Revisiting Semantic Markers of Schizophrenia: A Machine Learning Analysis of Verbal Fluency Features

あなたの脳を、あらゆる思考が「本」である、巨大で賑やかな図書館だと想像してみてください。あなたが話すとき、あなたは本棚の間を歩き回り、棚から本を取り出し、そこで何を見つけたかを誰かに伝えているようなものです。多くの人々にとって、この歩みはスムーズです。彼らは「動物」や「台所用品」についての本を素早く見つけ出し、関連するタイトルを次々と引き出すことができます。しかし、一部の人々にとって、その図書館は少し混沌としています。本が散乱していたり、通路が分かりにくかったり、あるいは本同士のつながりが曖昧だったりするのです。これは、統合失調症という、思考や感情を非常に困難にする深刻なメンタルヘルス疾患を持つ人々の心の中で起きていることに少し似ています。医師たちがこの混沌を理解しようとする一つの方法が、「言語流暢性テスト」を用いることです。これはシンプルなゲームです。「1分間で、できるだけ多くの動物の名前を挙げてください」というものです。かつて、このゲームの採点方法は単にその人が言った言葉の数を数えるだけでしたが、科学者たちは、どのように言ったかということも同じくらい重要であることに気づきました。例えば、「ライオン」から「トースター」へと激しく飛び跳ねているのか（大きなジャンプ）、それとも「ネコ科」のグループにしばらく留まってから移動しているのか、といったことです。この論文は、この図書館のデジタルな側面へと踏み込み、コンピュータプログラムを使用して、どのような特定の言葉の選択パターンが、統合失調症を見分けるための最良の手がかりになるのかを解明します。

この研究の背後にいる研究者たち（バラナス・ヒンドゥー大学のチーム）は、機械学習という強力なツールを使用して、これらの言葉のパターンを新鮮な視点で捉え直すことにしました。機械学習とは、二つのグループの違いを見分ける方法を学ぶために、何千もの例を読み込む超スマートな学生のようなものだと考えてください。この場合、二つのグループとは、統合失能症の人々と健康なボランティアです。チームは、人々が「動物の名前を挙げる」テストを受けたデータセットからスタートしました。元のデータには、誰がどのグループに属するかを示すラベルがなかったため、3人の専門の心理学者が言葉のリストを注意深くレビューし、高い信頼性を持って回答の合意形成を行いました。

この言葉のリストから、チームはコンピュータモデルに投入するための5つの異なる「手がかり（特徴量）」を抽出しました。いくつかは、総数の言葉数（流暢性スコア）や、言葉のグループを切り替えた回数（意味的スイッチの数）のように、長年誰もが使用してきた伝統的なものでした。しかし、彼らはさらに、言葉の意味の類似性に基づいた、より洗練された2つの新しい手がかり、すなわち「平均クラスター類似度（Average Cluster Similarity：グループ内の言葉がいかに密に集まっているか）」と「平均スイッチ類似度（Average Switch Similarity：新しいグループへ移動する際のジャンプがいかに大きいか）」を追加しました。そして、これらの手がかりに基づいて、統合失調症の有無を推測するように、5種類の異なるタイプのコンピュータの「学生（分類器）」を訓練しました。

ここからが面白いところです。チームは、総言葉数やスイッチの回数といった伝統的な手がかりが最も重要であると予想していました。なぜなら、これまでの研究がそう示唆してきたからです。しかし、コンピュータにどの手がかりが実際に重要かを判断させたところ、結果は予想を覆しました。コンピュータは一貫して、かつての「お気に入り」を無視したのです。代わりに、コンピュータは、2つの新しい類似性に関する手がかり、すなわち「平均クラスター類似度（ACS）」と「平均スイッチ類似度（ASS）」を指して、明るく輝く指を突きつけました。

実際、研究では、平均クラスターサイズ（一つのグループに含まれる言葉の数）や意味的スイッチの数といった伝統的な指標は、グループ間の差異が弱かったり、有意ではなかったりし、グループを区別する能力にはほとんど貢献しないことが示されました。一方で、類似性に基づいた特徴量が主役となりました。流暢性スコアや平均スイッチ類似度のような特徴量は、ある程度の「傾向レベル」の可能性を示しましたが、平均クラスター類似度が明確な勝者でした。コンピュータは、平均クラスター類似度スコアのみを使用することで、高い精度で統合失調症の人を特定することができました。いくつかのケースでは、効果の低い古い特徴量を取り除くことで、コンピュータの性能が実際に向上しました。これは、古い特徴量を保持しておくことが、類似性に基づく指標が提供する明確なシグナルに対してノイズを加えていたことを示唆しています。

著者らは、このことは私たちがこれらのテストをどのように見るべきかを再考する必要があることを示唆していると考えています。それは単に、どれだけの言葉を言ったか、あるいはどれだけカテゴリーを切り替えたかということではなく、それらの言葉の間の「つながりの質」が重要であるということです。もし、あなたが言う言葉が意味的に密に詰まっていたり、あるいはあなたが作るジャンプが明確で意図的なものであったりする場合、それらのパターンこそが、言語の障害を理解するための真の鍵となるようです。この研究は、統合失調症の診断を解決したと主張するものではありませんが、これらの新しい、類似性に基づいた言葉の測定方法が、私たちがこれまで頼りにしてきた古い方法よりもはるかに強力なツールであることを強く示唆しています。それは、乱雑な図書館で特定の書物を見つけるためには、棚にある本の数を数えるのではなく、本の背表紙がどのように整理されているかを理解する必要があることに気づくようなものです。