神経精神疾患の診断は、問診による臨床症状に基づいて行われるため、難しい部分がある。ニューロイメージングなどの客観的なバイオマーカーが求められており、機械学習と組み合わせることで確定診断の助けとなり、その信頼性を高めることが可能である。東京大学のWalid Yassin氏らは、統合失調症患者、自閉スペクトラム症（ASD）患者、健常対照者から得た磁気共鳴画像（MRI）の脳構造データを用いて機械学習を行い、鑑別診断のための機械学習器の開発を試みた。Translational Psychiatry誌2020年8月17日号の報告。
統合失調症患者64例、ASD患者36例、健常対照者106例から得た脳構造データを、FreeSurferを用いて解析した。6つの機械学習器を用いて対象の分類を行った。また、精神疾患ハイリスク患者26例、初回エピソード精神疾患患者17例の脳構造データを、開発した機械学習器に当てはめた。最後に、各疾患群の臨床症状の重症度によって評価を行った。
主な結果は以下のとおり。
・6つの機械学習器のすべてが、比較的よく機能していた。
・とくに、サポートベクターマシーン（SVM）とロジスティック回帰（LR）の2つの機械学習器が、鑑別診断により有効であることが示唆された。
・皮質厚と皮質下体積は、判別に最も有効であった。
・LRおよびSVMは、ASDの臨床指標と非常に一致していた。
・精神疾患ハイリスク患者群、初回エピソード精神疾患患者群の脳構造データは、大部分が統合失調症と分類され、ASDとしては分類されなかった。
著者らは「今回開発した機械学習器は、統合失調症の異なる臨床病期の脳構造データを当てはめると、統合失調症または健常対照と分類され、ASDと分類されることはなかった。そのため、本研究による機械学習器は、臨床現場で必要とされる、鑑別診断や治療予測などのマーカーとしての応用が期待される」としている。
（鷹野 敦夫）
