: 10.1016/j.compbiomed.2025.110039

  • 背景・目的：アルツハイマー病（AD）の早期診断は重要であるが，既存の診断法は高コストで侵襲性が高い．筆跡分析は非侵襲的かつ低コストな代替手段として有望である．従来の研究では，筆記タスク全体の特徴量を平均化して用いるため，診断に有効な微細な運動情報が失われる可能性があった．本研究は，筆跡を構成する個々の「ストローク」を基本単位として分析する，新しい機械学習アプローチを提案し，ADを予測する機械学習モデルから，重要な特徴量を抽出することを目的とした．
  • 方法：AD患者89名と健常対照群85名（計174名）を対象とした．被験者はWacomタブレットを使用し，図形模倣や口述筆記など34種類の筆記タスクを実施した．ペンが紙に接している間（On-paper）と離れている間（In-air）の動きから，個々のストローク単位で動的・静的特徴量を抽出した．複数の機械学習モデル（Random Forest, SVC等）を用いてストロークを分類し，さらに特徴量選択やアンサンブル学習（多数決，ランキング法，スタッキング法）を適用して被験者レベルの予測精度を評価した．
  • 結果・結論：提案したストロークベースのアプローチは，34タスク中24タスクにおいて，従来法（タスク全体の統計値を用いる手法）より有意に高い分類精度を示した．特に，複数のタスクの予測を統合するアンサンブル学習が有効であり，「ランキング法」を用いたモデルで最高精度80.18%を達成した．説明可能性分析（SHAP）により，「口述による文章筆記」タスクや，筆圧，ジャーク（加速度の変化）といった特徴量がADの識別に重要であることが明らかになった．これらの結果は，個々のストローク分析がADの微細な運動変化を捉えるのに有効であり，本アプローチが非侵襲的かつ効果的な早期スクリーニング手法となる可能性を示唆している．