ニューラルネットワーク支援の色名付け課題による赤–緑色覚異常検出の迅速検査

日常生活でこれが重要な理由

何百万もの人々が、自分では気づかないまま色を異なって見ています。従来の色覚検査は時間がかかったり費用が高かったり、子どもや高齢者、移動の制約がある人には使いにくいことがあります。本研究は、被験者に見えた色を口に出して名付けてもらうだけで、人工知能がその人の視覚が典型的かどうかを静かに判定する、迅速で簡便なコンピュータベースの方法を提示します。

人によって色覚が異なる仕組み

人間の色覚は主に網膜にある3種類の光受容細胞（概ね長波長＝赤み、 中波長＝緑み、短波長＝青み）に依存します。どれか一つが欠けている、機能していない、あるいは感度がずれていると、特定の色調、特に赤と緑の区別が難しくなります。2種類の錐体だけで色を見る二色覚（ディクロマット）もいれば、3種類は揃っているものの1種類の感度がずれているために特定の色の識別が難しい異常三色覚（アノマラス・トリクロマット）もいます。赤–緑の違いはおよそ8％の人に影響し、ほとんどは先天的ですが、眼疾患や薬の影響などで後天的に生じることもあります。

現在の色覚検査の限界

医師や雇用者は複数の種類の色覚検査を使います。点描で描かれた数字や形を選ぶことで問題を検出する有名なプレート検査は有効ですが、照明に敏感でスクリーン表示に向かない場合があります。動く色つき図形を見せたり、細かい手の操作を要求したりする高度なデジタル検査は詳細に測定できますが、通常20〜30分かかり、集中力や良好な運動機能が必要です。色チップを並べ替えたり光を一致させたりする検査は疲れやすく、子どもや高齢者には難しく、専門機器が必要な場合もあります。

シンプルな発想：見えた色をそのまま名前で答えてもらう

研究者たちは日常生活に近い別のアプローチ、すなわち色の命名を試みました。56人のボランティアに自然場面から抽出した182色（実物に近い色合い）を提示し、ポルトガル語の11の基本色語（赤、緑、青、茶など）を使ってそれぞれの色を名付けてもらいました。被験者には典型的な色覚の人と、複数の種類の赤–緑差異を持つ人が含まれていました。回答の解釈を人間の専門家に頼る代わりに、研究チームは命名のパターンをニューラルネットワークに入力し、人工知能がデータ中の複雑なパターンを学習するようにしました。

人工知能が学んだこと

ニューラルネットワークは3段階の判定を行うように訓練されました。まず、単純にその人の色覚が典型的かどうかを判定すること。次に、典型、二色覚、異常三色覚の3分類を行うこと。さらに、特定の赤–緑の欠損タイプを含む5つの詳細カテゴリを識別することです。182色すべてを用いた場合、色覚差異のある人を非常に高い精度で特定できました。基本的なスクリーニングでは、感度（異常を見逃さない率）と特異度（典型を誤って異常としない率）がともに95％以上でした。5群への詳しい分類を試みたときも、有用な性能を維持しましたが、難易度の高い課題であるため精度はやや落ちました。

情報量の多い色を見つける

検査を速くするため、研究チームは多くの有益な情報を含むより小さな色集合を探索しました。ニューラルネットワークがどの入力に最も依存しているかを説明する手法を用い、182色を重要度順にランキングしました。上位の5、10、15、20、25色で繰り返し再学習と検証を行ったところ、約20色を慎重に選べば、実際には全色セットより若干良好なスクリーニング性能が得られることが分かりました。これは余分な色が雑音を増やす可能性があり、絞り込まれた検査なら標準的な較正済みディスプレイで2分以内に快適に完了できることを示唆します。

健康と日常的なスクリーニングへの意義

この研究は、人工知能が自動的に解釈する短時間かつ低負担の色名付け課題が、従来のプレート検査と同等かそれ以上に赤–緑色覚差異を検出でき、デジタル化しやすく多くの利用者にとって快適であることを示しています。口頭や簡単な応答、静止画像に基づくため、定期的な眼科検査や職業上のスクリーニングだけでなく、眼疾患の経過観察や、アルツハイマー病や自閉症などの脳に関連した変化に伴う色の変化を探る用途にも役立つ可能性があります。日常的には、短いアプリベースの検査で数分のうちに色覚の問題を確実に示唆できる未来を指し示しています。

引用: Monteiro, J.A.R., Marques, D.N., Linhares, J.M.M. et al. Rapid test for detecting red–green color vision deficiencies using a neural network-assisted color-naming task. Sci Rep 16, 9987 (2026). https://doi.org/10.1038/s41598-026-38222-2

キーワード: 色覚異常, 赤–緑色盲, ニューラルネットワークによるスクリーニング, デジタル視力検査, 色の命名