[The Daily Star]機械学習は、分析モデルの構築を自動化するデータ分析の方法です。これは、システムがデータから学習し、パターンを識別し、最小限の人間の介入で意思決定を行うことができるという考えに基づく人工知能のブランチです。学習のプロセスは、データのパターンを探し、私たちが提供する例に基づいて将来より良い決定を下すために、例、直接の経験、または指導などの観察またはデータから始まります。主な目的は、人間の介入や支援なしにコンピューターが自動的に学習し、それに応じてアクションを調整できるようにすることです。
機械学習を使用して、研究者は、大うつ病性障害を持つ人々の脳のさまざまな部分の間で調整された活動の新しい明確なパターンを特定しました-これらの脳ネットワークを検出するためにさまざまなプロトコルが使用されている場合でも。日本の京都にあるアドヴァンセドテレコッムニカチオンス レセアークフ インスチツテシンターナチオナルの山下あゆむらがオープンアクセスジャーナルプロスビオログーでこれらの発見を発表しました。
大うつ病は通常診断が簡単ですが、うつ病に関連する脳のネットワークをよりよく理解することで治療戦略を改善できる可能性があります。機械学習アルゴリズムをうつ病患者の脳活動に関するデータに適用して、そのような関連性を見つけることができます。ただし、ほとんどの研究は、うつ病の特定のサブタイプのみに焦点を当てているか、医療機関間の脳画像プロトコルの違いを説明していません。
これらの課題に対処するために、山下らは機械学習を使用して713人の脳ネットワークデータを分析しました。そのうち149人は大うつ病でした。これらのデータは、安静時機能的MRI（ルスーフMRI）と呼ばれる手法を使用して収集されました。この技術は、脳の活動を検出し、脳のさまざまな部分間の協調的な活動、つまり「機能的接続」を明らかにする画像を生成します。イメージングは、さまざまなプロトコルを使用してさまざまな施設で実行されていました。
機械学習法により、大うつ病の脳ネットワークシグネチャとして機能する可能性のある画像データの主要な機能的接続が特定されました。実際、研究者が他の521人からさまざまな施設で収集されたルスーフMRIデータにその新しい署名を適用したとき、彼らはそれらの新しい人々のどれが大うつ病性障害を持っていたかを特定する際に70％の精度を達成しました。
研究者たちは、さまざまなイメージングプロトコルに適用できる新しい脳ネットワークシグネチャが、うつ病のサブタイプに関連する脳ネットワークパターンを発見し、うつ病と他の障害との関係を明らかにするための基盤として役立つことを期待しています。大うつ病における脳のネットワーク接続をよりよく理解することは、患者を効果的な治療法に適合させ、新しい治療法の開発に情報を提供するのに役立つ可能性があります。
Bangladesh News/The Daily Star 20210627
http://www.thedailystar.net/health/news/machine-learning-identifies-new-brain-network-signature-major-depression-2118733
関連
