Core Concepts
機械学習を活用して、インド人データベースを基に自閉症スペクトラム障害の早期発見を可能にする簡単で迅速かつ低コストの手法を開発する。
Abstract
本研究は、自閉症スペクトラム障害(ASD)の早期発見のために、機械学習を活用した手法を提案している。
まず、データの前処理として、標準化と正規化を行い、データの整備を行った。次に、特徴量の最適化のために、3つの特徴量選択手法(カイ二乗検定、再帰的特徴量除去、主成分分析)を組み合わせたアンサンブル多数決手法を提案した。この手法により、当初の28問から20問に質問数を削減することができた。
次に、様々な機械学習モデル(ロジスティック回帰、ナイーブベイズ、決定木、ランダムフォレスト、SVM、k-NN、勾配ブースティング、AdaBoost、LDA、QDA)を詳細に評価・最適化した。その結果、SVMモデルが最も優れた性能を示し、100±0.05%の高精度、5.34%の高いRecall、2.22%-6.67%の高精度改善を達成した。
最後に、この最適化されたSVMモデルをベースに、ヒンディー語と英語の両言語に対応したウェブアプリケーションを開発した。このアプリケーションは、ASD早期発見のための簡単で迅速かつ低コストのツールとして活用できる。
Stats
自閉症スペクトラム障害(ASD)は、8歳児の23.1人から44.9人に1人の割合で発症する。
インドでは、8人に1人の子供が何らかの神経発達障害を持ち、100人に1人がASDを持つと推定されている。
Quotes
「自閉症の症状は通常3歳頃に予測されるが、実際の診断は3歳から4歳の間になされることが多い」
「早期発見は長期的な子供の支援に不可欠である」