認知症進行予測のための説明可能な機械学習とフォグコンピューティングに基づく視覚評価尺度の開発
カテゴリ：高齢者医療・介護
公開日：2025年7月17日
タイトル：Developing an explainable machine learning and fog computing-based visual rating scale for the prediction of dementia progression
雑誌名：Sci Rep. 2025 Jul 16; 15(1): 25872.
概 要：
本研究は、フォグコンピューティングに基づく革新的で信頼性の高い健康モニタリングシステムを導入し、高齢者の精神的障害を測定することを目的としています。従来のMRIを用いたモデルでは脳の影響を受けた領域の早期発見が難しいため、Mini-Mental State Examination（MMSE）やMontreal Cognitive Assessment（MoCA）などのメンタルテストスコアを活用し、認知機能のリアルタイムモニタリングを実現します。450人の軽度認知障害（MCI）患者を対象にしたデータセットを用いて、健康リスクを正確に評価するためにアンサンブルAdaBoostモデルを採用し、優れた性能を示しました。
方 法：
本研究は、450人の軽度認知障害（MCI）患者を含むデータセットを用いたコホート研究です。データセットは、MCI患者150人、皮質下疾患（パーキンソン病）150人、皮質疾患（アルツハイマー病）150人の3つのクラスに分類されます。健康リスクを評価するために、アンサンブルAdaBoostモデルを使用し、精度、適合率、再現率、Fスコア、曲線下面積（AUC）で優れた性能を発揮しました。
結 果：
提案した機械学習モデルは、未見データに対して93%の高い精度を達成し、MoCAスコア（90%）やMMSEスコア（83%）を上回る結果を示しました。さらに、提案したスコアリングテストを用いて18人の追加対象者を評価し、各クラスから6人ずつの結果を確認しました。
結 論：
本研究は、フォグコンピューティングアプローチが認知症の早期診断を大幅に向上させる可能性を示しており、メンタルテストスコアを有用な指標として活用することができることを示しました。