Weighted Probabilistic ADHD Models integrate dimensional and categorical approaches to ADHD assessment and Improve Diagnostic Discrimination Beyond DSM-5 Symptom count

技術要約：重み付け確率論的ADHDモデル

問題提起
現在の注意欠如・多動症（ADHD）の診断枠組み、特にDSM-5-TRは、カテゴリー的な症状数に基づくアプローチに依存している。この手法は、個々の予測妥当性、発達段階、または性別による表現の違いに関わらず、不注意および多動性・衝動性の各ドメイン内のすべての症状に対して等しい診断上の重みを割り当てている。証拠によれば、この「等重み付け」の仮定には欠陥があることが示唆されている。すなわち、症状によって識別能力が異なり、厳格なカットオフ値（例：子供の場合は9つの症状のうち6つ、成人の場合は5つ）は、重大な臨床的障害を持つ個人を排除したり、男性型の呈示へと診断を偏らせたりする可能性がある。さらに、純粋なカテゴリー的システムは精神病理の連続的かつ次元的な性質を捉えることができず、現代の精神医学に求められる個別化された評価の精度を制限する可能性がある。

方法論
本研究は、ADHDの評価を受けるために紹介された6歳から22歳の患者584名の臨床データベースを用いた、回顧的観察デザインを用いた。参加者は、臨床医によって確認されたDSM-5診断（参照標準）に基づき、ADHD陽性群（n=499）とADHD陰性群（n=85）に分類された。除外基準には、自閉スペクトラム症、精神病性障害、IQ <70、または診断待ちの状態が含まれた。

研究者らは、従来の重み付けなしのDSM-5症状数モデルに対し、3つの多変量ロジスティック回帰モデルを開発し、比較した：

1. 重み付け調整モデル（モデル1）： 性別およびカテゴリー的な年齢グループ（12歳超 vs 12歳以下）で調整された症状固有の係数を組み込んだもの。
2. 症状×年齢相互作用モデル（モデル2）： 発達段階が症状の予測価値を修飾するかどうかをテストするために、症状と年齢の間の相互作用項を追加したもの。
3. 症状×性別相互作用モデル（モデル3）： 性別特異的な予測重みをテストするために、症状と性別の間の相互作用項を追加したもの。

モデルの性能は、受信者動作特性（ROC）分析、ペアワイズ比較のための正確なDeLong検定、較正プロット、ブライア・スコア、および決定曲線分析（DCA）を用いて評価された。内部妥当性確認は、最適化された識別力を推定するために、1,000回のブートストラップ再サンプリングを通じて行われた。最適な確率閾値はYouden指数を用いて決定された。

主な結果

• 診断識別能： 重み付け調整モデル（モデル1）は、両方のドメインにおいて、従来の重み付けなしのDSM-5症状数と比較して、診断識別能を有意に向上させた：
  • 多動性–衝動性： AUCは0.973（DSM-5）から0.976（重み付けモデル）に増加（DeLong p = 0.013）。
  • 不注意： AUCは0.913（DSM-5）から0.937（重み付けモデル）に増加（DeLong p = 0.007）。
• 症状の異質性： 回帰係数は、個々の症状の診断上の重みに大幅な差異があることを明らかにした。例えば、多動性ドメインでは、「エンジンに駆動されているかのように振る舞う」（β=2.08）および「質問を遮って答える」（β=2.12）は、「割り込む、または邪魔をする」（β=1.08）よりも高い重みを担っていた。不注意ドメインでは、「細部に注意を払わない」（β=1.92）は、「話を聞いていないように見える」（β=0.70, p=0.077）よりも高い重みが付けられていた。
• 相互作用モデル： 症状と年齢、または症状と性別の相互作用を含むより複雑なモデル（モデル2およびモデル3）は、簡潔な重み付け調整モデル（モデル1）を超えて識別能を有意に向上させることはできなかった。これは、個々の症状が年齢や性別によって変化する場合でも、重み付けモデルにおける主効果としてこれらの相互作用を組み込むことで、構造的な複雑さを加えることなく十分であることを示唆している。
• 最適閾値： Youден指数は、多動性–衝動性に対して0.600（感度93.4%、特異度95.7%）、不注意に対して0.689（感度96.3%、特異度85.0%）の最適な確率閾値を特定した。
• 較正と有用性： 重み付けモデルは、DSM-5のアプローチと比較して、より低いブライア・スコア（予測精度の高さを示す）および、決定曲線分析における臨床的に関連する閾値確率にわたる高い純利益を示した。内部妥当性確認により、最小限の過学習（楽観度推定値 0.001 および 0.002）が確認された。
• サブグループの性能： 性能はほとんどの層で堅牢であったが、不注意の次元は、12歳以上の女性において特に低い識別能を示した（Youden指数 = 0.592）。これは、このサブグループにおけるカテゴリー的閾値の限界を浮き彫りにしている。

意義および主張
本論文は、重み付けられた確率論的モデルが、ADHD評価における次元的アプローチとカテゴリー的アプローチの架け橋となる、実用的で臨床的に解釈可能な枠組みを提供すると主張している。特定の症状の異なる診断価値を定量化し、年齢や性別で調整することにより、これらのモデルは、使いやすさを損なうことなく、従来の症状カウントを超えて診断識別能を向上させる。

著者らは、「ブラックボックス」型の機械学習技術とは異なり、ロジスティック回帰に基づく重み付けは透明性を維持しており、臨床医が各症状の具体的な寄与を理解できることを強調している。提案された手法は、個別の確率推定を生成することを可能にすると同時に、経験的に導出された閾値を通じて二値分類の決定も提供するため、電子カルテや臨床用計算機への統合を容易にする。

本研究は、重み付けモデルがDSM-5の症状数を有意に上回る一方で、相互作用モデルによる複雑さの追加は識別能の向上には不要であることを結論付けている。著者らは、単一施設の後ろ向きデータへの依存や、参照標準として（それ自体がDSMに基づく）臨床医による診断を使用していることなどの限界についても言及している。彼らは、今後の研究として、外部の多施設共同検証および治療反応の前向きな評価に焦点を当てるべきであると示唆している。