GeneticNAS: 高度な自閉症スペクトラム障害スクリーニングのための新しい自己進化型ニューラルアーキテクチャ

なぜより速い自閉症検査が重要なのか

多くの家族にとって、子どもが自閉症スペクトラムに該当するかどうかの明確な結論が出るまでに数年かかることがあります。現在の評価は高度な訓練を受けた専門家による長時間の対面セッションに依存しており、多くの地域では専門家が不足しています。本稿は、標準的な自閉症評価中の子どもの動きに潜む微妙なパターンを自ら学習して読み取る新しい人工知能システムを紹介します。目的は臨床医を置き換えることではなく、控えめな計算資源でも動く、迅速で信頼できるスクリーニングツールを提供することです。

遊びのビデオを測定可能なパターンに変換する

本研究は広く使われている構造化された遊びベースの評価であるAutism Diagnostic Observation Schedule（ADOS）に基づいています。専門家が行動を手作業で評価する代わりに、研究者は自閉症の子ども80人と定型発達の子ども80人、計160人の短いビデオを出発点とします。コンピュータビジョンソフトウェアは、肩や肘、頭の位置など体の33の主要点をフレームごとに追跡します。これらの追跡から、各時点を表す豊富で2,048値の記述を構築し、子どもの動きの滑らかさ、視線や姿勢の変化、それらのパターンの時間的推移をとらえます。慎重な品質チェックにより、測定が複数セッションで安定していることと、自閉症群と非自閉症群のバランスが保たれていることが確認されます。

コンピュータに独自の“脳”を設計させる

従来のように手作業でニューラルネットワークを設計するのではなく、著者らは自動化された過程に最良の設計を探索させます。彼らは進化に着想を得た手法を用いており、異なる種類の層や設定を持つ候補ネットワークの集団を生成します。ある層は単にデータを変換し、別の層はショートカット接続を追加したり、重要な信号を浮かび上がらせるために情報を圧縮・再拡張したりします。システムは各候補が自閉症と定型発達をどれだけうまく識別できるかを評価し、優れたものを“交配”して設計を混ぜ合わせ、突然変異を導入しながら10世代にわたって改良し、強力なアーキテクチャを生み出します。

計算資源の賢い使い方

重要な革新点は、探索過程が実際のハードウェア制限を尊重するよう設計されていることです。同様の多くの手法は16ギガバイト以上のメモリを備えた高性能グラフィックスカードを必要としますが、ほとんどの診療所にはそのような設備がありません。本研究では、探索は精度だけでなく各モデルが使用するメモリと時間も考慮して導かれます。訓練を小さな断片に分割する手法や、過度に重い設計にペナルティを与える方法により、探索は約2.1ギガバイトのメモリで実行可能となり、従来の研究に比べて76%の削減を実現しつつ、数百万にもおよぶネットワーク構成を探索できます。最終的なモデルは調整可能な重みがわずか280万個で、サンプル当たり約15ミリ秒で子どものデータを処理できます。

システムの識別性能

130万件以上の未見データで評価したところ、選ばれたネットワークは約100サンプル中95件を正しく分類し、既存の強力な深層学習ベースラインを明確に上回りました。見逃しと誤報のトレードオフを分析したところ、受信者動作特性曲線下面積（AUC）は非常に高い0.986を記録し、臨床上の優先順位に応じてモデルを調整しても性能が崩れにくいことを示しました。重要な点として、自閉症の子どもと定型発達の子どもで成功率はほぼ同等であり、特定のグループに偏っていないことが示唆されます。入念な統計検定と単純なネットワークとの比較により、異なる種類の層の組み合わせと進化に着想を得た探索が、この性能に不可欠であったことが確認されました。

家族や診療所にとっての意義

平たく言えば、本研究は現実的な計算資源で、自閉症に関連する動きや相互作用のパターンを検出するコンパクトで高速なAIシステムを訓練できることを示しています。こうしたツールは、専門家が不足する場所で診断プロセスの早期段階でリスクのある子どもを発見するのに役立ち、臨床医に客観的な第二の意見を提供して支援する可能性があります。著者らは限界も強調しており、研究は単一の国の子どもを対象とした管理された臨床環境でのみ検証されており、現時点で人間が理解しやすい形での説明能力は備えていないことを指摘します。それでも、この結果は自己設計するニューラルネットワークが将来の自閉症スクリーニングの実用的な一部となり、多くの家族が回答を得るまでの長い待ち時間を短縮するのに貢献し得ることを示唆しています。

引用: Alzahrani, A.R., Alboaneen, D. & Alzahrani, I.R. GeneticNAS: a novel self-evolving neural architecture for advanced ASD screening. Sci Rep 16, 6304 (2026). https://doi.org/10.1038/s41598-026-35972-x

キーワード: 自閉症スクリーニング, ニューラルアーキテクチャ探索, 遺伝的アルゴリズム, 姿勢推定, 臨床向けAI