論文の概要: A systematic review of machine learning techniques to address diagnosis and treatment of autism: challenges and opportunities
- arxiv url: http://arxiv.org/abs/2608.18188v1
- Date: Tue, 18 Aug 2026 11:27:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-20 20:13:55.175174
- Title: A systematic review of machine learning techniques to address diagnosis and treatment of autism: challenges and opportunities
- Title（参考訳）: 自閉症の診断・治療のための機械学習技術の体系的レビュー--課題と機会
- Abstract要約: 本研究は,自閉症スペクトラム障害(ASD)に対する機械学習(ML)技術の応用に関する55の研究を体系的に評価する。
レビューでは重要な課題と機会、特に複雑なデータを統合可能なモデルの必要性を強調している。
現在の課題に対処するためには、学際的なコラボレーションと、ASDに適したデータセットの拡張が必要だ、とFindings氏は強調する。
- 参考スコア（独自算出の注目度）: 0.6524460254566904
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Autism spectrum disorder (ASD) is a developmental disability characterized by challenges in social interaction and communication. As the causes of ASD remain unclear, identifying relevant features and hidden correlations is crucial for early diagnosis. This systematic review evaluates 55 studies from 2017 to 2023 on the application of machine learning (ML) techniques to ASD. The primary objective is to examine recent ML applications in ASD research, identifying trends, techniques, and datasets that enhance diagnosis and treatment. Supervised learning methods dominate, as they align well with ASD diagnostic needs; however, the role of deep learning is expanding with greater data availability. Emerging techniques based on hybrid methods, where unsupervised, deep learning, and fuzzy logic could be included, will be interesting to observe in the future. The review highlights key challenges and opportunities, particularly the need for models that can integrate complex data -such as genetic and clinical information- to improve diagnostic accuracy and treatment outcomes. Additionally, incorporating innovative data sources, like wearable devices and biometric sensors, could enable continuous and non-intrusive monitoring, providing a more holistic understanding of ASD. Findings emphasize that addressing current challenges requires interdisciplinary collaboration and expanded datasets tailored to ASD. Future ML models will benefit from broader multimodal data integration, enabling researchers to more comprehensively address the complexities of ASD.
- Abstract（参考訳）: 自閉症スペクトラム障害(Autism spectrum disorder、ASD)は、社会的相互作用とコミュニケーションの課題を特徴とする発達障害である。
ASDの原因はいまだ不明であるため、早期診断には関連する特徴と隠れた相関が不可欠である。
この体系的なレビューでは、2017年から2023年までの55の研究を、機械学習(ML)技術のASDへの適用について評価している。
主な目的は、ASD研究における最近のML応用を調べ、診断と治療を強化するトレンド、テクニック、データセットを特定することである。
しかし、深層学習の役割は、データ可用性の向上とともに拡大している。
教師なし、深層学習、ファジィ論理を含むハイブリッド手法に基づく新興技術は、将来観察されるであろう。
このレビューは重要な課題と機会、特に、診断精度と治療結果を改善するために複雑なデータ(遺伝情報や臨床情報など)を統合するモデルの必要性を強調している。
さらに、ウェアラブルデバイスやバイオメトリックセンサーのような革新的なデータソースを組み込むことで、継続的かつ非侵襲的なモニタリングが可能になり、ASDをより包括的に理解できるようになる。
現在の課題に対処するためには、学際的なコラボレーションと、ASDに適したデータセットの拡張が必要だ、とFindings氏は強調する。
将来のMLモデルは、より広範なマルチモーダルデータ統合の恩恵を受けるだろう。
関連論文リスト
- End-to-End Agentic RAG System Training for Traceable Diagnostic Reasoning [52.12425911708585]
Deep-DxSearchは、強化学習(RL)でエンドツーエンドに訓練されたエージェントRAGシステムである。
Deep-DxSearchでは,患者記録と信頼性のある医療知識情報を含む大規模医療検索コーパスを構築した。
実験により、エンドツーエンドのRLトレーニングフレームワークは、プロンプトエンジニアリングやトレーニングフリーなRAGアプローチよりも一貫して優れています。
論文 参考訳（メタデータ） (2025-08-21T17:42:47Z) - A Comprehensive Review of Datasets for Clinical Mental Health AI Systems [55.67299586253951]
本稿では,AIを活用した臨床アシスタントの訓練・開発に関連する臨床精神保健データセットの総合的調査を行う。
本調査では, 縦断データの欠如, 文化・言語表現の制限, 一貫性のない収集・注釈基準, 合成データのモダリティの欠如など, 重要なギャップを明らかにした。
論文 参考訳（メタデータ） (2025-08-13T13:42:35Z) - Anomaly Detection and Generation with Diffusion Models: A Survey [51.61574868316922]
異常検出(AD)は、サイバーセキュリティ、金融、医療、工業製造など、さまざまな分野において重要な役割を担っている。
近年のディープラーニング,特に拡散モデル(DM)の進歩は,大きな関心を集めている。
この調査は、研究者や実践者が様々なアプリケーションにまたがる革新的なADソリューションにDMを利用することをガイドすることを目的としている。
論文 参考訳（メタデータ） (2025-06-11T03:29:18Z) - Integrating Generative Artificial Intelligence in ADRD: A Roadmap for Streamlining Diagnosis and Care in Neurodegenerative Diseases [8.903189530397318]
医療システムは、特にアルツハイマー病と関連する認知症において、神経学的ケアの需要が増大するのに苦慮している。
LLMに基づく生成AIシステムは,ADRDケアにおける専門レベルの評価と意思決定に大規模にアプローチするために臨床能力を高めることができる。
論文 参考訳（メタデータ） (2025-02-06T19:09:11Z) - Advancements in Machine Learning and Deep Learning for Early Detection and Management of Mental Health Disorder [1.1779072208948291]
本研究は,精神疾患の早期診断と治療のための機械学習(ML)およびディープラーニング(DL)手法の開発について概説する。
特に行動評価、遺伝子およびバイオマーカー分析、うつ病、双極性障害、統合失調症などの疾患の診断のための医療画像に重点を置いている。
MLとDLは、方法論上の不整合、データ統合の課題、倫理的懸念に対処しながら、診断精度と治療結果を改善するかを強調している。
論文 参考訳（メタデータ） (2024-12-09T01:59:49Z) - Artificial intelligence techniques in inherited retinal diseases: A review [19.107474958408847]
遺伝性網膜疾患(英: InheritedRetinal disease、IRD)は、進行性視力低下を引き起こす多様な遺伝性疾患群であり、労働年齢層の視覚障害の主要な原因である。
人工知能(AI)の最近の進歩は、これらの課題に対する有望な解決策を提供する。
このレビューは既存の研究を統合し、ギャップを特定し、IRDの診断と管理におけるAIの可能性の概要を提供する。
論文 参考訳（メタデータ） (2024-10-10T03:14:51Z) - Addressing the Gaps in Early Dementia Detection: A Path Towards Enhanced Diagnostic Models through Machine Learning [0.0]
この急激な世界的な高齢化傾向は、アルツハイマー病を含む認知症患者の増加につながっている。
認知テスト、ニューロイメージング、バイオマーカー分析といった従来の診断技術は、感度、アクセシビリティ、コストに重大な制限に直面している。
本研究は、早期認知症検出を促進するための変革的アプローチとして、機械学習(ML)の可能性を探るものである。
論文 参考訳（メタデータ） (2024-09-05T00:52:59Z) - Application of Artificial Intelligence in Supporting Healthcare Professionals and Caregivers in Treatment of Autistic Children [0.552480439325792]
本稿では、自閉症スペクトラム障害(ASD)管理における医療従事者と介護者の能力を高める人工知能の可能性について検討する。
自閉症児と非自閉症児の日常活動における顔および身体の表情を解析するための高度なアルゴリズムを開発した。
本研究は, ASDの診断, 治療, 包括的管理を改善するためのAIの変革的可能性を強調する。
論文 参考訳（メタデータ） (2024-07-12T00:34:40Z) - A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。
重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。
人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
論文 参考訳（メタデータ） (2024-05-21T06:44:40Z) - Incomplete Multimodal Learning for Complex Brain Disorders Prediction [65.95783479249745]
本稿では,変換器と生成対向ネットワークを用いた不完全なマルチモーダルデータ統合手法を提案する。
アルツハイマー病神経画像イニシアチブコホートを用いたマルチモーダルイメージングによる認知変性と疾患予後の予測に本手法を適用した。
論文 参考訳（メタデータ） (2023-05-25T16:29:16Z) - Early Autism Spectrum Disorders Diagnosis Using Eye-Tracking Technology [62.997667081978825]
資金不足、資格のある専門家の欠如、そして修正方法に対する信頼度の低いことが、AMDのリアルタイム診断に影響を及ぼす主要な問題である。
我々のチームは、子どもの視線活動の情報に基づいて、ALDの確率を予測するアルゴリズムを開発した。
論文 参考訳（メタデータ） (2020-08-21T20:22:55Z) - Explainable and Scalable Machine-Learning Algorithms for Detection of
Autism Spectrum Disorder using fMRI Data [0.2578242050187029]
提案した深層学習モデル ASD-DiagNet は神経型スキャンから ASD の脳スキャンの分類に一貫した精度を示す。
我々の手法はAuto-ASD-Networkと呼ばれ、ディープラーニングとサポートベクトルマシン(SVM)を組み合わせて、ニューロタイプスキャンからASDスキャンを分類する。
論文 参考訳（メタデータ） (2020-03-02T18:20:44Z)
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。