AIによる自閉症スクリーニングの利便性向上の可能性

2026年7月29日
How AI Could Make Autism Screening More Accessible
Published on  Updated on  

多くの家族にとって、自閉症の評価を受けるまでの道のりは、決して短く簡単ではありません。親は早い段階で発達上の違いに気づくこともありますが、それでも長い待ち時間や専門医の不足、高額な費用、次にどこへ相談すればよいのかという不安に直面します。

ペンシルベニア大学工学部(Penn Engineering)の最近の記事では、こうした障壁を低減することを目指した研究活動の一つが紹介されています。ペンシルベニア大学工学部とケネディ・クリーガー研究所の研究者たちは、一般的な動画を用いて、子どもが簡単な身体の動きを真似する能力を評価する人工知能(AI)システムを開発しています。この技術は「運動模倣のコンピュータ評価(CAMI)」と呼ばれ、チームが最も新しく開発したバージョンは「CAMI-2DNet」です。

その目的は、臨床医に取って代わったり、AIだけで自閉症を診断したりすることではありません。むしろ、発達評価や臨床ワークフロー、大規模な研究を支援する可能性のある重要な行動指標を、より手軽に測定する方法を提示することにあります。

一貫した測定が難しい行動指標

運動模倣は、子どもが周囲の人から学ぶ方法の一つです。子どもはバイバイと手を振ったり、手拍子をしたり、ジェスチャーを真似したり、おどけた動きを模倣したりします。こうした行動は単なる運動スキルではありません。子どもが社会的に関わる方法の一部でもあります。

研究者たちは、自閉症のある子どもの中には、定型発達の子どもとは異なる動きを真似する傾向があることを長年観察してきました。そのため、運動模倣は発達評価において有用な研究分野となっていますが、その測定は困難な場合があります。

「運動模倣は、社会性の発達を支える重要な基礎です。」

— ケネディ・クリーガー研究所神経発達・画像研究センター所長 スチュワート・H・モストフスキー

従来の運動模倣の評価では、専門家による観察や手作業による採点、特殊なモーションキャプチャシステムが用いられることがあります。こうした手法は有用ですが、必ずしも容易に普及できるとは限りません。訓練を受けたスタッフや高価な機器、研究室環境、動画の確認に要する多大な時間が必要になる場合があります。

そこで実用上の問題が生じます。評価方法が多くのリソースを必要とする場合、家族がすでに医療へのアクセスに障壁を感じている学校、地域のクリニック、農村部、あるいは医療資源の限られた環境では、利用しにくくなる可能性があります。

一般的な動画を起点に

CAMI-2DNetは、運動模倣の評価をより実用的にすることを目指して設計されています。ペンシルベニア大学工学部の記事によると、このシステムは標準的なカメラで撮影した動画を使用します。子どもが簡単な動きを行う指導者の動きを真似すると、AIツールが子どもの動きを追跡し、指導者の動きと比較して客観的なスコアを算出します。

この変化が重要なのは、従来の動き分析における制約の一部を取り除けるからです。このシステムでは特殊な3Dモーションキャプチャ機器は必要なく、何時間もかかる手作業による確認も減らすことができます。

研究者たちは、これを概念実証の段階から、最終的には日常的な臨床現場で役立つ可能性のあるツールへと進展させる動きだと説明しています。これまでの研究では、2025年に183人の子どもを対象とした臨床研究において、1分間の「運動模倣のコンピュータ評価」が、自閉症の子どもと定型発達の子どもを80%の真陽性率で区別できることがすでに示されていました。同じ研究では、CAMIが自閉症とADHDを70%の真陽性率で区別できることもわかりました。この2つの状態は併発する可能性があり、臨床的に見分けることが難しい場合もあるため、この区別は重要です。

CAMI-2DNetは、特殊な機器や手作業による前処理への依存を減らすことで、その研究成果を発展させています。

コンピュータビジョンと発達評価の融合

技術的な課題は、単に子どもを動画で撮影するよりも複雑です。システムは、身体の主要な関節の位置を特定し、時間の経過に伴う動きを追跡し、子どもの動きを指導者の動きと比較する必要があります。

また、カメラの角度、照明、体格、背景の違いなど、スコアを決定すべきではない要因に惑わされないようにすることも必要です。筆頭著者のカリアブ・キンフは、この課題を、AIが撮影条件といった無関係な要素ではなく動きの質に注目できるよう、システムを実際の現場でも十分に機能する堅牢なものにすることだと説明しています。

この点は、スクリーニングに関連するあらゆる技術にとって重要です。アクセスの拡大を目的としたツールは、理想的な研究室環境だけで機能してはなりません。さまざまな現場、対象者、カメラ、環境に対応する必要があります。

ペンシルベニア大学工学部のチームは、CAMI-2DNetが高度な3Dモーションキャプチャ技術に匹敵する性能を示し、人間の専門評価者と同等、あるいはそれを上回る結果を出したと報告しています。こうした知見は可能性を示唆していますが、複数の集団や施設で継続的に検証することが引き続き不可欠です。

臨床判断を置き換えるのではなく補完するツール

ペンシルベニア大学工学部の記事では、CAMI-2DNetは自閉症を単独で診断するために設計されたものではないことが明確に述べられています。AIと発達スクリーニングに関するあらゆる議論において、この違いは中心に据えられるべきです。

自閉症の評価は複雑です。発達歴、介護者の情報、臨床観察、標準化されたツール、コミュニケーションのパターン、社会的行動、感覚の違い、併発する状態、そして専門家の判断が含まれます。動画に基づく運動模倣スコアは有用な情報を提供できますが、臨床的な全体像を捉えることはできません。

より現実的な展望は、AIツールが評価プロセスのうちの一部分をより客観的かつ一貫性のある、手軽なものにするのに役立つということです。臨床医を支援し、研究者が時間の経過に伴う変化を追跡するのに役立ち、手作業による採点の負担を軽減する可能性があります。

それは意義のある役割です。同時に、限定的な役割でもあります。この文脈におけるAIの価値は、責任ある臨床ワークフローにどの程度うまく組み込まれるかにかかっています。

アクセスの問題が核心

この研究の最も強力な点は、アクセスに焦点を当てていることです。家族は自閉症の評価を受けるために、数か月以上待つことがよくあります。親がすでに子どもに何か違いがあると感じている場合、こうした遅れは特に大きな負担となります。

早期診断は、長期的な結果を改善する可能性のある介入、サービス、支援への道を開くことができます。しかし、訓練を受けた専門家へのアクセスは均一ではありません。専門センターから遠く離れた場所に住む家族もいます。また、費用、スケジュールの調整、交通手段、保険、言語の障壁に直面する家族もいます。

一般的な動画を使用するツールは、適切に検証され責任を持って導入されれば、こうした障壁の一部を軽減するのに役立つ可能性があります。特殊なモーションキャプチャ室を備えていないクリニックを支援できます。学校や地域社会で有用な発達情報を収集するのに役立つかもしれません。研究者がより大規模で多様な集団を調査できるようにするかもしれません。

とはいえ、AIだけでアクセスの問題が解決するわけではありません。技術には、訓練を受けた人による解釈、プライバシー保護、公平な導入、そしてその後の対応への明確な道筋が引き続き必要です。しかし、利用の障壁が低いツールは、より多くの子どもが次のステップへより早く進めるよう支援するかもしれません。

公平性の問題

スクリーニングへのアクセスを拡大することを目的としたあらゆる技術は、公平性についても検証されなければなりません。開発に使用したデータが十分に多様でない場合、AIシステムは集団によって異なる性能を示す可能性があります。カメラの画質、照明、物理的な環境、服装、身体能力の違い、動きや交流における文化的な違いなど、すべてが性能に影響を与える可能性があります。

ペンシルベニア大学工学部の記事では、チームが複数の集団、臨床施設、動きの種類にわたって評価を拡大する取り組みを進めていることが述べられています。それこそが、CAMI-2DNetのようなツールが広く採用される前に必要な取り組みです。

臨床医や医療システムにとって、問われるべきは、そのツールが研究で良好な性能を発揮するかどうかだけではありません。現在、評価が遅れる可能性が最も高い子どもたちに対しても、一貫した性能を発揮するかどうかも問われるべきです。

公平なスクリーニング技術は、正確で、利用しやすく、説明可能であり、医療へのつながりが確保されていなければなりません。そうでなければ、根本的なアクセスの問題を解決することなく、評価の新たな層を生み出すことになりかねません。

学校や地域社会にとっての意味

学校は、家庭の外で発達上の違いが初めて目に見えるようになる場所であることがよくあります。教師は、模倣、運動の協調性、社会参加、コミュニケーション、あるいは仲間との交流における違いに気づくことがあります。学校のチームも、家族に評価を受けるよう促す最初の存在になることがあります。

CAMI-2DNetのような動画に基づくツールは、それらの環境での検証がなされれば、専門家へのアクセスが限られている場所で最終的に役立つ可能性があります。紹介、研究、あるいは経過観察を支援する客観的な情報を収集するのに役立つかもしれません。

それでも、学校や地域プログラムには明確な境界線が必要です。スクリーニング支援ツールは、完全な評価なしに子どもにレッテルを貼るものではありません。結果は、家族への配慮を欠かさず、不必要な不安を与えないよう、慎重に伝えられる必要があります。

最も強力な活用方法は、より大きな流れの一部として利用することかもしれません。観察、スクリーニング支援、紹介、臨床評価、そして必要に応じたサービスへのアクセスです。

ヘルスケアAIにおけるより広範な変化

CAMI-2DNetは、AIを活用して専門的な評価をより大規模に展開しようとする、より大きな動きの一部です。この場合、高度なコンピュータビジョンが、実際の臨床上のボトルネックである「行動を客観的かつ効率的に測定することの難しさ」に応用されています。

技術が慎重に使用されれば、この変化は価値をもたらします。AIは複雑な動きデータを迅速に処理するのに役立ちます。手作業による採点の負担を軽減できます。研究や長期的な追跡に役立つ可能性のある標準化された測定値を作成できます。

しかし、AIは自動化されているからといって中立であるかのように扱われるべきではありません。その出力は、その背後にあるデータ、設計上の選択、検証プロセス、臨床的な文脈に依存しています。研究者や臨床医の役割は、そうしたツールが医療を単純化しすぎるのではなく、改善するようにすることです。

より手軽な評価への実用的な一歩

CAMI-2DNetの可能性は、一般的な動画を完全な自閉症診断に変えることではありません。その可能性はより実用的なものです。意味のある発達行動の一つを、より迅速かつ客観的で、より大規模に展開可能な方法で測定するのに役立つ可能性があります。

それでも、それは重要です。答えを待つ家族にとって、アクセスの改善、遅れの軽減、あるいはより適切な紹介を支援する責任あるツールであれば、注目に値します。

次の段階で、この技術がどこまで進めるかが決まります。施設、集団、動きの種類にわたる継続的な検証は不可欠です。臨床および教育ワークフローへの思慮深い組み込みも同様に重要です。

今のところ、CAMI-2DNetは、高品質な評価をより身近なものにするという切実な問題に焦点を当てた場合、AIが発達支援をどのように支えるかの一端を示しています。

情報源および関連リンク

Published on  Updated on