音声に基づく認知障害検出のためのドメイン一般化
カテゴリ：高齢者医療・介護
公開日：2025年11月25日
タイトル：Domain generalization for voice-based cognitive impairment detection
雑誌名：BMC Med Inform Decis Mak. 2025 Nov 24; doi: 10.1186/s12911-025-03268-1. Epub 2025 Nov 24.
概 要：
本研究は、音声バイオマーカーを用いた認知障害の早期検出において、異なる環境での録音条件の変動がAIモデルによる正確な診断に課題をもたらすことに着目しています。そこで、様々なデータセットにおいて信頼性の高い認知障害の診断を行うための堅牢で一般化可能なモデルの開発を目指しました。
方 法：
ドメイン一般化アプローチを実施し、適応されたDeep Domain-Adversarial Image Generation（DDAIG）フレームワークを使用しました。この方法は、入力データを変換してセンター特有の特徴を減少させ、ドメイン不変の特徴を強調することで、モデルが認知障害の指標に焦点を当てることを可能にします。
結 果：
ドメイン一般化を適用する前は、認知障害（CI）およびセンター分類モデルの精度は0.96でしたが、ドメイン一般化を実施した後、CI分類の精度は0.90に低下し、センター分類モデルの精度は0.64に減少しました。このセンター分類の指標の低下は、モデルがセンター特有の特徴への依存を減少させたことを示しており、効果的なドメイン一般化を反映しています。
結 論：
適応されたDDAIGフレームワークは、センター特有の学習を効果的に減少させ、異なるセンター間での認知障害分類の一般化能力を向上させました。これらの結果は、認知障害検出のための信頼性の高いAI診断ツールの開発におけるドメイン一般化の役割を示唆しています。