MEDICINE & AI

タイトル：Multimodal fusion architectures for Alzheimer's disease diagnosis: An experimental study. 雑誌名：J Biomed Inform. 2025 Jun; 166: 104834. 概　要： 本研究は、アルツハイマー病の早期診断を目指し、複数のモダリティからの医療記録を収集し、複数の要因の相互作用を捉えることを目的としています。しかし、マルチモーダルデータの異質性が課題となります。そこで、人工知能の役割が重要となり、医療従事者が診断や予後を支援するための解釈可能なモデルが求められます。本研究では、予測性能と解釈可能性の観点から、さまざまな機械学習モデルを2つのマルチモーダル融合アーキテクチャで評価しました。 方　法： 本研究では、特徴レベル融合と決定レベル融合として知られる2つのアーキテクチャを選択し、マルチノミアル分類タスクに適用しました。一般的な単純連結に加え、重み付きおよびハイブリッド重み付き連結を用いて、2つの融合構造内および間で特徴を融合しました。各モデルパイプラインの有効性を評価し、分類指標を統一して視覚化し、全体的な性能を比較しました。また、各モデルが認識したモダリティと特徴の重要性を定量化する解釈可能性分析も行いました。 結　果： 各パイプラインの予測精度と各認知状態の関連マーカーを捉える能力が明らかになりました。この医療応用において、ツリーベースおよび線形モデルが最も優れた選択肢となり、重み付き連結を伴う早期および後期融合構造でそれぞれバランスの取れた精度0.920および0.912を達成しました。最も重要な5つの特徴は、認知テストスコアと神経心理学的バッテリーのテストモダリティに属していました。 結　論： 本研究は、異なる融合アーキテクチャと分類器の能力を理解するための人工知能の医療応用評価に貢献します。正確な分類により、軽度認知障害およびアルツハイマー病の早期発見が可能となります。