メインコンテンツまでスキップ

ChatGPTを使ったADHDの“演技”リスク

· 約21分
Tomohiro Hiratsuka
Tomohiro Hiratsuka
CEO of Easpe, Inc

本記事では、2025年3月に公開された発達障害関連の最新研究を紹介しています。具体的には、ADHD児の親によるネット情報活用の実態、AIによるASDやADHDの高精度診断モデルの開発、ChatGPTを使ったADHDの“演技”リスク、ASD児の保護者向けデジタル支援教材、脳波を用いたADHD検出技術、そして妊娠中の世帯所得と子どものASDリスクの関連性についての大規模調査など、多様な観点から発達障害に関する理解と支援の在り方に迫る研究をわかりやすく解説しています。

学術研究関連アップデート

Online search and activities of parents of children with ADHD: a qualitative study - Child and Adolescent Psychiatry and Mental Health​

この研究は、ADHD（注意欠如・多動症）のある子どもを育てる親が、インターネットを通じてどのように情報を探し、それが支援の受け方や医療者との関係にどう影響しているかを明らかにした質的研究です。

🔍 研究の背景​

  • 子どもの発達や精神的な問題について、親の理解や判断が支援の第一歩となる。
  • ADHDのような発達障害について、親はネット検索を通じて知識や他の親とのつながりを得ようとするが、実際にどんな体験をしているかはこれまで詳しく調べられていなかった。

🧪 研究の方法​

  • フランスで、ADHDのある子どもを持つ20人の親にインタビュー。
  • 「IPSEアプローチ（Inductive Process to analyze the Structure of lived Experience）」という方法を用いて、親たちの実際の体験を丁寧に聞き取り、共通するテーマを抽出。

📊 親の体験から見えた3つの主な軸​

  1. インターネットと支援への道筋

    → 医療にたどり着くまでに迷う中で、ネットが情報の羅針盤になっていた。

  2. ネット上の知識とその支えとしての役割

    → 専門家の説明だけでは足りないと感じた親たちが、SNSやブログ、体験談から安心感や解決のヒントを得ていた。

  3. 専門家とネット情報とのズレ

    → 医師の説明とネット情報の間に矛盾があると、親は混乱や不信感を抱く場面も多く、どの情報を信じるか悩んでいた。

✅ 結論と提言​

  • 親はインターネットを、情報源としてだけでなく「仲間とつながれる場」として大切にしている。
  • 一方で、ネットと医療の情報が食い違うと、支援への不安や混乱が生まれやすい。
  • 医療者や支援者は、ネット上の情報の影響力を理解し、正確で信頼できる情報の発信や共有に取り組むべきだと結論づけています。

📝 かんたんまとめ​

✔ ADHDの子の親は、ネットで支援の道を探し、他の親とのつながりを得ている

✔ 情報は心の支えにもなるが、医療とのズレで迷いや不安を感じることも

✔ 支援者側は、ネット情報の存在を前提に、信頼できる情報提供が求められる

この研究は、「ネットと現実の間で揺れる親の気持ち」や「情報のあり方」を考える上で、実践的なヒントを与えてくれる内容です。

Two-tier nature inspired optimization-driven ensemble of deep learning models for effective autism spectrum disorder diagnosis in disabled persons​

この論文は、発達障害のある人の自閉スペクトラム症（ASD）を高精度で診断するために、最先端のAI技術を組み合わせた新しい診断モデル（T2MEDL-EASDDP）を提案した研究です。

🧠 どんな技術？​

このモデルには、次のような最新のAI・機械学習（ML）・深層学習（DL）の要素が組み込まれています：

  1. 前処理：
    • データを均一な範囲にスケーリング（min-max正規化）して、AIが扱いやすくします。
  2. 特徴選択（重要な情報を選ぶ工程）：
    • 「蝶の飛び方の仕組み」から着想を得たアルゴリズム（IBOA：改良バタフライ最適化アルゴリズム）を使って、診断に重要なデータだけを抽出。
  3. 深層学習モデルの組み合わせ（アンサンブル学習）：
    • 以下の3つの異なるDLモデルを組み合わせて、より高精度な判断を実現：
      • オートエンコーダー（AE）：特徴の圧縮と再構成
      • LSTM（長短期記憶）：時間的なデータ処理が得意
      • DBN（ディープビリーフネットワーク）：複雑なパターン認識に強い
  4. ハイパーパラメータの最適化：
    • 動物の動き（ブラウン運動＋コアティ（アライグマ科）の動き方）を模倣したアルゴリズムで、モデルの設定値を自動調整（BDCOA法）。

🔬 どんな結果？​

  • *2つのデータセット（幼児と成人のASDデータ）**を使ってモデルを検証。
  • その結果、**診断精度は驚異の97.79%**を達成し、既存の方法よりも優れていることが確認されました。

✅ まとめ（かんたん解説）​

✔ 自閉症診断のために、複数のAI手法を組み合わせた新しいモデルを開発

✔ 特徴抽出・診断・パラメータ調整まで、すべて最適化された自動化プロセス

✔ 診断精度97.79%と非常に高い成果を出しており、今後のASD支援に役立つ可能性大

この研究は、AIの力でASDの診断をより早く、正確に行えるようにする未来型の支援技術として、大きな可能性を示しています。

ChatGPT Helps Students Feign ADHD: An Analogue Study on AI-Assisted Coaching​

この研究は、ChatGPTのようなAIが「ADHD（注意欠如・多動症）」のふりをする方法を学生に教える手段として使われ得ることを検証したものです。つまり、AIが悪用されることで、実際にはADHDではない人が診断をすり抜けるリスクがあることを示した、かなりインパクトのある内容です。

🧪 研究の内容​

研究は2つのステップで行われました：

  1. 学生がChatGPTに「どうすればADHDと診断されるか」を聞く質問を作成。
    • その質問を元に、ChatGPTが「ADHDを装うための情報シート（ガイド）」を作成。
    • 実際に学生がこれを読んで“演技”できるような内容になっていました。
  2. 110人の大学生を3つのグループに分け、ADHD診断テストを実施。
    • コントロール群（何も教わらない）
    • 症状だけを教えられた群（ADHDの特徴だけを学ぶ）
    • AIにコーチングされた群（ChatGPTが作ったガイドで練習）

📊 主な結果​

  • AIのガイドを使ったグループは、「症状を過剰に報告しすぎない」「わざと成績を悪くしすぎない」よう調整しながら演技する傾向が見られた。
  • その結果、「ウソを見抜く精度（検出感度）」が下がってしまった。
  • つまり、AIを使うことで、より本物っぽくADHDを装うことができたということ。

✅ 結論と注意点​

  • ChatGPTのようなAIは、診断を受ける人が「どう演技すれば疑われにくいか」を学ぶツールとして機能しうる。
  • これは、臨床現場でのADHD診断の信頼性を損なうリスクがあるという重大な問題。
  • 論文では、診断項目や評価方法の公開には慎重さが必要であると警告しています。

📝 かんたんまとめ​

✔ ChatGPTを使って「ADHDのふりをする方法」を学んだ学生は、診断でバレにくかった

✔ 症状の“演技”がリアルになり、検出が難しくなる

✔ 今後、診断の信頼性を守るためには、AI時代に対応した対策が必要

この研究は、AIの便利さと危険性の両面を突きつける重要な問題提起であり、医療や教育の現場でも考慮が求められる内容です。

A digital intervention package to teach rapport-building skills to caregivers of children with autism​

この研究は、自閉スペクトラム症（ASD）のある子どもの保護者が、遊びの中で「スキルの教え込み」ではなく「信頼関係（ラポール）づくり」を優先する関わり方を学べるようにするためのデジタル教材パッケージを開発・検証したものです。

🔍 背景と目的​

  • ASDのある子どもに対して、保護者が行動療法的なスキルを教える方法は多く研究されています。
  • しかし、「まずは子どもとの信頼関係を築く（ラポール形成）ことを重視する」指導法は、あまり研究されていませんでした。
  • この研究では、保護者がラポール形成を意識した遊び方を身につけられるかどうかを評価しました。

📦 介入内容（デジタル教材）​

  • 非同期型のオンライン教材（いつでも見られる動画＋クイズ＋自動フィードバック）
  • 同期型のビデオ通話によるフィードバック（講師からのリアルタイム指導）
  • 教材内容は、**「親子相互交流療法（Parent-Child Interaction Therapy）」**をベースに、言葉や遊びが苦手な子向けに調整されたもの。

🧪 実施と結果​

  • 対象：ASDの子どもを持つ保護者4名
  • 全員がラポール形成に役立つ関わりスキルの増加を示しました。
  • また、4組中3組で、子どもとの「双方向的な遊び」の頻度が増えたことが確認されました。
  • 保護者たちの満足度も高く、「役に立った」と評価。

✅ 結論と意義​

  • 信頼関係を重視した保護者トレーニングは、オンライン形式でも効果がある。
  • 特に、いつでも学べる非同期教材と、リアルタイムの指導を組み合わせることが効果的かつ効率的であることが示された。

📝 かんたんまとめ​

✔ ASDの子どもと遊ぶ時に、「教える」よりも「信頼関係をつくる」ことを学ぶ教材を開発

✔ オンライン教材＋ビデオ通話の組み合わせで、保護者のスキルが向上

✔ 子どもとの遊びも活発になり、保護者の満足度も高かった

この研究は、家庭の中で子どもとの関係を深めるための実用的な支援方法として、デジタル介入の可能性を示した貴重な取り組みです。

Frontiers | ADHD detection from EEG signals using GCN based on multi-domain features​

この研究は、子どものADHD（注意欠如・多動症）を脳波（EEG）から高精度で検出するための新しいAI手法を提案したものです。以下のような特徴があります。

🧠 研究の目的と背景​

  • ADHDは子どもに多い発達障害で、正確で早期な診断が重要です。
  • 従来の診断は主に行動観察やアンケートに頼っており、客観的な診断手法の開発が求められています。
  • EEG（脳波）を活用すれば、脳の活動を直接見ることができるため、より客観的な診断につながる可能性があります。

🤖 提案された方法のポイント​

  1. 脳波データを多角的に分析（3つの視点）：
    • 時間領域の特徴：LSTMというAIで、脳波の時間的な変化を捉える。
    • 周波数領域の特徴：CNNで、脳波の成分（どの周波数が強いか）を分析。
    • 脳のつながり（機能的接続性）：異なる脳領域間のやりとりを、PLI（位相同期）とCOH（信号の強度の一致）を使って表現。
  2. 上記の情報を1つの「グラフ構造（ネットワーク）」として扱い、GCN（グラフ畳み込みニューラルネット）というAIに学習させる。

📊 結果と意義​

  • 2つの脳波データセットで検証し、平均で96〜97%の高い正解率を達成。
  • 他のAIモデル（XGBoost、LightGBM、ランダムフォレストなど）よりも高精度でADHDを判別できた。
  • 可視化により、ADHDのある子どもと健常児の脳のつながり方の違いが明確に見えた。

✅ まとめ（かんたん解説）​

✔ ADHDを脳波から自動で高精度に検出するAI手法を開発

✔ 複数の視点（時間・周波数・脳のつながり）を組み合わせて分析

✔ AIによる分類精度は最大97%、他のモデルより優れていた

✔ 今後、医師の診断をサポートする技術としての活用が期待される

この研究は、脳波とAIを活用して、ADHDの診断をより客観的・迅速に行える可能性を示した最先端の取り組みです。将来的には、臨床現場での補助診断ツールとしての実装が期待されます。

Household Income, Maternal Allostatic Load During Pregnancy, and Offspring With Autism Spectrum Disorders​

この研究は、妊娠中の家庭の収入（世帯所得）と、子どもの自閉スペクトラム症（ASD）の診断リスクとの関係を調べたもので、日本全国の大規模な出生コホート「エコチル調査」のデータを使って分析されました。

🔍 研究の背景と目的​

  • これまでの研究では、「貧困などの社会的要因がASDのリスクと関係しているのではないか？」と指摘されてきました。
  • しかし、母親自身の自閉傾向（BAP：Broader Autism Phenotype）や、妊娠中の慢性的なストレス（生理的ストレス指標＝アロスタティック・ロード：AL）が影響している可能性もあり、その因果関係ははっきりしていません。

🧪 研究の方法​

  • 対象：日本全国の妊婦とその子ども 約6万人分のデータ（59,998組）
  • 分析項目：
    • 妊娠中の世帯年収（<400万円、400–600万円、600万円以上の3区分）
    • 子どものASD診断（4歳までの保護者申告）
    • 母親の自閉傾向（BAP）と**妊娠中の慢性ストレス（AL）**も考慮

📊 主な結果​

  • 年収が低いほど、子どもがASDと診断されるリスクが高い傾向が見られた。
    • 年収400万円未満の家庭では、600万円以上の家庭に比べて58%高いリスク
    • 年収400〜600万円の家庭では、37%高いリスク
  • 一方で、妊娠中のストレスの高さ（アロスタティック・ロード）は、この関係を説明する要因ではなかった。

✅ 結論と意義（かんたん解説）​

✔ 妊娠中の家庭の経済状況が、子どものASDリスクに関係している可能性がある

✔ ただし、母親のストレス状態や体の負担だけではこの関係は説明できなかった

✔ 今後は、経済的な背景そのものが、環境や育児リソースの差につながっているのかなど、さらなる研究が必要

📝 一言まとめ​

妊娠中の所得の差が、子どものASD発症リスクに影響している可能性があるが、その背景には単なるストレス以外の要因が関係していると考えられる。

この研究は、経済格差と発達障害との関係に注目し、支援政策を考える上で重要な知見を提供しています。