Machine Learning Differentiation of Autism Spectrum Sub-Classifications
この研究の学術的背景や研究課題の核心をなす学術的「問い」は、自閉症スペクトラム障害（ASD）の診断基準の変化、特にDSM-IVからDSM-5への変更が診断に与える影響に関するものです。具体的には、マシンラーニングを用いて各人がDSM-IVの下での三つの自閉症スペクトラム障害のどれか、または非スペクトラムを持つかを分類することができるかどうかについて検証しています。
この研究の目的は、マシンラーニングが自閉症スペクトラム障害の診断の難しさを改善し、簡素化する助けになるか評価することであり、その独自性や創造性は結果的に既存の診断手法とマシンラーニングの効果とパフォーマンスを比較することにより表されます。
自閉症スペクトラム障害の診断基準がDSM-IVからDSM-5に変更され、診断の複雑さが増し、診断が困難になったことから、この研究の着想が生まれました。さらに、最近の研究では、マシンラーニングを用いて自閉症の早期診断を促進するための試みがなされており、この研究はその研究動向に基づいています。
この研究では、38,560人の個人データを用いてマシンラーニングを適用し、その結果、自閉症スペクトラム障害を持つ個人を80.5％正確に分類することができました。一方で、このデータセットの個人の12.6％が自閉症スペクトラム障害の他のタイプと誤って分類されました。これは、マシンラーニングが最小限のデータ入力を使用して、自閉症スペクトラム障害を持つ個人と非スペクトラムを持つ個人を分類することが可能であることを示しています。
本研究の有効性は、マシンラーニングが自閉症スペクトラム障害の診断に相当な精度で成功することを示すことにより検証されました。具体的には、適用されたアルゴリズムは、38,560人の患者データを用いて、自閉症スペクトラム障害の診断を80.5％の精度で正確に行うことができました。