条件付きGANを用いた合成データ生成による小脳性運動失調の診断モデルの開発
カテゴリ：災害・救急医療
公開日：2026年2月19日
タイトル：Development of a cerebellar ataxia diagnosis model using conditional GAN-based synthetic data generation for visuomotor adaptation task
雑誌名：BMC Med Inform Decis Mak. 2024 Nov 12; 24(1): 336. doi: 10.1186/s12911-024-02720-y. Epub 2024 Nov 12.
概 要：
本研究は、小脳性運動失調患者の分類フレームワークを構築するための合成データ生成モデルを提案しています。分類対象は、小脳性運動失調患者、年齢が一致する正常者、若年健康者の3群です。条件付き敵対的生成ネットワークと再構成ネットワークを組み合わせて、クラス条件とランダムノイズに基づいて合成データを生成します。この合成データと実データを用いて、患者分類モデルの訓練を行い、分類精度を向上させます。合成データの信頼性は視覚的に評価し、実データとの分布の類似性を定量的に評価します。さらに、合成データを用いた患者分類モデルの臨床的有効性を示し、実データのみを使用した結果と、実データと合成データの両方を使用した結果を比較することで分類精度の向上を示します。この方法論は、デジタルヘルスケア分野におけるデータ不足の解決に寄与する可能性があります。
方 法：
この研究は、条件付き敵対的生成ネットワークと再構成ネットワークを用いた合成データ生成モデルを使用しています。対象は、小脳性運動失調患者、年齢が一致する正常者、若年健康者の3群で、合成データはクラス条件とランダムノイズに基づいて生成されます。合成データと実データを組み合わせて患者分類モデルを訓練し、分類精度を向上させることを目的としています。
結 果：
合成データを用いた患者分類モデルは、実データのみを使用した場合と比較して分類精度が向上しました。合成データの信頼性は視覚的および定量的に評価され、実データとの分布の類似性が確認されました。
結 論：
条件付きGANを用いた合成データ生成は、小脳性運動失調の早期診断ツールの開発において有望であり、デジタルヘルスケアにおけるデータ不足の問題を解決する可能性があります。