Diagnostic Prediction of Attention-Deficit/Hyperactivity Disorder in Children Using AULA: A Virtual Reality-Based Continuous Performance Task

注意欠陥・多動症（ADHD）の診断は、長らく、保護者や教師によるアンケートと、静かな部屋で単純な課題に集中することを求める標準化されたテストを組み合わせた手法に頼ってきました。これらの手法は確立されたものではありますが、子供の注意力が実際に現実世界でどのように機能しているかという、複雑で捉えがたい実態を捉えるのには苦慮することがよくあります。典型的な教室では、生徒は教師の話を聞こうと努める一方で、紙が擦れる音、隣人のささやき声、そして通りかかる人の動きなどを無視しなければなりません。従来のテストでは、このような複雑さを再現することは稀であり、子供の脳が絶え間ない注意の逸脱に対してどのように対処しているのかを把握することを困難にしています。さらに、ADHDの症状は子供によって大きく異なることがあり、この疾患は単なるテストのスコアではなく、子供の集中力が瞬間ごとにどれほど揺らぐかによって定義されることが多いのです。

静かな検査室と騒がしい教室との間の溝を埋めるために、研究者たちはバーチャルリアリティ（VR）を活用し始めています。この技術により、科学者は、ヘッドセットを装着している本人にはリアルに感じられるものの、完全に制御可能で測定可能な、没入型の三次元環境を構築することができます。ヘッドセットを装着した子供を、現実的な誘惑要素（ディストラクション）に満ちた模擬教室の中に配置することで、研究者はプレッシャーがかかった状況下で、彼らの注意力がどのように維持されるかを正確に観察することができます。このアプローチは、以前には不可能だったレベルの詳細さで行動を測定する方法を提供します。単に子供が正解したか不正解したかだけでなく、体の動き、反応にかかった時間、そして環境の変化に伴って注意力がどのようにシフトしたかまでも捉えることができるのです。

Fidel Rebón-Ortiz氏とIrene Alice Chicchi Giglioli氏がGiunti Nesplora社と共に行った最近の研究では、AULAと呼ばれる特定のバーチャルリアリティ・ツールを用いて、この概念を検証しました。研究者たちは、この没入型環境と高度なコンピュータ・アルゴリズムを組み合わせることで、ADHDを持つ子供と持たない子供を区別できるかどうかを検証したいと考えました。彼らは6歳から16歳までの352人の子供と青少年を募り、両方のグループから同数の参加者を確保しました。研究に参加したすべての子供は、視力および聴力が正常または矯正されて正常な状態にあり、ADHDのグループは標準的な医学的基準に基づいた正式な臨床診断を受けていました。

子供たちはバーチャルリアリティ・ヘッドセットを装着し、デジタル教室に入りました。このシミュレーション内では、クラスメートがメモを回したり、ささやいたりするなどの妨げを無視しながら、バーチャルな教師に注意を向けるといった、実際の学校生活を模したタスクを行うよう求められました。システムは、子供たちが作業を進める中で、反応時間から頭や手の小さな動きに至るまで、膨大な量のデータを記録しました。研究者たちは、特に、妨げがある場合と静かな環境である場合で、子供たちのパフォーマンスがどのように変化するかに関心を寄せました。彼らは、データのパターンを分析し、例えば、注意力が一瞬ごとにどれほど変動するか、あるいは注意を逸らすべき場面でどれほどミスを犯すかといった、ADHD特有の「署名（シグネチャー）」を明らかにする手がかりを探しました。

この豊かな情報の流れを集めた後、チームは機械学習と呼ばれるプロセスを用いて、最も重要な手がかりを見つけ出しました。コンピュータは、単に1つや2つの数値を見るのではなく、数十種類の異なる測定値を分析し、どの数値が2つのグループを最もよく分離できるかを確認しました。研究の結果、最も重要な兆候は、単に回答の速さにあるのではなく、その「一貫性」にあることが分かりました。ADHDの子供たちは、特に注意を逸らすべき場面において、反応時間の不安定さが著しく高いことが示されました。また、彼らは2つの特定のタイプの誤りを有意に多く犯していました。それは、目標に対して行うべき動作を逃すエラーと、周囲が騒がしく動きがある際に、静止しているべき場面でボタンを押してしまうエラーです。

この研究では、予測に最も有用な14の主要な変数を特定しました。これらには、反応時間の変動幅、妨げがある際の誤りの数、そして注意が本来のタスクからどれほど逸れたかといった指標が含まれます。研究者がこれらの特定の変数をいくつかの異なるコンピュータ・モデルに投入したところ、驚くべき結果が得られました。モデルは非常に高い精度で子供たちを分類し、93パーセント以上のケースで、その子がどちらのグループに属するかを正しく識別できました。最も優れた性能を示したモデルは、従来のテスト手法で見られるレベルをはるかに超える精度で、両グループを区別することができました。

最も重要な発見の一つは、妨げ（ディストラクション）の存在が極めて大きな影響を与えたことです。最も重要となった変数は、子供たちが騒がしく賑やかな環境の中で集中しようとしていた時に測定されたものでした。これは、ADHDが単なる静的な特性ではなく、個人の集中力が周囲の環境に強く影響を受ける状態であるという理論を裏付けています。環境が単純で静かな場合、AD学の子供は周囲の子供と同様のパフォーマンスを示すことがありますが、認知負荷が増大し、注意を逸らす要素が現れると、彼らの注意は不安定になり、衝動を制御する能力が衰えます。研究は、バーチャルリアリティ環境がこれらの特有の困難を引き起こすことができ、それによってコンピュータが問題を明確に捉えられることを示しました。

研究者たちはまた、コンピュータ・モデルが人間の観察者が見落とす可能性のある微細なパターンを捉えられることも指摘しました。例えば、モデルは、仮想空間内での子供の体の動きが、彼らの注意力の状態と結びついていることを見出しました。場合によっては、子供の身体的な落ち着きのなさが、一見しただけでは分からないような複雑な形で、集中力と相互作用していることがありました。バーチャルリアリティ・テストからのデータとこれらの高度なコンピュータ技術を組み合わせることで、本研究は、子供の注意力の健康状態について、より正確かつ客観的な全体像を描くことが可能であることを証明しました。

結果は有望ですが、著者らはこれがより大きな旅路における一歩であることを慎重に述べています。この研究は特定の子供のグループを対象としており、ADHDやそれに併発する他の疾患のあらゆるバリエーションを含んでいるわけではありません。また、研究で使用されたコンピュータ・モデルは複雑であり、医師がこれらのモデルを臨床現場で広く利用できるようになる前に、モデルがどのように結論を導き出したのかを理解する必要があると認めています。しかし、本研究は、現実的な、注意を逸らす環境に子供を置き、その反応を高精度に測定することが、従来のテストでは不可能な方法で、ADHDの核心的な課題を明らかにできるという強力な証拠を提供しています。

究極的に、この研究は診断への新しい道を提示しています。主観的な報告や単純なテストから離れ、没入型でデータ豊かな環境へと移行することで、臨床医は近い将来、子供の注意力の真の性質を見通すためのツールを手にすることになるかもしれません。この研究は、教室という現実世界の課題を再現したとき、ADHDを持つ子供と持たない子供の違いが、明確かつ測定可能なものになることを示しています。このアプローチは、診断の精度を高めるだけでなく、注意力がどのように機能し、どのようにプレッシャーの下で崩壊するのか、そして子供たちが実際に生活している複雑で騒がしい世界の中で、どのようにサポートされ得るのかという、より深い理解をもたらすのです。