木々の中の森を見つける：機械学習とオンラインの認知・知覚指標を用いた成人の自閉症診断の予測

なぜ成人の自閉症の見抜きが難しいのか

多くの自閉症の成人は診断を受けるまでに何年、あるいは何十年も待つことがあり、その一因は大人の自閉症を見分けるために使われる道具が粗雑であることです。短い質問票や面接では、社会的に「溶け込む」ことを覚えた人を見落としがちで、偏りや推測に左右されやすい。そこで本研究は、思考や知覚を客観的に測るオンライン検査と最新の機械学習を組み合わせる別のアプローチが、誰が自閉症である可能性が高いかをより良く示し、しかもインターネットを通じて大規模に提供できる形になるかを問います。

簡単なクイズから豊かなデジタルの足跡へ

成人の伝統的な自閉症スクリーニングは、習慣や好み、社会的経験について尋ねる自己申告式の用紙に大きく依存しています。これらは有用ですが、本人の自己認識や文化的期待に左右されます。論文の著者らは別の道を取りました。彼らは以前のオンライン実験のデータを再利用し、数百人の自閉症者と非自閉症のオランダ成人がコンピュータ課題の一連を完了したデータを用いました。これらの課題は、自閉症でしばしば異なる三つの領域――視覚と聴覚の統合、顔や声からの感情認識、計画・切り替え・抑制といった実行機能――に着目していました。

人がどのように見て、感じ、考えるかを測る

これらの研究では、参加者は短いクリップを見聞きし、顔写真や声のトーンから感情を判定し、素早い反応や慎重な抑制を要する古典的な反応時間のゲームを行いました。研究者らは単に答えが正しいか間違っているかに注目するのではなく、各人の成績を記述する54種類の詳細な指標を抽出しました。これには反応の速さ、時間経過による正解率の変化、どのような種類のミスをするか、試行ごとの一貫性などが含まれます。年齢と性別も、これらの能力に既知の影響を公正に扱うために含められました。

機械学習にパターンを見つけさせる

この高次元データを理解するために、研究チームはランダムフォレストと呼ばれる一般的な機械学習手法を用いました。これは多数の決定木を構築して投票を合わせる方法です。モデルを自閉症と非自閉症の成人を識別するように訓練し、見たことのない新しい個人をどれだけ正しく分類できるかを検証しました。年齢や性別で慎重にマッチさせた場合でも（課題を難しくする設定）、成績に基づく指標だけでモデルはおよそ4件に3件の割合で自閉症を正しく識別しました。さらに、広く使われる自閉症質問票の総得点という一要素を加えると、統合モデルの精度は約92％に跳ね上がり、見逃しも誤検知も少ない結果となりました。

課題遂行のしかたに潜む手がかり

興味深いことに、モデルの成功は最も明白な群間差異だけに依存していたわけではありません。特に感情認識課題での反応時間が強い寄与を示し、これは自閉症の成人が感情を正確に認識するがより遅いことを示す先行研究と一致します。しかしアルゴリズムは、従来の平均的な統計では群間で有意差が見られないような指標にも価値を見出しました。これには抑制やワーキングメモリ課題での特定のミスの種類や、時間に伴う成績の微妙な変動が含まれます。言い換えれば、自閉症に関連する違いは一つの劇的な欠陥からではなく、相互に作用する特徴の星座から現れ、行動の“旋律”が単一の“音”よりも重要であることを示しています。

成人への支援をより早く、公平にするために

一般の読者にとっての要点は、短く客観的なオンライン課題を既存の質問票と賢く組み合わせることで、質問票単独よりも自閉症の可能性が高い人をはるかに鋭く示せるということです。本研究は、従来の統計で僅かな差しか見えない場合でも、機械学習が成人の見る・感じる・考える様式に信頼できるパターンを明らかにできることを示しています。こうしたツールが完全な臨床評価に代わるべきではないし代替し得ない一方で、成人を適時の評価に優先的に振り分けたり、偏った自己申告への依存を減らしたり、臨床家に認知上の強みと課題のより豊かなプロファイルを提供したりする手助けになる可能性があります。さらに多様な集団での改良と検証が進めば、この種のアクセスしやすいインターネットベースのスクリーニングは長い待機リストを短縮し、自閉症の成人に適切な支援をより早く届ける重要な補助となるでしょう。

引用: Van der Burg, E., Jertberg, R.M., Geurts, H.M. et al. Finding the forest in the trees: Using machine learning and online cognitive and perceptual measures to predict adult autism diagnosis. Transl Psychiatry 16, 129 (2026). https://doi.org/10.1038/s41398-026-03823-y

キーワード: 成人の自閉症診断, 機械学習, オンライン認知テスト, 感情認識, 実行機能