カラー描画が深層学習を通じて慢性的な統合失調症患者の臨床症状を予測する

背景：精神障害を持つ個人は世界を異なって知覚します。先行研究は、精神病患者における色覚障害および色の識別能力の低下を示しています。精神病患者の絵を検証することは、視覚運動機能を測定することができます。しかし、これらの個人におけるカラー描画行動の潜在的な変化を調査した研究は少ないです。本研究は、統合失調症患者を健康な対照群（HC）から区別し、彼らの描画に基づいて統合失調症患者のPANSSスコアを予測することを目的としています。方法：本研究では、281人の慢性統合失調症患者と35人のHCが描いた絵を遡及的に分析しました。画像はスキャンされ、一連の計算解析を用いて処理されました。結果：結果は、統合失調症患者がHCと比較して色を少なく使用し、異なるストロークを示す傾向があることを示しました。深層学習残差ニューラルネットワーク（ResNet）を使用することで、90％以上の精度で患者とHCを区別することができました。さらに、PANSS陽性、陰性、一般精神病理学、および合計スコアを予測するための新しい畳み込みニューラルネットワークを開発しました。予測の二乗平均平方根誤差（RMSE）は低く、高い予測精度を示しています。結論：結論として、深層学習の枠組みはカラー描画に基づいて統合失調症患者をHCから区別する大きな可能性を示しました。さらに、このカラー描画に基づく枠組みは、慢性統合失調症患者の臨床症状の重症度を効果的に予測できます。統合失調症患者の色の描画は、臨床診断および予後のツールとしての可能性を示しています。これらの発見は、統合失調症患者における臨床診断および予後のツールとしての可能性を示しています。