論文の概要: Task-evoked eye movements as candidate digital biomarkers of depression severity in adolescents and young adults

• arxiv url: http://arxiv.org/abs/2610.18494v1
• Date: Tue, 13 Oct 2026 14:51:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.645324
• Title: Task-evoked eye movements as candidate digital biomarkers of depression severity in adolescents and young adults
• Title（参考訳）: 青年期および青年期のうつ病重症度のデジタルバイオマーカーとしての課題誘発眼球運動
• Abstract要約: タスク誘発眼球運動は、青年期および青年期のうつ病重症度の解釈可能な行動マーカーを提供する。 うつ病の重症度は低い視線偏位エントロピーと相関していた。 感情特異的な注意-バイアス尺度は重度とは無関係であった。
• 参考スコア（独自算出の注目度）: 10.526005994708454
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Objective digital measures of depression severity could complement conventional symptom assessments and facilitate more timely clinical evaluation. Here, we investigated whether task-evoked eye movements provide interpretable behavioral markers of depression severity in adolescents and young adults. In this single-center, cross-sectional study, 155 participants aged 14--20 years completed emotional-spatial free-viewing and memory-guided recall tasks and were stratified by 17-item Hamilton Depression Rating Scale scores. We examined 19 prespecified eye-movement features across six task-informed domains using covariate-adjusted ordinal-trend models. Greater depression severity was associated with lower gaze-allocation entropy (standardized $β=-0.599$), fewer inter-area switches ($β=-0.526$), longer first target-entry latency ($β=0.572$), and lower target dwell proportion ($β=-0.678$; all false-discovery-rate-adjusted $q<0.001$). Emotion-specific attentional-bias measures were not associated with severity, whereas associations involving fixation dispersion weakened after adjustment for anxiety symptoms. In a complementary machine-learning analysis incorporating 44 candidate eye-movement features and demographic covariates, a three-stage cascade classifier achieved the highest four-class stratification performance (accuracy, 0.665; macro-F1, 0.670; area under the receiver operating characteristic curve, 0.869), outperforming single-stage and two-stage approaches. Together, these findings identify altered visual exploration and memory-guided gaze control as candidate digital biomarkers of depression severity, rather than generalized negative attentional bias. These results support further prospective evaluation of task-evoked eye tracking as a complementary approach for timely severity assessment and clinical decision support.
• Abstract（参考訳）: うつ病重症度の客観的デジタル測定は、従来の症状評価を補完し、よりタイムリーな臨床評価を促進する可能性がある。 そこで本研究では,青年期と青年期のうつ病重症度を,タスク誘発眼球運動が解釈可能な行動指標となるかを検討した。 本研究は,14～20歳の155人の被験者を対象に,情緒的空間的自由視聴と記憶誘導的リコール作業を行い,ハミルトン抑うつ評価尺度の17項目を定式化した。 6つのタスクインフォームドドメインにまたがる19の眼球運動特性を,共変量調整オーディナルトレンドモデルを用いて検討した。 うつ病の重症度は、低い視線偏位エントロピー(標準値:β=-0.599$)、低い面積間スイッチ(β=-0.526$)、長い第1ターゲットエントリーレイテンシ(β=0.572$)、低い目標ダウエル比(β=-0.678$;すべての偽発見レート調整された$q<0.001$)に関連づけられた。 感情特異的な注意・バイアス尺度は重症度には関連しないが, 不安症状の調整後, 固定に伴う関連性は低下した。 44の眼球運動特徴と人口動態を組み込んだ補完的な機械学習分析において、3段階のカスケード分類器は最高4段階の成層化性能(精度0.665、マクロF1、0.670、受信機動作特性曲線0.869)を達成し、単段階および2段階のアプローチより優れていた。 これらの知見は, 全般的な注意バイアスではなく, うつ病重篤のデジタルバイオマーカーとして, 視覚的探索と記憶誘導型視線制御を併用した。 これらの結果は、時間的重大度評価と臨床的意思決定支援のための補完的アプローチとして、タスク誘発眼球追跡のさらなる将来的な評価を支援する。

関連論文リスト

• AI-Driven Neural Surrogates for In Silico Design of Cognitive-Affective Neuromodulation Targets [0.8432600533536726]
  神経心理学において、第一の目的は脳活動の解読だけでなく、ネガティブな感情バイアスや過度に健康な記憶を減らすことにある。 我々は,AI駆動型ニューラルサロゲートフレームワークを開発し,その予測効果を刺激誘発fMRI活動のスナップショットから検証する。
  論文  参考訳（メタデータ） (2026-09-23T11:44:30Z)
• An Explainable Anomaly Detection Framework for Monitoring Depression and Anxiety Using Consumer Wearable Devices [2.217204868812473]
  ウェアラブルデバイスによる行動と生理の継続的なモニタリングは、うつ病や不安を早期に検出するための、新しい客観的な方法を提供する。 本稿では,一般消費者のウェアラブルデータを用いて,症状の重症度が臨床的に有意に上昇することを示す,説明可能な異常検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-05T21:41:05Z)
• Deep Learning Characterizes Depression and Suicidal Ideation from Eye Movements [17.985259248390943]
  抑うつと自殺の考え、特に客観的なバイオマーカーが欠如しており、スクリーニングと診断は主に自己報告と臨床面接に依存している。 視線追跡をスクリーニング目的のマーカーとして検討した。 若年者126名を対象に,感情文を読解し,反応した眼球追跡シーケンスを記録し,その後,臨床症状を予測するための深層学習フレームワークを開発した。
  論文  参考訳（メタデータ） (2025-04-29T17:11:13Z)
• Large-scale digital phenotyping: identifying depression and anxiety indicators in a general UK population with over 10,000 participants [2.2909783327197393]
  英国在住の一般住民10,129名のデータを横断的に分析した。 参加者は、ウェアラブル(Fitbit)データと、うつ病(PHQ-8)、不安(GAD-7)、ムードに関する自己申告アンケートを、研究アプリを通じて共有した。 気分,年齢,性別,BMI,睡眠パターン,身体活動,心拍数など,うつ病の重症度と不安度との間に有意な関連が認められた。
  論文  参考訳（メタデータ） (2024-09-24T16:05:17Z)
• Age Group Discrimination via Free Handwriting Indicators [5.1076370934189255]
  弱さは、進歩的な健康の低下、ストレスに対する脆弱性の増大、死亡のリスクの増加によって特徴づけられる。 欠陥を評価するための普遍的に受け入れられる方法が欠如し、標準化された定義が重要な研究ギャップを浮き彫りにしている。 本研究は,器用インクペンを用いて,年齢群分類のための手書き文字の評価を行う革新的な手法を提案する。
  論文  参考訳（メタデータ） (2023-09-29T11:44:18Z)
• The Relationship Between Speech Features Changes When You Get Depressed: Feature Correlations for Improving Speed and Performance of Depression Detection [69.88072583383085]
  この研究は、抑うつが音声から抽出した特徴間の相関を変化させることを示す。 このような洞察を用いることで、SVMとLSTMに基づく抑うつ検出器のトレーニング速度と性能を向上させることができる。
  論文  参考訳（メタデータ） (2023-07-06T09:54:35Z)
• Heterogeneous Hidden Markov Models for Sleep Activity Recognition from Multi-Source Passively Sensed Data [67.60224656603823]
  精神科患者の受動的活動監視は、リアルタイムでの行動変化を検出するために不可欠である。 睡眠行動認識は、患者の活動サイクルを表現する行動マーカーである。 スマートフォンから受動的に検出されたデータは、患者の生体リズムに優れた代替手段である。
  論文  参考訳（メタデータ） (2022-11-08T17:29:40Z)
• Designing A Clinically Applicable Deep Recurrent Model to Identify Neuropsychiatric Symptoms in People Living with Dementia Using In-Home Monitoring Data [52.40058724040671]
  鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。 扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。 本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-10-19T11:45:01Z)
• Deep Multi-task Learning for Depression Detection and Prediction in Longitudinal Data [50.02223091927777]
  うつ病は最も多い精神疾患の1つであり、世界中の年齢の何百万人もの人々に影響を与えている。 機械学習技術は、早期介入と治療のためのうつ病の自動検出と予測を可能にしている。 本稿では、この課題に対処するために、2つの補助的タスクでうつ病分類を共同最適化する、新しいディープマルチタスクリカレントニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2020-12-05T05:14:14Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。