論文の概要: A Machine Learning-Based Framework to Shorten the Questionnaire for Assessing Autism Intervention

• arxiv url: http://arxiv.org/abs/2510.26808v1
• Date: Wed, 22 Oct 2025 20:26:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-09 16:58:40.013803
• Title: A Machine Learning-Based Framework to Shorten the Questionnaire for Assessing Autism Intervention
• Title（参考訳）: 自閉症予防のためのアンケート調査を短縮する機械学習ベースのフレームワーク
• Authors: Audrey Dong, Claire Xu, Samuel R. Guo, Kevin Yang, Xue-Jun Kong,
• Abstract要約: 本研究では,評価の精度を維持しつつ,評価の短縮を図る,一般化可能な機械学習フレームワークを提案する。 進捗監視では,全スコア変化と全サブドメインカバレッジとの強い相関を保った16項目を特定した。 ポイント・イン・タイムの重大度評価では,13項目のみを用いて80%以上の分類精度を達成した。
• 参考スコア（独自算出の注目度）: 6.233625142245272
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Caregivers of individuals with autism spectrum disorder (ASD) often find the 77-item Autism Treatment Evaluation Checklist (ATEC) burdensome, limiting its use for routine monitoring. This study introduces a generalizable machine learning framework that seeks to shorten assessments while maintaining evaluative accuracy. Using longitudinal ATEC data from 60 autistic children receiving therapy, we applied feature selection and cross-validation techniques to identify the most predictive items across two assessment goals: longitudinal therapy tracking and point-in-time severity estimation. For progress monitoring, the framework identified 16 items (21% of the original questionnaire) that retained strong correlation with total score change and full subdomain coverage. We also generated smaller subsets (1-7 items) for efficient approximations. For point-in-time severity assessment, our model achieved over 80% classification accuracy using just 13 items (17% of the original set). While demonstrated on ATEC, the methodology-based on subset optimization, model interpretability, and statistical rigor-is broadly applicable to other high-dimensional psychometric tools. The resulting framework could potentially enable more accessible, frequent, and scalable assessments and offer a data-driven approach for AI-supported interventions across neurodevelopmental and psychiatric contexts.
• Abstract（参考訳）: 自閉症スペクトラム障害(ASD)を持つ人の介護者は、77項目の自閉症治療評価チェックリスト(ATEC)が重荷になり、定期的な監視に使用が制限されることが多い。 本研究では,評価の精度を維持しつつ,評価の短縮を図る,一般化可能な機械学習フレームワークを提案する。 治療を受けた60人の自閉症児の縦断的ATECデータを用いて,2つの評価目標(縦断的治療追跡とポイント・イン・タイム重症度推定)の最も予測性の高い項目を特定するために,特徴選択とクロス・バリデーション手法を適用した。 進捗モニタリングでは,全スコア変化と全サブドメインカバレッジとの強い相関を保った16項目(21%)を特定した。 また、効率的な近似のために、より小さなサブセット(1-7項目)も生成した。 ポイント・イン・タイムの重大度評価では,13項目(17%)のみを用いて80%以上の分類精度を達成した。 ATECで実証されているように、サブセット最適化、モデル解釈可能性、統計的厳密性に基づく方法論は他の高次元心理測定ツールにも広く適用可能である。 結果として得られるフレームワークは、よりアクセシブルで頻繁でスケーラブルな評価を可能にし、神経発達と精神医学のコンテキストを越えてAIが支援する介入に対してデータ駆動のアプローチを提供する可能性がある。

関連論文リスト

• A Dual-Use Framework for Clinical Gait Analysis: Attention-Based Sensor Optimization and Automated Dataset Auditing [0.0]
  本稿では,センサと自動データ監査器の両方として機能するマルチストリームアテンションに基づくディープラーニングフレームワークを提案する。 Voisard et al. (2025) によるマルチコホート歩行データセットの適用により、モデルの注意機構は、深刻なデータセットの衝突を定量的に検出した。
  論文  参考訳（メタデータ） (2025-11-03T20:29:03Z)
• An Explainable Hybrid AI Framework for Enhanced Tuberculosis and Symptom Detection [55.35661671061754]
  結核は、特に資源に制限された遠隔地において、重要な世界的な健康問題である。 本稿では, 胸部X線による疾患および症状の検出を, 2つの頭部と自己監督頭部を統合することで促進する枠組みを提案する。 本モデルでは, 新型コロナウイルス, 結核, 正常症例の鑑別で98.85%の精度が得られ, マルチラベル症状検出では90.09%のマクロF1スコアが得られた。
  論文  参考訳（メタデータ） (2025-10-21T17:18:55Z)
• Improving Interpretability in Alzheimer's Prediction via Joint Learning of ADAS-Cog Scores [1.1689657956099038]
  我々は,グローバルADAS-Cogスコアとそのサブスコアを24ヶ月で共同で予測するマルチタスク学習(MTL)フレームワークを提案する。 主な目的は、MRI機能に関連する各サブスコアが、グローバルスコアの予測にどのように貢献するかを検討することである。 サブスコアレベル分析では、特にQ1(Word Recall)、Q4(Delayed Recall)、Q8(Word Recognition)の小さなサブセットが、予測されたグローバルスコアを一貫して支配していることが明らかになった。
  論文  参考訳（メタデータ） (2025-08-25T02:56:11Z)
• Medical Reasoning in the Era of LLMs: A Systematic Review of Enhancement Techniques and Applications [59.721265428780946]
  医学における大きな言語モデル(LLM)は印象的な能力を実現しているが、体系的で透明で検証可能な推論を行う能力に重大なギャップが残っている。 本稿は、この新興分野に関する最初の体系的なレビューを提供する。 本稿では,学習時間戦略とテスト時間メカニズムに分類した推論強化手法の分類法を提案する。
  論文  参考訳（メタデータ） (2025-08-01T14:41:31Z)
• Attend-and-Refine: Interactive keypoint estimation and quantitative cervical vertebrae analysis for bone age assessment [32.52024944963992]
  小児矯正学では、効果的な治療戦略を開発するためには、成長電位の正確な推定が不可欠である。 本研究は, 成長ピークを同定し, 側頭頂部X線写真のみで頚椎形態を解析することによって, この可能性を予測することを目的とする。 我々は,アノテーションプロセスの合理化を目的としたユーザ対話型深層学習モデルARNetを紹介する。
  論文  参考訳（メタデータ） (2025-07-10T11:52:20Z)
• MoodAngels: A Retrieval-augmented Multi-agent Framework for Psychiatry Diagnosis [58.67342568632529]
  MoodAngelsは、気分障害の診断のための最初の特殊なマルチエージェントフレームワークである。 MoodSynは、合成精神医学の1,173件のオープンソースデータセットである。
  論文  参考訳（メタデータ） (2025-06-04T09:18:25Z)
• Predicting Treatment Response in Body Dysmorphic Disorder with Interpretable Machine Learning [0.4604003661048266]
  身体異形性障害(Body Dysmorphic Disorder, BDD)は、頻繁に診断される疾患である。 我々は、治療結果を予測するために複数の機械学習アプローチを採用している。 治療の信頼性は最も強力な予測因子として浮上した。
  論文  参考訳（メタデータ） (2025-03-13T17:39:10Z)
• Quantifying the Reasoning Abilities of LLMs on Real-world Clinical Cases [48.87360916431396]
  MedR-Benchは1,453例の構造化患者のベンチマークデータセットで、推論基準を付した注釈付きである。 本稿では,3つの批判的診察勧告,診断決定,治療計画を含む枠組みを提案し,患者のケアジャーニー全体をシミュレートする。 このベンチマークを用いて、DeepSeek-R1、OpenAI-o3-mini、Gemini-2.0-Flash Thinkingなど、最先端の5つのLCMを評価した。
  論文  参考訳（メタデータ） (2025-03-06T18:35:39Z)
• Federated Anomaly Detection for Early-Stage Diagnosis of Autism Spectrum Disorders using Serious Game Data [0.0]
  本研究では,AutoEncoder-based Machine Learning (ML) 手法を用いて,ASD検出のための新しい半教師付きアプローチを提案する。 この目的に特化して設計された真剣なゲームを通じて手作業で収集したデータを利用する。 ゲーミフィケーションされたアプリケーションによって収集されたセンシティブなデータは、プライバシー漏洩の影響を受けやすいため、フェデレートラーニングフレームワークを開発した。
  論文  参考訳（メタデータ） (2024-10-25T23:00:12Z)
• Exploring linguistic feature and model combination for speech recognition based automatic AD detection [61.91708957996086]
  音声ベースの自動ADスクリーニングシステムは、他の臨床スクリーニング技術に代わる非侵襲的でスケーラブルな代替手段を提供する。 専門的なデータの収集は、そのようなシステムを開発する際に、モデル選択と特徴学習の両方に不確実性をもたらす。 本稿では,BERT と Roberta の事前学習したテキストエンコーダのドメイン微調整の堅牢性向上のための特徴とモデルの組み合わせ手法について検討する。
  論文  参考訳（メタデータ） (2022-06-28T05:09:01Z)
• Interpretable Off-Policy Evaluation in Reinforcement Learning by Highlighting Influential Transitions [48.91284724066349]
  強化学習におけるオフ政治評価は、医療や教育などの領域における将来の成果を改善するために観察データを使用する機会を提供する。 信頼区間のような従来の尺度は、ノイズ、限られたデータ、不確実性のために不十分である可能性がある。 我々は,人間専門家が政策評価評価評価の妥当性を分析できるように,ハイブリッドAIシステムとして機能する手法を開発した。
  論文  参考訳（メタデータ） (2020-02-10T00:26:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。