メインコンテンツまでスキップ

自閉症の診断を助けるAIは、どこまで人の判断を補えるか

· 約15分
Tomohiro Hiratsuka
CEO of Easpe, Inc

11月20日に公開された研究から、自閉症の診断支援を目指す二つのAI研究と、自閉症のある人が職場で感じる価値や支援に関する研究を紹介します。家庭動画の研究では、AIが読み取りにくい場面に人の注釈を加えると、このデータセットでの判別性能が改善しました。一方、脳波AIのレビューは高い報告値の裏にあるデータの重複や外部検証の不足を示しています。就労研究は、能力が認められる経験や日々の社会的支援と、心理的な状態との関連を描きました。

学術研究関連アップデート

Balancing Human and AI Features for Digital Autism Diagnostics from Home Videos: Human-In-The-Loop Machine Learning Study​

家庭動画から自閉症の特徴を捉えるAIに、人の観察をどう組み合わせるか

AIが判断しにくい映像に注釈を加え、100本の動画で判別性能を比較​

2026年11月20日に『JMIR AI』で発表された研究です。家庭で撮影した子どもの動画から表情や視線に関する特徴を取り出す際、AIが自信を持てない場面に人の注釈を入れる方法を検討しました。限られた動画では判別性能の改善が見られましたが、この結果だけで家庭動画による診断が可能になったわけではありません。

背景​

自閉症の評価には専門家による発達歴の聞き取りや行動観察が必要です。専門家に相談するまでの待ち時間や地域差を減らすため、身近な動画を使う技術が研究されています。ただし、家庭の映像では顔の向きや照明が変わり、AIが表情や視線を十分に読み取れないことがあります。機械が出した特徴をそのまま使うと、判別モデルに不確かな情報が入り込みます。

研究の目的​

研究チームは、AIによる表情の特徴抽出で確信度が低い、または判定できない場面を人の注釈に置き換えたとき、動画からの自閉症判別がどう変わるかを調べました。また、置き換える基準を変えた場合に、人の作業量とモデルの成績がどう関係するかも検討しました。

研究方法​

子ども向けデジタル療法アプリ「GuessWhat?」の家庭動画から、画質などの条件を満たす100本を選びました。自閉症のある子どもの動画50本と、定型発達の子どもの動画50本です。表情の7分類と視線に関する特徴をAIで抽出し、表情推定の確信度が一定より低いフレームなどを、訓練・審査を受けた作業者の注釈に置き換えました。複数の確信度基準で感度、特異度、F1スコア、AUROCを評価し、5分割交差検証を用いました。

主な結果1:人の注釈を加えたモデルで判別性能が上がった​

AIだけで特徴を抽出したモデルの集計AUROCは0.54、人の注釈を組み合わせたモデルでは0.76でした。AUROCは、対象を二群にどれほど分けられるかを示す指標で、1に近いほど良い値です。確信度の基準を0.9に設定した条件では、評価した1,000フレームのうち597フレーム、約6割が人の注釈に置き換えられました。感度の平均値は、基準0.1で0.51、基準0.9で0.66でした。改善は基準を上げるほど単調に増えたわけではありません。

主な結果2:自動化と人の作業には交換条件がある​

人の観察を増やせば、AIの苦手な映像を補える可能性があります。その一方、基準0.9では多くのフレームを人が扱うため、規模を広げたときの時間や費用、注釈の一貫性が課題になります。研究は「完全自動の診断」よりも、機械が不確かな部分を検出して人に引き継ぐ設計を具体的に示しています。

実践への示唆​

動画を診断支援に使うなら、AIの出力に確信度を添え、判断が難しい場面を見直せる仕組みが重要です。家庭や支援現場で撮られた映像は、専門家への相談を助ける資料にはなり得ますが、発達歴や生活場面を含む総合的な評価に置き換えるものではありません。

注意点・限界​

対象は画質を満たす100本の動画に限られ、自閉症のある子どもと定型発達の子どもが半数ずつという構成です。自閉症の判定には保護者の報告と臨床家の確認が使われましたが、この動画集団に対して標準化された診断面接・観察検査を新たに実施したわけではありません。研究者自身も探索的な概念実証と位置づけており、人の注釈だけの独立した因果効果や、実際の診療に使える診断精度は示していません。

この論文を一言で言うと​

家庭動画の解析でAIが迷う場面を人の注釈で補うと、この小規模データでは自閉症の判別性能が改善しました。

まとめ​

AIの弱い部分を人の観察で補う設計には可能性があります。次に必要なのは、さまざまな家庭環境や子どもを含む独立した集団で成績を確かめ、専門家の評価をどう安全に支援するかを検証することです。

Evaluating the performance of deep learning models in diagnosing autism spectrum disorder using electroencephalography: a systematic review and meta-analysis​

脳波を読むAIの「高い診断精度」は、そのまま臨床で使える精度か

34研究を整理し、外部検証とデータ分割の問題を検討​

2026年11月20日に公開された系統的レビューとメタ分析です。自閉症のある人とそうでない人の脳波を深層学習で分類した研究をまとめ、高い判別成績が報告されている一方、その数字を新しい患者の診断にそのまま当てはめられない理由を整理しました。

背景​

脳波は電極を使って脳の電気活動を記録する方法で、身体への負担が比較的小さい検査です。波形の複雑な特徴を深層学習で捉え、自閉症の評価を補おうとする研究が増えています。しかし、研究ごとに電極の配置、記録条件、対象者、AIの設計が異なります。特に、同じ人の脳波から切り出した複数の短い区間を学習用と評価用の両方に入れると、未知の人に対する成績を過大評価しかねません。

研究の目的​

研究チームは、脳波と深層学習を使う自閉症判別研究の感度・特異度を統合し、研究方法や検証方法の違い、臨床で使う前に残る課題を調べました。

レビューの対象と方法​

PubMed、Scopus、Web of Scienceを2024年6月27日まで検索し、2018〜2024年に発表された34研究を系統的レビューに、必要なデータを得られた15研究をメタ分析に含めました。自閉症のある人と比較群を脳波の深層学習モデルで分類した研究を対象とし、診断精度研究のバイアス評価ツールQUADAS-2で質を点検しました。加えて、同一参加者の記録が学習用と評価用にまたがらない分割になっているかを調べました。

主な結果1:統合した感度と特異度は高かった​

15研究の統合値は、感度0.94(95%信頼区間0.92〜0.96)、特異度0.87(同0.83〜0.90)でした。感度は自閉症のある人を陽性と判定する割合、特異度は比較群を陰性と判定する割合を意味します。ただし、研究間の違いは大きく、この数値が地域の診療所で初めて評価を受ける子どもにも再現されるとは限りません。

主な結果2:検証の独立性が十分に示されていなかった​

多くの研究では、参加者単位で学習用と評価用を完全に分けたことが不明瞭でした。脳波を細かく分けてデータを増やす方法では、同じ人に由来する特徴をAIが覚えてしまう危険があります。複数の研究が同じ公開データセットを再利用していたことも、独立した証拠が増えたように見せる要因です。独立した外部集団での検証を明確に行った研究はなく、既存の診断方法と直接比較した証拠も不足していました。

実践への示唆​

脳波AIを評価するときは、報告された正解率だけでなく、誰を対象にしたか、学習に使わなかった人で試したか、別の施設でも再現したかを見る必要があります。現段階では、脳波AIは研究段階の診断支援候補として捉え、発達歴や行動観察を含む臨床判断を補う可能性を検討するのが適切です。

注意点・限界​

レビュー自体も英語論文と三つのデータベースに対象を限りました。採用研究は小規模で、脳波の取り方やモデルが多様です。質の評価に使ったQUADAS-2は、AI特有のデータ漏れやモデル開発上の問題を十分に扱いきれない可能性があります。統合値を単一の検査法の確立した性能として扱うことはできません。

この論文を一言で言うと​

脳波AIの自閉症判別では高い成績が報告されていますが、独立した人や施設で通用するかはまだ分かりません。

まとめ​

このレビューが示した重要な点は、良い数値と臨床で使える道具の間には検証の段階があることです。参加者単位の厳密なデータ分割、統一した測定条件、大規模な外部検証が次の課題になります。

The value of finding your value: associations among autistic employee experiences of identity and well-being​

自閉症のある人が職場で能力を認められる経験と、日々の心身の状態

米国の就労者55人を対象に、職場での支援と疲労・気分の関係を追う​

2026年11月20日に『Frontiers in Psychology』に発表された研究です。自閉症のある就労者が、自分の能力を周囲に評価されていると感じることや、日々の人間関係から支援を感じることが、ストレスや疲労、仕事中の気分とどう結びつくかを調べました。

背景​

自閉症のある人の就労を考える際、採用や配慮の制度だけでなく、働き始めた後の日々の経験も重要です。能力を認められるか、困りごとを話しやすいか、周囲とのやり取りに安心感があるかは、仕事中の負担に関係するかもしれません。反対に、自分の特性を隠したり調整したりするために大きな労力を使うと、疲労につながる可能性があります。

研究の目的と方法​

米国で働く成人55人をオンラインで募集しました。参加者には自閉症の診断を受けた人、診断過程にある人、自身を自閉症スペクトラムにあると捉える人が含まれます。まず、職場で能力を評価されている感覚、友人や家族からの支援、ストレスや抑うつ症状などを質問しました。続いて8日間の調査のうち連続する5勤務日の回答を使い、仕事中の直近2時間に感じた支援、特性を管理する労力、気分や疲労を分析しました。同じ人の中で日によって変わる関係と、人と人の間の違いを分けて調べています。

主な結果1:能力を評価される感覚と、良い心理状態が関連した​

職場で自分の能力が評価されていると感じる人ほど、調査時点のストレス、不安、抑うつ症状や、仕事中の認知的な妨げが少ない傾向がありました。日々の回答でも、能力を評価される感覚は、より良い気分、活力、少ない否定的感情と関連しました。自閉症に職場での強みがあると捉えることも、良い気分と活力に関連しました。ただし、すべての心理指標と同じように関連したわけではありません。

主な結果2:支援を感じた日は負担が小さかった​

同じ人の中で比較すると、社会的支援をより強く感じた日は、良い気分や活力が高く、否定的感情、疲労、仕事への妨げが少ない傾向がありました。自閉症に関わる振る舞いや情報開示を管理するための労力も小さく、その労力の小ささを介して心理状態が良いという統計的な関連が示されました。これは支援が原因だと証明するものではありませんが、働く日の経験が一人の中でも変わることを示しています。

実践への示唆​

職場では、本人の能力や貢献を具体的に認め、困りごとや配慮について安心して話せる関係を育てることが考えられます。研究で、障害という言葉を自分に当てはめない人の心理状態が良いという関連も見られましたが、そこから障害の開示や合理的配慮を避けるべきだとは言えません。本人が必要な支援を選べることと、能力を認められることは両立できます。

注意点・限界​

対象は米国のオンライン調査に応じた55人で、診断状況や併存する状態も一様ではありません。結果をすべての自閉症のある就労者に広げるには慎重さが必要です。短い質問票による自己報告であり、その日の「支援」には職場外の人との連絡が含まれた可能性もあります。支援が心理状態を改善したのか、調子の良い日に支援を感じやすかったのかは、この研究だけでは決められません。

この論文を一言で言うと​

自閉症のある就労者が能力を認められ、日々の支援を感じることは、より良い気分や少ない疲労と関連しました。

まとめ​

就労支援は職を得るまでで終わりません。本人が自分の力を発揮でき、毎日のやり取りの中で支援を感じられる環境をどう作るかが、今後の介入研究にもつながる課題です。

関連記事