[論文レビュー] Automatic autism spectrum disorder detection using artificial intelligence methods with MRI neuroimaging: A review

Parisa Moridian, Navid Ghassemi+12 more|arXiv (Cornell University)|Jun 20, 2022

Autism Spectrum Disorder Research被引用数 6

ひとこと要約

本レビューでは、MRI神経画像を用いた自閉症スペクトラム障害（ASD）のAI駆動自動診断に関する最近の進展を統合的に検討し、構造的（sMRI）および機能的（fMRI）MRIデータに適用された機械学習（ML）およびディープラーニング（DL）技術に焦点を当てる。AIの診断精度と効率性の向上における役割が強調され、データ標準化とモデル一般化の課題が特定され、臨床応用に向けた今後の研究方向性が提示されている。

ABSTRACT

Autism spectrum disorder (ASD) is a brain condition characterized by diverse signs and symptoms that appear in early childhood. ASD is also associated with communication deficits and repetitive behavior in affected individuals. Various ASD detection methods have been developed, including neuroimaging modalities and psychological tests. Among these methods, magnetic resonance imaging (MRI) imaging modalities are of paramount importance to physicians. Clinicians rely on MRI modalities to diagnose ASD accurately. The MRI modalities are non-invasive methods that include functional (fMRI) and structural (sMRI) neuroimaging methods. However, diagnosing ASD with fMRI and sMRI for specialists is often laborious and time-consuming; therefore, several computer-aided design systems (CADS) based on artificial intelligence (AI) have been developed to assist specialist physicians. Conventional machine learning (ML) and deep learning (DL) are the most popular schemes of AI used for diagnosing ASD. This study aims to review the automated detection of ASD using AI. We review several CADS that have been developed using ML techniques for the automated diagnosis of ASD using MRI modalities. There has been very limited work on the use of DL techniques to develop automated diagnostic models for ASD. A summary of the studies developed using DL is provided in the Supplementary Appendix. Then, the challenges encountered during the automated diagnosis of ASD using MRI and AI techniques are described in detail. Additionally, a graphical comparison of studies using ML and DL to diagnose ASD automatically is discussed. We suggest future approaches to detecting ASDs using AI techniques and MRI neuroimaging.

研究の動機と目的

• MRI神経画像を用いたAIベースのコンピュータ支援診断システム（CADS）による自閉症スペクトラム障害（ASD）の検出に関する体系的レビューを行う。
• MRIデータからのASD検出における従来の機械学習（ML）とディープラーニング（DL）手法の性能および適用可能性を比較する。
• AI駆動ASD診断システムにおけるデータ品質、モデルの解釈可能性、臨床応用の面での重要な課題を特定する。
• MLとDLアプローチのMRIを用いたASD検出における包括的な図的比較を提供する。
• ASD診断におけるAIモデルの正確性、一般化可能性、臨床的有用性を向上させるための今後の研究方向性を提案する。

提案手法

• 構造的（sMRI）および機能的（fMRI）MRIモodalitiesを用いたAIベースのASD検出に関する学術的レビュー論文の体系的レビュー。
• 使用されたAI技術の種別に基づく研究の分類および分析：従来の機械学習（例：SVM、ランダムフォレスト）およびディープラーニング（例：CNN、オートエンコーダ）。
• 報告された標準指標（正確性、感度、特異度、AUC-ROC）を用いたモデル性能の評価。
• 補足的分析としてディープラーニングの応用を含み、詳細な要約は補足付録に記載。
• 性能、データ要件、臨床的妥当性の観点からMLとDLアプローチの図的比較。
• メソドロジカルなギャップと課題の特定、特に小規模なサンプルサイズ、データ標準化の欠如、モデルの解釈可能性の制限。

実験結果

リサーチクエスチョン

• RQ1 機械学習およびディープラーニングモデルは、MRI神経画像データからの自閉症スペクトラム障害（ASD）検出においてどの程度有効であるか？
• RQ2 MLとDLアプローチの間で、ASD検出における性能、データ要件、臨床的適用性にどのような主な差異があるか？
• RQ3 AIベースのASD診断システムの臨床的導入を妨げる主なメソドロジカルおよび技術的課題は何か？
• RQ4 現在のAIモデルは、MRIデータ収集プロトコルおよび患者の人口統計的特徴のばらつきをどのように処理しているか？
• RQ5 一般化可能性、解釈可能性、および実世界への展開を向上させるために、今後の研究でどのような方向性が考えられるか？

主な発見

• 特にSVMおよびランダムフォレストを用いた機械学習手法は、一部の研究で90％に達する正確性を示しており、ASD検出において強力な性能を発揮している。
• ディープラーニングモデルは、より高い特徴抽出能力の可能性を示しているが、データおよび計算リソースの制限のため、まだ十分に調査されていない。
• 多くの研究において顕著な制限は小規模なサンプルサイズであり、多くのデータセットで100人未塔の被験者数にとどまっており、モデルの頑健性に影響を与えている。
• MRI収集プロトコルおよび前処理パイプラインに標準化がなく、研究間でのモデル性能のばらつきを引き起こしている。
• AIモデルの解釈可能性は依然として主要な課題であり、臨床的信頼を得るための説明可能なAI（XAI）技術を統合した研究は少ない。
• 補足付録では、ディープラーニングベースのASD検出研究の詳細な要約が提供されており、新たなトレンドやモデルアーキテクチャが強調されている。