論文の概要: Metabolomic Biomarker Discovery for ADHD Diagnosis Using Interpretable Machine Learning

• arxiv url: http://arxiv.org/abs/2601.11283v1
• Date: Fri, 16 Jan 2026 13:33:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-19 20:21:50.504219
• Title: Metabolomic Biomarker Discovery for ADHD Diagnosis Using Interpretable Machine Learning
• Title（参考訳）: 解釈型機械学習を用いたADHD診断のためのメタボロジーバイオマーカー発見
• Authors: Nabil Belacel, Mohamed Rachid Boulassel,
• Abstract要約: 注意欠陥多動性障害(ADHD)は神経発達障害であり、客観的診断ツールが限られている。 尿中メタボロミクスと解釈可能な機械学習フレームワークを統合し,ADHDに関連する生化学的シグネチャを同定する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Attention Deficit Hyperactivity Disorder (ADHD) is a prevalent neurodevelopmental disorder with limited objective diagnostic tools, highlighting the urgent need for objective, biology-based diagnostic frameworks in precision psychiatry. We integrate urinary metabolomics with an interpretable machine learning framework to identify biochemical signatures associated with ADHD. Targeted metabolomic profiles from 52 ADHD and 46 control participants were analyzed using a Closest Resemblance (CR) classifier with embedded feature selection. The CR model outperformed Random Forest and K-Nearest Neighbor classifiers, achieving an AUC > 0.97 based on a reduced panel of 14 metabolites. These metabolites including dopamine 4-sulfate, N-acetylaspartylglutamic acid, and citrulline map to dopaminergic neurotransmission and amino acid metabolism pathways, offering mechanistic insight into ADHD pathophysiology. The CR classifier's transparent decision boundaries and low computational cost support integration into targeted metabolomic assays and future point of care diagnostic platforms. Overall, this work demonstrates a translational framework combining metabolomics and interpretable machine learning to advance objective, biologically informed diagnostic strategies for ADHD.
• Abstract（参考訳）: 注意欠陥多動性障害(ADHD)は、限られた客観的診断ツールを備えた神経発達障害であり、精密精神医学における客観的生物学に基づく診断フレームワークの緊急の必要性を強調している。 尿中メタボロミクスと解釈可能な機械学習フレームワークを統合し,ADHDに関連する生化学的シグネチャを同定する。 ADHD52名とコントロール参加者46名を対象に,包括的特徴選択を用いたCR分類器を用いてメタボロームプロファイルを解析した。 CRモデルはRandom ForestとK-Nearest Neighborの分類器を上回り、14の代謝産物の還元パネルに基づいてAUC > 0.97を達成した。 ドーパミン4-硫酸、N-アセチルアセチアルグルタミン酸、シトルリンマップなどの代謝物は、ドーパミン作動性神経伝達経路およびアミノ酸代謝経路にマッピングされ、ADHDの病態に関する力学的知見を提供する。 CR分類器の透明な決定境界と低計算コストサポートを対象代謝測定法と将来のケア診断プラットフォームに統合する。 本研究は, メタボロミクスと解釈可能な機械学習を組み合わせた翻訳フレームワークを用いて, ADHDの客観的, 生物学的な診断戦略を推し進めるものである。

関連論文リスト

• R-GenIMA: Integrating Neuroimaging and Genetics with Interpretable Multimodal AI for Alzheimer's Disease Progression [63.97617759805451]
  アルツハイマー病の早期発見には、マクロスケールの神経解剖学的変化とマイクロスケールの遺伝的感受性を統合できるモデルが必要である。 本稿では,新しいROIワイド・ビジョン・トランスフォーマと遺伝的プロンプトを結合した多モード多言語モデルR-GenIMAを紹介する。 R-GenIMAは、通常の認知、主観記憶、軽度認知障害、ADの4方向分類において最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-12-22T02:54:10Z)
• Interpretable Neuropsychiatric Diagnosis via Concept-Guided Graph Neural Networks [56.75602443936853]
  青少年の5人に1人は、不安、うつ病、行動障害などの精神状態または行動の健康状態と診断されている。 従来の研究では、障害予測にグラフニューラルネットワーク(GNN)アプローチを使用していたが、ブラックボックスのままであり、信頼性と臨床翻訳を制限している。 本研究では,解釈可能な機能接続の概念を符号化する概念に基づく診断フレームワークを提案する。 我々の設計は臨床的に意味のある接続パターンを通じて予測を保証し、解釈可能性と強い予測性能の両方を可能にする。
  論文  参考訳（メタデータ） (2025-10-02T19:38:46Z)
• ADHDeepNet From Raw EEG to Diagnosis: Improving ADHD Diagnosis through Temporal-Spatial Processing, Adaptive Attention Mechanisms, and Explainability in Raw EEG Signals [0.5408890608048686]
  注意欠陥多動性障害(ADHD)は、成人まで持続できる小児の脳障害である。 本稿では,Deep Learning(DL)アプローチとElectroencephalogram(EEG)信号を活用することで,ADHDの診断精度とタイムラインを改善する新しい手法を提案する。 本稿では,脳波信号に最適化された時間空間特性,アテンションモジュール,説明可能性技術を利用したDLモデルであるADHDeepNetを紹介する。
  論文  参考訳（メタデータ） (2025-09-10T17:07:00Z)
• RadFabric: Agentic AI System with Reasoning Capability for Radiology [61.25593938175618]
  RadFabricは、総合的なCXR解釈のための視覚的およびテキスト分析を統合するマルチエージェント、マルチモーダル推論フレームワークである。 システムは、病理診断に特殊なCXRエージェント、正確な解剖学的構造に視覚所見をマッピングする解剖学的解釈エージェント、および視覚的、解剖学的、臨床データを透明かつ証拠に基づく診断に合成する大規模なマルチモーダル推論モデルを利用した推論エージェントを使用する。
  論文  参考訳（メタデータ） (2025-06-17T03:10:33Z)
• Classification of ADHD and Healthy Children Using EEG Based Multi-Band Spatial Features Enhancement [1.5236380958983642]
  ベンチマークデータセットから脳波データを用いてADHDと健常児を分類する手法を提案する。 脳波信号は、高時間分解能と神経力学を捉える能力により、非侵襲的で効率的なADHD検出ツールとして登場した。
  論文  参考訳（メタデータ） (2025-04-07T01:19:14Z)
• An ADHD Diagnostic Interface Based on EEG Spectrograms and Deep Learning Techniques [7.43546591259295]
  本稿では,脳波(EEG)信号に対する深層学習(DL)技術を用いた注意欠陥・高活動障害(ADHD)診断への革新的アプローチを提案する。 公開されているEEGデータセットを活用して信号をスペクトログラムに変換することで、ADHD分類のための特徴抽出にResnet-18畳み込みニューラルネットワーク(CNN)アーキテクチャを使用した。 モデルでは高い精度、リコール、F1総合スコアは0.9。
  論文  参考訳（メタデータ） (2024-12-03T18:59:35Z)
• Refining ADHD diagnosis with EEG: The impact of preprocessing and temporal segmentation on classification accuracy [41.94295877935867]
  本研究は,脳波によるADHD診断の信頼性向上における前処理とセグメンテーションの重要性を強調した。 後の脳波セグメントで訓練されたモデルは、ADHDを識別する際の認知疲労の潜在的な役割を示唆し、かなり高い精度を実現した。
  論文  参考訳（メタデータ） (2024-07-11T09:07:22Z)
• Skeleton-based action analysis for ADHD diagnosis [10.393047508477173]
  骨格に基づく行動認識フレームワークを用いた新しいADHD診断システムを提案する。 従来の手法と比較して,提案手法はコスト効率と大幅な性能向上を示す。 本手法はマススクリーニングに広く応用されている。
  論文  参考訳（メタデータ） (2023-04-14T13:07:27Z)
• Characterizing TMS-EEG perturbation indexes using signal energy: initial study on Alzheimer's Disease classification [48.42347515853289]
  経頭蓋磁気刺激(TMS)と脳波記録(TMS-EEG)を組み合わせることで、脳、特にアルツハイマー病(AD)の研究に大きな可能性を示す。 本研究では,脳機能の変化を反映した電位指標として,脳波信号のTMS誘発摂動の持続時間を自動的に決定する手法を提案する。
  論文  参考訳（メタデータ） (2022-04-29T19:27:06Z)

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。