音声感情表現にもとづくレビー小体型認知症と
アルツハイマーの鑑別
レビー小体型認知症患者特有の音声による感情表出の低下と脳萎縮との関連、その鑑別指標としての有用性を示した論文です。
Vocal expression of emotions discriminates dementia with Lewy bodies from Alzheimer’s disease
要 旨
レビー小体型認知症（DLB）における音声感情表現はアルツハイマー病（AD）と区別可能である。
レビー小体型認知症（DLB）とアルツハイマー病（AD）は、最も一般的な2つの神経変性性認知症であり、どちらも感情処理の変化を示しました。しかし、DLBとADにおける音声感情表現の変化やその違いについては、これまで研究されていませんでした。本研究では、DLB、AD、認知機能が正常な（CU）高齢者152名を対象に、物語朗読時の音声データを収集し、感情のプロソディ（音声の抑揚）を「感情価（valence）」と「覚醒度（arousal）」の観点から比較した。その結果、DLB患者はADおよびCU群と比較して、全体的な感情表現の低下、感情価の低下（よりネガティブな表現）、および覚醒度の低下（より穏やかな表現）を示し、その程度は認知機能の低下および島皮質の萎縮と関連していました。また、音声特徴を用いた分類モデルにより、DLBはADおよびCUとそれぞれAUC 0.83および0.78の精度で識別可能でした。本研究の結果は、DLB患者をADやCU群と識別するための指標として有用であり、DLBにおける臨床的および神経病理学的変化の代替マーカーとしての可能性を示唆します。
ハイライトDLBでは、音声感情表現が顕著に低下していました。DLBにおける認知機能の低下は、音声感情表現の低下と関連していました。島皮質の萎縮は、DLBにおける音声感情表現の低下と関連していた。感情表現の測定により、DLBはADや健常者と効果的に区別できました。
大規模言語モデルによる正確な鑑別診断に向けて
大規模言語モデル(AMIE)が臨床医の鑑別診断の精度と包括性を向上させる可能性を示した論文です。
Towards accurate differential diagnosis with large language models
要 旨
包括的な鑑別診断は、医療における基盤であり、臨床歴や身体診察、検査、処置などを統合的に解釈する反復的なプロセスを通じて導かれることが多いです。大規模言語モデル（LLM）を活用した対話型インターフェースは、このプロセスの一部を支援・自動化する新たな可能性をもたらしています。本研究では、診断推論に特化して最適化された大規模言語モデル「Articulate Medical Intelligence Explorer（AMIE）」をご紹介し、AMIEが単独または臨床医の支援として鑑別診断を生成する能力を評価しました。
20人の臨床医が、既存の症例報告から抽出された302件の難解な実臨床症例を評価しました。各症例は2人の臨床医が読み、次のいずれかの支援条件にランダムに割り当てられました：（1）検索エンジンおよび標準的な医療リソースによる支援、（2）これらに加えてAMIEによる支援です。すべての臨床医は、それぞれの支援ツールを使用する前に、無支援の状態でのベースラインの鑑別診断を提示しました。
AMIE単独でのパフォーマンスは、無支援の臨床医による診断を上回っていました（トップ10診断精度：59.1% 対 33.6%、P = 0.04）。2つの支援群を比較したところ、AMIEの支援を受けた臨床医の方が、AMIEなしで支援を受けた臨床医よりも鑑別診断の質スコアが高い結果となりました（トップ10診断精度：51.7% 対 36.1%、McNemar検定：45.7、P ＜ 0.01）。また、検索支援のみの臨床医と比較しても、AMIE支援群の方が高スコアでした（44.4%、McNemar検定：4.75、P = 0.03）。さらに、AMIEの支援を受けた臨床医は、より包括的な鑑別診断リストを作成する傾向が見られました。
本研究は、AMIEが難解な症例における臨床医の診断推論能力および診断精度の向上に寄与する可能性を示しており、今後は医師の診断支援や専門的知見への患者アクセスの拡大を実現するツールとして、実臨床でのさらなる評価が期待されます。