[論文レビュー] AI and Non AI Assessments for Dementia

Mahboobeh, Hamed Ghodrati+5 more|arXiv (Cornell University)|Jun 30, 2023

Dementia and Cognitive Impairment ResearchMedicine被引用数 3

ひとこと要約

本論文は、早期認知症スクリーニングのためのAIおよび非AI評価法について、包括的かつ学際的なレビューを提供しており、その妥当性、信頼性、正確性、実用性を比較している。本論文は、既存の手法、データセット、評価フレームワークを分析することで、臨床医とAI開発者の間のギャップを埋め、認知症評価技術の現在の成熟度と主な研究分野を明らかにしている。

ABSTRACT

Current progress in the artificial intelligence domain has led to the development of various types of AI-powered dementia assessments, which can be employed to identify patients at the early stage of dementia. It can revolutionize the dementia care settings. It is essential that the medical community be aware of various AI assessments and choose them considering their degrees of validity, efficiency, practicality, reliability, and accuracy concerning the early identification of patients with dementia (PwD). On the other hand, AI developers should be informed about various non-AI assessments as well as recently developed AI assessments. Thus, this paper, which can be readable by both clinicians and AI engineers, fills the gap in the literature in explaining the existing solutions for the recognition of dementia to clinicians, as well as the techniques used and the most widespread dementia datasets to AI engineers. It follows a review of papers on AI and non-AI assessments for dementia to provide valuable information about various dementia assessments for both the AI and medical communities. The discussion and conclusion highlight the most prominent research directions and the maturity of existing solutions.

研究の動機と目的

• 先進的な評価ツールを通じて、早期認知症スクリーニングの増大するニーズに対応すること。
• 認知症評価技術に関する共通理解を提供することで、臨床実務者とAI開発者の間のギャップを埋めること。
• AIおよび非AIの認知症評価手法の妥当性、信頼性、正確性、実用性を評価すること。
• 臨床医がエビデンスに基づいた評価を選定できるように支援し、AI開発者に臨床的要件と既存のベンチマークについての情報を提供すること。
• 現在の研究で最も広く使われている認知症データセットと標準的な評価手法を特定すること。

提案手法

• AIおよび非AIの認知症評価に関する査読付き論文の系統的レビューを実施した。
• 認知テスト、神経画像、発話分析、ウェアラブルセンサデータを含む、さまざまな評価モodalitiyを分類・比較した。
• 精度、感度、特異度などの標準的指標を用いて、AIモデルのパフォーマンスを評価した。
• ADNI、AIBL、NACCを含む、主にモデルの学習および検証に使用される認知症データセットのマッピングを行った。
• AIツールを実際の認知症ケア環境に導入する際の技術的および臨床的課題を分析した。
• さまざまな評価ツールの成熟度と臨床的適用可能性を評価するための比較フレームワークを提供した。

実験結果

リサーチクエスチョン

• RQ1 早期認知症スクリーニングにおいて、最も効果的なAIおよび非AI手法は何か。また、その正確性と信頼性においてどのように比較できるか。
• RQ2 AIを用いた認知症評価研究で最も頻繁に使用されるデータセットは何か。また、それらの主な特徴は何か。
• RQ3 感度や特異度といった臨床的妥当性指標は、異なる評価モダリティ間でどのように変動するか。
• RQ4 AIツールを日常的な認知症スクリーニングに統合する際の主な技術的および実用的障壁は何か。
• RQ5 AI支援認知症評価の臨床的有用性を向上させるための、最も有望な研究分野は何か。

主な発見

• AIを活用した評価法は、発話、画像、行動パターンなどのマルチモーダルデータを活用することで、早期認知症スクリーニングにおいて強く有望な可能性を示している。
• 非AIの認知スクリーニングツール（MMSE や MoCA）は、その簡便さと臨床的妥当性のおかげで広く使用されているが、早期段階の検出において感度に欠ける可能性がある。
• ADNIデータセットは、AI認知症研究で最も頻繁に使用されるリソースであり、再現性のあるモデルの学習とベンチマーク化を可能にしている。
• 発話および言語データを用いたAIモデルは、制御された研究において、軽度認知障害（MCI）と健常対照群を区別する際、85％以上の正確性を達成している。
• 研究環境では高いパフォーマンスを示しているものの、一般化性、解釈可能性、臨床統合の問題から、多くのAIツールは実世界での展開に課題を抱えている。
• 本論文は、AIツールの臨床応用に向けて、標準化された評価プロトコルと縦断的妥当性評価の明確な必要性を明らかにした。