▶ 独立行政法人国立成育医療研究センターの特許一覧 ▶ 国立大学法人鳥取大学の特許一覧
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2022160012
(43)【公開日】2022-10-19
(54)【発明の名称】予測方法及び予測装置
(51)【国際特許分類】
A61B 10/00 20060101AFI20221012BHJP
A61B 3/113 20060101ALI20221012BHJP
【ＦＩ】
A61B10/00 H
A61B3/113
【審査請求】未請求
【請求項の数】8
【出願形態】ＯＬ
(21)【出願番号】P 2019158983
(22)【出願日】2019-08-30
(71)【出願人】
【識別番号】510136312
【氏名又は名称】国立研究開発法人国立成育医療研究センター
(71)【出願人】
【識別番号】504150461
【氏名又は名称】国立大学法人鳥取大学
(74)【代理人】
【識別番号】110000338
【氏名又は名称】特許業務法人ＨＡＲＡＫＥＮＺＯ ＷＯＲＬＤ ＰＡＴＥＮＴ ＆ ＴＲＡＤＥＭＡＲＫ
(72)【発明者】
【氏名】小枝 達也
(72)【発明者】
【氏名】大羽 沢子
(72)【発明者】
【氏名】前垣 義弘
【テーマコード（参考）】
4C316
【Ｆターム（参考）】
4C316AA21
4C316AA30
(57)【要約】
【課題】早期に、対象者が将来的に自閉スペクトラム症であると診断される可能性があるか否かを予測することができる予測方法及び予測装置を実現する。
【解決手段】本発明の一態様に係る予測方法は、対象者が複数の画像毎の特定の領域を見た割合を算出する割合算出ステップ（Ｓ１２）と、上記対象者が将来的に自閉スペクトラム症であると診断される可能性があるか否かを予測する予測ステップ（Ｓ１４）とを含む。
【選択図】図１
【解決手段】本発明の一態様に係る予測方法は、対象者が複数の画像毎の特定の領域を見た割合を算出する割合算出ステップ（Ｓ１２）と、上記対象者が将来的に自閉スペクトラム症であると診断される可能性があるか否かを予測する予測ステップ（Ｓ１４）とを含む。
【選択図】図１
【特許請求の範囲】
【請求項1】
対象者に複数の画像を表示し、当該対象者の視線を検出することにより当該対象者が当該複数の画像の何れの領域を見ているのかを特定する視線検出装置を用いた予測方法であって、
上記対象者が上記複数の画像毎の特定の領域を見た割合を算出する割合算出ステップと、
上記割合と、所定の閾値とから、上記対象者が将来的に自閉スペクトラム症であると診断される可能性があるか否かを予測する予測ステップと
を含むことを特徴とする予測方法。
上記対象者が上記複数の画像毎の特定の領域を見た割合を算出する割合算出ステップと、
上記割合と、所定の閾値とから、上記対象者が将来的に自閉スペクトラム症であると診断される可能性があるか否かを予測する予測ステップと
を含むことを特徴とする予測方法。
【請求項2】
上記複数の画像は、第１の画像を含み、
上記第１の画像は、人間の顔を含む第１の領域と、幾何学的模様を含む第２の領域と、当該人間の顔及び当該幾何学的模様を含まない第３の領域とを含み、
上記割合算出ステップにおいて、上記対象者が上記第１の領域を見た第１の割合、上記第２の領域を見た第２の割合、及び上記第３の領域を見た第３の割合の少なくとも何れかを算出し、
上記予測ステップにおいて、上記第１の割合、上記第２の割合、及び上記第３の割合の少なくとも何れかと、上記所定の閾値とから、上記対象者が将来的に自閉スペクトラム症であると診断される可能性があるか否かを予測する
ことを特徴とする、請求項１に記載の予測方法。
上記第１の画像は、人間の顔を含む第１の領域と、幾何学的模様を含む第２の領域と、当該人間の顔及び当該幾何学的模様を含まない第３の領域とを含み、
上記割合算出ステップにおいて、上記対象者が上記第１の領域を見た第１の割合、上記第２の領域を見た第２の割合、及び上記第３の領域を見た第３の割合の少なくとも何れかを算出し、
上記予測ステップにおいて、上記第１の割合、上記第２の割合、及び上記第３の割合の少なくとも何れかと、上記所定の閾値とから、上記対象者が将来的に自閉スペクトラム症であると診断される可能性があるか否かを予測する
ことを特徴とする、請求項１に記載の予測方法。
【請求項3】
上記予測ステップでは、感度を特異度よりも優先して高くする場合と、特異度を感度よりも優先して高くする場合とで、上記所定の閾値を異ならせる
ことを特徴とする、請求項２に記載の予測方法。
ことを特徴とする、請求項２に記載の予測方法。
【請求項4】
上記複数の画像は、上記第１の画像とは異なる、第２の画像を更に含み、
上記第２の画像は、人間の眼を含む第４の領域と、人間の口を含む第５の領域と、当該人間の眼及び当該人間の口を含まない第６の領域とを含み、
上記割合算出ステップにおいて、上記対象者が上記第４の領域を見た第４の割合、上記第５の領域を見た第５の割合、及び上記第６の領域を見た第６の割合の少なくとも何れかを更に算出し、
上記第１の割合、上記第２の割合、及び上記第３の割合の少なくとも何れかと、上記第４の割合、上記第５の割合、及び上記第６の割合の少なくとも何れかと、に対して重み付けを行った重み付け線形和を用いて加重平均した値を算出する加重平均ステップを更に含み、
上記予測ステップにおいて、上記値と、所定の閾値とから、上記対象者が将来的に自閉スペクトラム症であると診断される可能性があるか否かを予測する
ことを特徴とする、請求項２に記載の予測方法。
上記第２の画像は、人間の眼を含む第４の領域と、人間の口を含む第５の領域と、当該人間の眼及び当該人間の口を含まない第６の領域とを含み、
上記割合算出ステップにおいて、上記対象者が上記第４の領域を見た第４の割合、上記第５の領域を見た第５の割合、及び上記第６の領域を見た第６の割合の少なくとも何れかを更に算出し、
上記第１の割合、上記第２の割合、及び上記第３の割合の少なくとも何れかと、上記第４の割合、上記第５の割合、及び上記第６の割合の少なくとも何れかと、に対して重み付けを行った重み付け線形和を用いて加重平均した値を算出する加重平均ステップを更に含み、
上記予測ステップにおいて、上記値と、所定の閾値とから、上記対象者が将来的に自閉スペクトラム症であると診断される可能性があるか否かを予測する
ことを特徴とする、請求項２に記載の予測方法。
【請求項5】
上記加重平均ステップにおいて、上記第２の割合と、上記第６の割合に対して重み付けを行った重み付け線形和を用いて加重平均した値を算出する
ことを特徴とする、請求項４に記載の予測方法。
ことを特徴とする、請求項４に記載の予測方法。
【請求項6】
上記第１の画像は、３つの人間の顔を含む領域と第１の幾何学的模様を含む領域とを含む画像、２つの人間の顔を含む領域と第２の幾何学的模様を含む領域とを含む画像、２つの人間の顔を含む領域と第３の幾何学的模様を含む領域とを含む画像、及び１つの人間の顔を含む領域と第４の幾何学的模様を含む領域とを含む画像を含み、
上記第２の画像は、人間の閉じた眼を含む領域と人間の閉じた口を含む領域とを含む画像、人間の開いた眼を含む領域と人間の開いた口を含む領域とを含む画像、及び人間の開いた眼を含む領域と人間の閉じた口を含む領域とを含む画像を含み、
上記加重平均ステップにおいて、上記第２の割合の重み付け係数は、０．３８以上、０．４５以下であり、上記第６の割合の重み付け係数は、０．９５以上、０．９９以下である
ことを特徴とする、請求項５に記載の予測方法。
上記第２の画像は、人間の閉じた眼を含む領域と人間の閉じた口を含む領域とを含む画像、人間の開いた眼を含む領域と人間の開いた口を含む領域とを含む画像、及び人間の開いた眼を含む領域と人間の閉じた口を含む領域とを含む画像を含み、
上記加重平均ステップにおいて、上記第２の割合の重み付け係数は、０．３８以上、０．４５以下であり、上記第６の割合の重み付け係数は、０．９５以上、０．９９以下である
ことを特徴とする、請求項５に記載の予測方法。
【請求項7】
上記対象者は２歳以下である
ことを特徴とする、請求項１～６の何れか１項に記載の予測方法。
ことを特徴とする、請求項１～６の何れか１項に記載の予測方法。
【請求項8】
対象者に複数の画像を表示し、当該対象者の視線を検出することにより当該対象者が当該複数の画像の何れの領域を見ているのかを特定する視線検出装置からの出力データを取得するデータ取得部と、
上記対象者が上記複数の画像毎の特定の領域を見た割合を算出する割合算出部と、
上記割合と、所定の閾値とから、上記対象者が将来的に自閉スペクトラム症であると診断される可能性があるか否かを予測する予測部と
を備えることを特徴とする予測装置。
上記対象者が上記複数の画像毎の特定の領域を見た割合を算出する割合算出部と、
上記割合と、所定の閾値とから、上記対象者が将来的に自閉スペクトラム症であると診断される可能性があるか否かを予測する予測部と
を備えることを特徴とする予測装置。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、予測方法及び予測装置に関する。
【背景技術】
【0002】
自閉スペクトラム症小児の注視点の選好性を応用した選好性注視点定量計測装置（Ｇａｚｅ Ｆｉｎｄｅｒ（登録商標）；ＪＶＣ ＫＥＮＷＯＯＤ社製）が開発されている。また、非特許文献１には、自閉スペクトラム症と診断されている小児は、定型発達児よりも幾何学模様を好んで見るという研究結果が報告されている。
【先行技術文献】
【非特許文献】
【0003】
【非特許文献1】Fujioka T. et. al.，"Gazefinder as a clinical supplementary tool for discriminating between autism spectrum disorder and typical development in male adolescents and adults." Molecular Autism，2016; 7: 19
【発明の概要】
【発明が解決しようとする課題】
【0004】
しかしながら、上述のような従来技術では、既診断の自閉スペクトラム症の特徴を示すにとどまっていて、診断の補助として、又は幼児早期のスクリーニングとして有用であるとの見解は得られていない。
【0005】
本発明の一態様は、早期に、対象者が将来的に自閉スペクトラム症であると診断される可能性があるか否かを予測することができる予測方法及び予測装置を実現することを目的とする。
【課題を解決するための手段】
【0006】
上記の課題を解決するために、本発明の一態様に係る予測方法は、対象者に複数の画像を表示し、当該対象者の視線を検出することにより当該対象者が当該複数の画像の何れの領域を見ているのかを特定する視線検出装置を用いた予測方法であって、上記対象者が上記複数の画像毎の特定の領域を見た割合を算出する割合算出ステップと、上記割合と、所定の閾値とから、上記対象者が将来的に自閉スペクトラム症であると診断される可能性があるか否かを予測する予測ステップとを含むことを特徴とする。
【0007】
上記の課題を解決するために、本発明の一態様に係る予測装置は、対象者に複数の画像を表示し、当該対象者の視線を検出することにより当該対象者が当該複数の画像の何れの領域を見ているのかを特定する視線検出装置からの出力データを取得するデータ取得部と、上記対象者が上記複数の画像毎の特定の領域を見た割合を算出する割合算出部と、上記割合と、所定の閾値とから、上記対象者が将来的に自閉スペクトラム症であると診断される可能性があるか否かを予測する予測部とを備えることを特徴とする。
【発明の効果】
【0008】
本発明の一態様によれば、早期に、対象者が将来的に自閉スペクトラム症であると診断される可能性があるか否かを予測することができる予測方法及び予測装置を実現することができる。
【図面の簡単な説明】
【0009】
【図1】本発明の実施形態１に係る予測方法を示すフローチャートである。
【図2】視線検出装置が表示する複数の画像の一例を示す模式図である。
【図3】本発明の実施形態２に係る予測方法を示すフローチャートである。
【図4】視線検出装置が表示する複数の画像の一例を示す模式図である。
【図5】本発明の実施形態３に係る予測装置の構成要素を示すブロック図である。
【図6】本発明の実施例に用いた動画を示す模式図である。
【図7】本発明の実施例に用いた動画の呼称名、意義、及び時間を示す表である。
【発明を実施するための形態】
【0010】
〔実施形態１〕
以下、本発明の一実施形態について、詳細に説明する。本実施形態に係る予測方法は、対象者に複数の画像を表示し、当該対象者の視線を検出することにより当該対象者が複数の画像の何れの領域を見ているのかを特定する視線検出装置を用いた予測方法である。図１は、本実施形態に係る予測方法を示すフローチャートである。図１に示すように、本実施形態に係る予測方法は、データ取得ステップＳ１１、割合算出ステップＳ１２、及び予測ステップＳ１４を含んでいる。
データ取得ステップＳ１１は、視線検出装置からの出力データを取得するステップである。視線検出装置としては、例えば、Ｇａｚｅ Ｆｉｎｄｅｒ（ＪＶＣ ＫＥＮＷＯＯＤ社製）が挙げられる。
以下、本発明の一実施形態について、詳細に説明する。本実施形態に係る予測方法は、対象者に複数の画像を表示し、当該対象者の視線を検出することにより当該対象者が複数の画像の何れの領域を見ているのかを特定する視線検出装置を用いた予測方法である。図１は、本実施形態に係る予測方法を示すフローチャートである。図１に示すように、本実施形態に係る予測方法は、データ取得ステップＳ１１、割合算出ステップＳ１２、及び予測ステップＳ１４を含んでいる。
データ取得ステップＳ１１は、視線検出装置からの出力データを取得するステップである。視線検出装置としては、例えば、Ｇａｚｅ Ｆｉｎｄｅｒ（ＪＶＣ ＫＥＮＷＯＯＤ社製）が挙げられる。
【0011】
データ取得ステップＳ１１にて取得するデータには、各時点において、複数の画像の何れの領域を当該対象者が見ているのかに関するデータが含まれている。
【0012】
図２は、視線検出装置が表示する複数の画像の一例を示す模式図である。当該複数の画像は、第１の動画１００を含んでいる。また、第１の動画１００は、画像１０１、画像１０２、画像１０３、及び画像１０４を含んでいる。なお、画像１０１、画像１０２、画像１０３、及び画像１０４をそれぞれ第１の画像とも呼ぶ。第１の動画１００は複数の動画であり、画像１０１、画像１０２、画像１０３、及び画像１０４はそれぞれ複数の動画の一コマを示している。複数の画像としては、例えば、Ｇａｚｅ Ｆｉｎｄｅｒが表示する複数の動画である。
【0013】
複数の画像は、年齢の低い対象者であっても見続けられる観点から、３分間以下の動画であることが好ましく、２分３０秒間以下の動画であることがより好ましく、２分間程度の動画であることがさらに好ましい。また、複数の画像は、予測の感度及び特異度を高める観点から、１分間以上の動画であることが好ましく、１分３０秒以上の動画であることがより好ましく、２分間程度の動画であることがさらに好ましい。また、動画は複数の動画の組み合わせである。動画に含まれる各動画は、４秒間以上８秒間以下であることが好ましい。動画は、対象者の視線を検出することにより当該対象者が当該複数の画像の何れの領域を見ているのかを特定するための動画の前に、対象者の視線を正しく検出するための動画が含まれていてもよい。また、対象者の視線を検出することにより当該対象者が当該複数の画像の何れの領域を見ているのかを特定するための各動画の間に、対象者の注意を引き付けるための動画が含まれていてもよい。
【0014】
なお、本発明はこれに限定されず、複数の画像は、複数の静止画であっても、少なくとも１つの静止画と少なくとも１つの動画との組み合わせであってもよい。
【0015】
図２に示すように、画像１０１は、３つの人間の顔を含む領域１０１１と第１の幾何学的模様を含む領域１０１２とを含んでいる。画像１０２は、２つの人間の顔を含む領域１０２１と第２の幾何学的模様を含む領域１０２２とを含んでいる。画像１０３は、２つの人間の顔を含む領域１０３１と第３の幾何学的模様を含む領域１０３２とを含んでいる。画像１０４は、１つの人間の顔を含む領域１０４１と第４の幾何学的模様を含む領域１０４２とを含んでいる。
【0016】
第１の動画１００は、人間の顔を含む第１の領域と、幾何学的模様を含む第２の領域と、当該人間の顔及び当該幾何学的模様を含まない第３の領域とを含んでいる。第３の領域は、つまり、当該人間の顔を含む領域及び当該幾何学的模様を含む領域以外の領域である。
【0017】
具体的には、図２に示すように、画像１０１は、以下の領域１０１１～１０１３を含んでいる。
領域１０１１：第１の領域として３つの人間の顔を含む領域。
領域１０１２：第２の領域として第１の幾何学的模様を含む領域。
領域１０１３：第３の領域として当該３つの人間の顔及び当該第１の幾何学的模様を含まない領域。
領域１０１１：第１の領域として３つの人間の顔を含む領域。
領域１０１２：第２の領域として第１の幾何学的模様を含む領域。
領域１０１３：第３の領域として当該３つの人間の顔及び当該第１の幾何学的模様を含まない領域。
【0018】
画像１０２は、以下の領域１０２１～１０２３を含んでいる。
領域１０２１：第１の領域として２つの人間の顔を含む領域。
領域１０２２：第２の領域として第２の幾何学的模様を含む領域。
領域１０２３：第３の領域として当該２つの人間の顔及び当該第２の幾何学的模様を含まない領域。
領域１０２１：第１の領域として２つの人間の顔を含む領域。
領域１０２２：第２の領域として第２の幾何学的模様を含む領域。
領域１０２３：第３の領域として当該２つの人間の顔及び当該第２の幾何学的模様を含まない領域。
【0019】
画像１０３は、以下の領域１０３１～１０３３を含んでいる。
領域１０３１：第１の領域として２つの人間の顔を含む領域。
領域１０３２：第２の領域として第３の幾何学的模様を含む領域。
領域１０３３：第３の領域として当該２つの人間の顔及び当該第３の幾何学的模様を含まない領域。
領域１０３１：第１の領域として２つの人間の顔を含む領域。
領域１０３２：第２の領域として第３の幾何学的模様を含む領域。
領域１０３３：第３の領域として当該２つの人間の顔及び当該第３の幾何学的模様を含まない領域。
【0020】
画像１０４は、以下の領域１０４１～１０４３を含んでいる。
領域１０４１：第１の領域として１つの人間の顔を含む領域。
領域１０４２：第２の領域として第４の幾何学的模様を含む領域。
領域１０４３：第３の領域として当該１つの人間の顔及び当該第４の幾何学的模様を含まない領域。
領域１０４１：第１の領域として１つの人間の顔を含む領域。
領域１０４２：第２の領域として第４の幾何学的模様を含む領域。
領域１０４３：第３の領域として当該１つの人間の顔及び当該第４の幾何学的模様を含まない領域。
【0021】
割合算出ステップＳ１２は、対象者が複数の画像毎の特定の領域を見た割合を算出するステップである。割合算出ステップＳ１２では、対象者が第１の領域を見た第１の割合、第２の領域を見た第２の割合、及び第３の領域を見た第３の割合の少なくとも何れかを算出する。中でも、第２の割合を算出することが好ましい。なお、割合とは、時間の割合である。
【0022】
予測ステップＳ１４は、割合算出ステップＳ１２において算出した第１の割合、第２の割合、及び第３の割合の少なくとも何れかと、所定の閾値Ｔｈ１とから、対象者が将来的に自閉スペクトラム症であると診断される可能性があるか否かを予測するステップである。
【0023】
所定の閾値Ｔｈ１は、ＲＯＣ（receiver operating characteristic）解析に基づいて決定することが好ましい。ＲＯＣ解析は、最も優れている単一の指標を用いて、対象者が将来的に自閉スペクトラム症と診断される可能性があるか否かを予測することに最も適している感度及び特異度を見つける解析法である。最も優れている単一の指標は、ｔ検定によってｔ値が最も高いものである。最も予測に適している感度及び特異度は、「（感度）＋（特異度）－１」が最大となるもの（Youden Index）である。これは、感度及び特異度の両方のバランスを考慮したものである。所定の閾値Ｔｈ１は、感度及び特異度の両方のバランスが重要と考える場合、ＲＯＣ解析に基づくYouden Indexの値とすることが好ましい。
【0024】
また、予測ステップＳ１４では、感度を特異度よりも優先して高くする場合と、特異度を感度よりも優先して高くする場合とで、所定の閾値Ｔｈ１を異ならせてもよい。例えば、感度を特異度よりも優先して高くする場合、単一の指標の割合を用いてＲＯＣ解析を行い、感度が十分高くなる値を所定の閾値Ｔｈ１とすることが好ましい。感度が高いほど、対象者が将来的に自閉スペクトラム症と診断される可能性の見逃しを低減することができる。また、特異度を感度よりも優先して高くする場合、単一の指標の割合を用いてＲＯＣ解析を行い、特異度が十分高くなる値を所定の閾値Ｔｈ１とすることが好ましい。特異度が高いほど、将来的に自閉スペクトラム症であると診断されない対象者に対して、将来的に自閉スペクトラム症と診断される可能性があると誤って予測する確率を低減することができる。そのため、対象者の養育者に対して不安を与えなくてすむ。
【0025】
例えば、第１の割合と所定の閾値Ｔｈ１とから、対象者が将来的に自閉スペクトラム症であると診断される可能性があるか否かを予測する場合を一例として説明する。感度を特異度よりも優先して高くする場合（偽陰性が少なくなるような設定Ａにおいて）、所定の閾値Ｔｈ１を０．４７以上、０．５１以下とすることが好ましく、０．４８９とすることがより好ましい。特異度を感度よりも優先して高くする場合（偽陽性が少なくなるような設定Ｂにおいて）、所定の閾値Ｔｈ１を０．４２以上、０．４６以下とすることが好ましく、０．４３９とすることがより好ましい。第１の割合が所定の閾値Ｔｈ１よりも低い場合に、対象者が将来的に自閉スペクトラム症であると診断される可能性があると予測する。
【0026】
また、第２の割合と所定の閾値Ｔｈ１とから、対象者が将来的に自閉スペクトラム症であると診断される可能性があるか否かを予測する場合を一例として説明する。感度を特異度よりも優先して高くする場合、所定の閾値Ｔｈ１を０．１７以上、０．２１以下とすることが好ましく、０．１８９とすることがより好ましい。特異度を感度よりも優先して高くする場合、所定の閾値Ｔｈ１を０．３以上、０．３４以下とすることが好ましく、０．３２３とすることがより好ましい。第２の割合が所定の閾値Ｔｈ１よりも高い場合に、対象者が将来的に自閉スペクトラム症であると診断される可能性があると予測する。
【0027】
本発明の一態様に係る予測方法は、対象者は２歳以下である。本発明の一態様に係る予測方法は、従来の５歳以上を対象とした予測方法よりも、より早期に、将来的に自閉スペクトラム症であると診断される可能性があるか否かを予測することができる。本発明の一態様に係る予測方法によって、早期に、対象者が将来的に自閉スペクトラム症であると診断される可能性があるか否かを予測することができることにより、早期に自閉スペクトラム症のための療育を開始することを促すことができる。療育の開始は早いほど効果的であるため、より早期に自閉スペクトラム症の全体的な症状を軽くすることができることが期待できる。
【0028】
〔実施形態２〕
本発明の他の実施形態について、以下に説明する。なお、説明の便宜上、上記実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。
本発明の他の実施形態について、以下に説明する。なお、説明の便宜上、上記実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。
【0029】
【0030】
図４は、視線検出装置が表示する複数の画像の一例を示す模式図である。複数の動画３００（複数の画像）は、第１の動画１００、及び第１の動画１００とは異なる第２の動画２００を含んでいる。第２の動画２００は、画像２０１、画像２０２、及び画像２０３を含んでいる。画像２０１、画像２０２、及び画像２０３は、それぞれ画像１０１、画像１０２、画像１０３、及び画像１０４とは異なる。なお、画像２０１、画像２０２、及び画像２０３をそれぞれ第２の画像とも呼ぶ。第２の動画２００は動画であり、画像２０１、画像２０２、及び画像２０３は動画の一コマを示している。
【0031】
図４に示すように、画像２０１は、人間の閉じた眼を含む領域２０１１と人間の閉じた口を含む領域２０１２とを含んでいる。画像２０２は、人間の開いた眼を含む領域２０２１と人間の開いた口を含む領域２０２２とを含んでいる。画像２０３は、人間の開いた眼を含む領域と人間の閉じた口を含む領域とを含んでいる。
【0032】
第２の動画２００は、人間の眼を含む第４の領域と、人間の口を含む第５の領域と、当該人間の眼及び当該人間の口を含まない第６の領域とを含んでいる。第６の領域は、つまり、当該人間の眼を含む領域及び当該人間の口を含む領域以外の領域である。
【0033】
具体的には、図４に示すように、画像２０１は、以下の領域２０１１～２０１３を含んでいる。
領域２０１１：第４の領域として人間の閉じた眼を含む領域。
領域２０１２：第５の領域として人間の閉じた口を含む領域。
領域２０１３：第６の領域として当該人間の閉じた眼及び当該人間の閉じた口を含まない領域。
領域２０１１：第４の領域として人間の閉じた眼を含む領域。
領域２０１２：第５の領域として人間の閉じた口を含む領域。
領域２０１３：第６の領域として当該人間の閉じた眼及び当該人間の閉じた口を含まない領域。
【0034】
画像２０２は、以下の領域２０２１～２０２３を含んでいる。
領域２０２１：第４の領域として人間の開いた眼を含む領域。
領域２０２２：第５の領域として人間の開いた口を含む領域。
領域２０２３：第６の領域として当該人間の開いた眼及び当該人間の開いた口を含まない領域。
領域２０２１：第４の領域として人間の開いた眼を含む領域。
領域２０２２：第５の領域として人間の開いた口を含む領域。
領域２０２３：第６の領域として当該人間の開いた眼及び当該人間の開いた口を含まない領域。
【0035】
画像２０３は、以下の領域２０３１～２０３３を含んでいる。
領域２０３１：第４の領域として人間の開いた眼を含む領域。
領域２０３２：第５の領域として人間の閉じた口を含む領域。
領域２０３３：第６の領域として当該人間の開いた眼及び当該人間の閉じた口を含まない領域。
領域２０３１：第４の領域として人間の開いた眼を含む領域。
領域２０３２：第５の領域として人間の閉じた口を含む領域。
領域２０３３：第６の領域として当該人間の開いた眼及び当該人間の閉じた口を含まない領域。
【0036】
複数の動画３００は、第１の動画１００及び第２の動画２００以外に、第１の動画１００及び第２の動画２００とは異なる動画を更に含んでいてもよい。例えば、複数の動画３００は、点の動きを同調させて人間等の生き物のように見せる動画等を含んでいてもよい。
【0037】
割合算出ステップＳ１２では、対象者が第４の領域を見た第４の割合、第５の領域を見た第５の割合、及び第６の領域を見た第６の割合の少なくとも何れかを更に算出する。中でも、第６の割合を算出することが好ましい。
【0038】
加重平均ステップＳ１３は、第１の割合、第２の割合、及び第３の割合の少なくとも何れかと、第４の割合、第５の割合、及び第６の割合の少なくとも何れかと、に対して重み付けを行った重み付け線形和を用いて加重平均した値を算出するステップである。加重平均ステップＳ１３では、第２の割合と、第６の割合と、に対して重み付けを行った重み付け線形和を用いて加重平均した値を算出することが好ましい。
【0039】
加重平均ステップＳ１３では、第２の割合と、第６の割合に対して重み付けを行った重み付け線形和を用いて加重平均した値を算出する。これにより、感度を高く、かつ、特異度を高く、早期に、対象者が将来的に自閉スペクトラム症であると診断される可能性があるか否かを予測することができる。
【0040】
なお、加重平均ステップＳ１３では、第２の割合の重み付け係数と、第６の割合の重み付け係数とを、統計解析ソフトウェアを用いたステップワイズ法によって算出してもよい。統計解析ソフトウェアとして、例えば、ＳＰＳＳ（登録商標）ｖｅｒ２１（ＳＰＳＳ社製）を用いればよい。
【0041】
加重平均ステップＳ１３では、第２の割合の重み付け係数は、０．３８以上、０．４５以下であることが好ましく、中でも０．４１７であることがより好ましい。また、第６の割合の重み付け係数は、０．９５以上、０．９９以下であることが好ましく、中でも０．９７１であることがより好ましい。第２の割合の重み付け係数及び第６の割合の重み付け係数が上記範囲であることにより、より感度を高く、かつ、より特異度を高く、早期に、対象者が将来的に自閉スペクトラム症であると診断される可能性があるか否かを予測することができる。
【0042】
予測ステップＳ１４では、加重平均ステップＳ１３で算出した値と、所定の閾値Ｔｈ２とから、対象者が将来的に自閉スペクトラム症であると診断される可能性があるか否かを予測する。
【0043】
所定の閾値Ｔｈ２は、例えば０．８以上、１．２以下であることが好ましく、１であることがより好ましい。予測ステップＳ１４では、以下の式（１）を満たすときに、対象者が将来的に自閉スペクトラム症であると診断される可能性があると予測することが好ましい。また、式（１）を満たさないときに、対象者が将来的に自閉スペクトラム症であると診断される可能性がないと予測することが好ましい。
【0044】
０．４１７×（第２の割合）＋０．９７１×（第６の割合）≧１ …（１）
これにより、より感度を高く、かつ、より特異度を高く、早期に、対象者が将来的に自閉スペクトラム症であると診断される可能性があるか否かを予測することができる。
これにより、より感度を高く、かつ、より特異度を高く、早期に、対象者が将来的に自閉スペクトラム症であると診断される可能性があるか否かを予測することができる。
【0045】
〔実施形態３〕
本発明の他の実施形態について、以下に説明する。なお、説明の便宜上、上記実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。
本発明の他の実施形態について、以下に説明する。なお、説明の便宜上、上記実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。
【0046】
【0047】
データ取得部１１は、対象者に複数の画像を表示し、当該対象者の視線を検出することにより当該対象者が当該複数の画像の何れの領域を見ているのかを特定する視線検出装置２０００からの出力データを取得する。データ取得部１１が取得するデータには、各時点において、複数の画像の何れの領域を当該対象者が見ているのかに関するデータが含まれている。データ取得部１１は、データ取得ステップＳ１１の処理を行う。処理の詳細は上記実施形態にて説明した通りである。
【0048】
割合算出部１２は、上記対象者が上記複数の画像毎の特定の領域を見た割合を算出する。割合算出部１２は、割合算出ステップＳ１２の処理を行う。処理の詳細は上記実施形態にて説明した通りである。
【0049】
加重平均部１３は、第１の割合、第２の割合、及び第３の割合の少なくとも何れかと、第４の割合、第５の割合、及び第６の割合の少なくとも何れかと、に対して重み付けを行った重み付け線形和を用いて加重平均した値を算出する。加重平均部１３は、加重平均ステップＳ１３の処理を行う。処理の詳細は上記実施形態にて説明した通りである。
【0050】
予測部１４は、上記割合と、所定の閾値Ｔｈ１とから、上記対象者が将来的に自閉スペクトラム症であると診断される可能性があるか否かを予測する。予測部１４は、予測ステップＳ１４の処理を行う。処理の詳細は上記実施形態にて説明した通りである。
【0051】
〔ソフトウェアによる実現例〕
予測装置１０００の制御ブロック（データ取得部１１、割合算出部１２、加重平均部１３、及び予測部１４）は、集積回路（ＩＣチップ）等に形成された論理回路（ハードウェア）によって実現してもよいし、ソフトウェアによって実現してもよい。
予測装置１０００の制御ブロック（データ取得部１１、割合算出部１２、加重平均部１３、及び予測部１４）は、集積回路（ＩＣチップ）等に形成された論理回路（ハードウェア）によって実現してもよいし、ソフトウェアによって実現してもよい。
【0052】
後者の場合、予測装置１０００は、各機能を実現するソフトウェアであるプログラムの命令を実行するコンピュータを備えている。このコンピュータは、例えば１つ以上のプロセッサを備えていると共に、上記プログラムを記憶したコンピュータ読み取り可能な記録媒体を備えている。そして、上記コンピュータにおいて、上記プロセッサが上記プログラムを上記記録媒体から読み取って実行することにより、本発明の目的が達成される。上記プロセッサとしては、例えばＣＰＵ（Central Processing Unit）を用いることができる。上記記録媒体としては、「一時的でない有形の媒体」、例えば、ＲＯＭ（Read Only Memory）等の他、テープ、ディスク、カード、半導体メモリ、プログラマブルな論理回路などを用いることができる。また、上記プログラムを展開するＲＡＭ（Random Access Memory）などをさらに備えていてもよい。また、上記プログラムは、該プログラムを伝送可能な任意の伝送媒体（通信ネットワークや放送波等）を介して上記コンピュータに供給されてもよい。なお、本発明の一態様は、上記プログラムが電子的な伝送によって具現化された、搬送波に埋め込まれたデータ信号の形態でも実現され得る。
【0053】
本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。
【実施例0054】
１歳６か月児健診において発達上の問題を呈した幼児を対象に、ＡＳＤのスクリーニングに関するコホート調査を実施した。
【0055】
〔対象群〕
対象は、日本国内のある地域にて１歳６か月児健診を受けた２４８２名のうち、言葉の遅れ、視線の合いにくさ、著しい多動、顕著な怖れにより２歳での二次健診を受診した１２６名のうち、本研究への参加に同意した１１６名とした。研究デザインはコホート研究とした。
対象は、日本国内のある地域にて１歳６か月児健診を受けた２４８２名のうち、言葉の遅れ、視線の合いにくさ、著しい多動、顕著な怖れにより２歳での二次健診を受診した１２６名のうち、本研究への参加に同意した１１６名とした。研究デザインはコホート研究とした。
【0056】
〔対照群〕
対照群は、定型発達の２歳児１２７名である。本実施例では２歳でＫ式発達検査を実施し、発達指数（Developmental Quotient; DQ）７０未満となる明らかな遅れはないこと、及び４歳までの健康に関する質問紙にて明らかな発達上の問題はないことを確認済である。また、２歳の時点で以下に説明する選好性注視点定量計測装置による注視点計測を実施した。
対照群は、定型発達の２歳児１２７名である。本実施例では２歳でＫ式発達検査を実施し、発達指数（Developmental Quotient; DQ）７０未満となる明らかな遅れはないこと、及び４歳までの健康に関する質問紙にて明らかな発達上の問題はないことを確認済である。また、２歳の時点で以下に説明する選好性注視点定量計測装置による注視点計測を実施した。
【0057】
〔方法〕
（２歳及び５歳における視覚選好性検査）
対象者の２歳及び５歳における視覚選好性検査を行った。視覚選好性検査は、選好性注視点定量計測装置（Ｇａｚｅ Ｆｉｎｄｅｒ；ＪＶＣ ＫＥＮＷＯＯＤ社製、以下ＧＦとも称する）を用いて、注視点（視線）の計測を測定することにより行った。対象者は、２歳の時点では養育者に抱っこをされた状態で検査を受けた。ＧＦは、対象者が２分間モニターを見つめることで、注視点を自動的に検出し、画面上で好んで見る映像を分析できる装置である。視覚選好性検査は、２歳及び５歳の時点で行った。図６は、視覚選好性検査に用いた動画を示す模式図である。図７は、当該動画の呼称名、意義、及び時間を示す表である。
（２歳及び５歳における視覚選好性検査）
対象者の２歳及び５歳における視覚選好性検査を行った。視覚選好性検査は、選好性注視点定量計測装置（Ｇａｚｅ Ｆｉｎｄｅｒ；ＪＶＣ ＫＥＮＷＯＯＤ社製、以下ＧＦとも称する）を用いて、注視点（視線）の計測を測定することにより行った。対象者は、２歳の時点では養育者に抱っこをされた状態で検査を受けた。ＧＦは、対象者が２分間モニターを見つめることで、注視点を自動的に検出し、画面上で好んで見る映像を分析できる装置である。視覚選好性検査は、２歳及び５歳の時点で行った。図６は、視覚選好性検査に用いた動画を示す模式図である。図７は、当該動画の呼称名、意義、及び時間を示す表である。
【0058】
（５歳時点での診断）
５歳で小児神経科医による診察をして、国際疾病分類第１０版（ＩＣＤ－１０）に基づいてＡＳＤの有無について診断を行い、ＡＳＤと非ＡＳＤとに分類した。
５歳で小児神経科医による診察をして、国際疾病分類第１０版（ＩＣＤ－１０）に基づいてＡＳＤの有無について診断を行い、ＡＳＤと非ＡＳＤとに分類した。
【0059】
さらに、ＩＣＤ－１０に基づく診断においてＡＳＤに分類された小児に対して、５歳での言語発達及び認知発達の状態を知るために、単語の定義の検査、及びじゃんけんの勝ち負けの検査を行った。単語の定義の検査は、DENVER II デンバー発達判定法を参照とした。単語の定義の検査は、５つの単語について定義付けできるか否かを検査した。単語の定義ができた数が５つであった小児は、じゃんけんの勝ち負けの検査に依らず、言語発達に遅れのないＡＳＤ（以下ＡＳＤ２群）に分類した。単語の定義ができた数が、３つ以下であった小児は、じゃんけんの勝ち負けの検査に依らず、言語発達に遅れがあるＡＳＤ（以下ＡＳＤ１群）に分類した。単語の定義ができた数が４つであった小児の中で、じゃんけんの勝ち負けが分かった小児はＡＳＤ２群に分類し、じゃんけんの勝ち負けが分からなかった小児はＡＳＤ１群に分類した。
【0060】
〔結果〕
対象者１１６名のうち５歳での診察に参加したのは９４名（８１．０％）であった。ＩＣＤ－１０によるＡＳＤの基準を満たしたのは２０名で、ＡＳＤ１群は７名、ＡＳＤ２群は１３名であった。７４名が非ＡＳＤであった。非ＡＳＤのうち、定型発達児は３５名、ＡＤＨＤと判断された幼児が１２名、ＡＳＤはなく言語発達に明らかな遅れがある幼児が１９名、場面緘黙と判断された幼児が８名であった。
対象者１１６名のうち５歳での診察に参加したのは９４名（８１．０％）であった。ＩＣＤ－１０によるＡＳＤの基準を満たしたのは２０名で、ＡＳＤ１群は７名、ＡＳＤ２群は１３名であった。７４名が非ＡＳＤであった。非ＡＳＤのうち、定型発達児は３５名、ＡＤＨＤと判断された幼児が１２名、ＡＳＤはなく言語発達に明らかな遅れがある幼児が１９名、場面緘黙と判断された幼児が８名であった。
【0061】
視覚選好性検査については、ＧＦのデータ取得率が０．６以上の場合に解析の対象とした。なお、データの取得率とは、動画再生の総時間に対する、動画への視線を検出できた時間の割合である。５歳での診察に参加した９４名中８５名が解析の対象に該当し、内訳はＡＳＤ１群が７名、ＡＳＤ２群が１１名、非ＡＳＤ群６７名であった。ＧＦによる視覚選好性検査の実施成功率は９０．４％であった。対照群ではデータ取得率が０．６以上であったのは１１４名であり、実施成功率は８９．８％であった。ＡＳＤの診断はＩＣＤ－１０に基づいて行った。診察には５歳児健診の診察項目を行い、その基準に従って判定した。
【0062】
〔１．対象群内での検討〕
（１）一元配置分散分析
まず、対象児群内でＡＳＤ１群、ＡＳＤ２群、非ＡＳＤ群の３群に分けて一元配置分散分析を行った。人物と幾何学図形の画像で非ＡＳＤ群がＡＳＤ２群よりも人物を好んで見るという結果であった（ｐ＜０．０１）。逆にＡＳＤ２群が非ＡＳＤ群よりも幾何学図形を好んで見るという結果であった（ｐ＜０．００１）。共同注視を意図した動画にて、共同注視すべき画像以外を見ていた割合が、ＡＳＤ２群では非ＡＳＤ群よりも多い（ｐ＜０．０５）という結果であった。ＡＳＤ１群では、他の２群との間に有意差がある動画は一つもなかった。
（１）一元配置分散分析
まず、対象児群内でＡＳＤ１群、ＡＳＤ２群、非ＡＳＤ群の３群に分けて一元配置分散分析を行った。人物と幾何学図形の画像で非ＡＳＤ群がＡＳＤ２群よりも人物を好んで見るという結果であった（ｐ＜０．０１）。逆にＡＳＤ２群が非ＡＳＤ群よりも幾何学図形を好んで見るという結果であった（ｐ＜０．００１）。共同注視を意図した動画にて、共同注視すべき画像以外を見ていた割合が、ＡＳＤ２群では非ＡＳＤ群よりも多い（ｐ＜０．０５）という結果であった。ＡＳＤ１群では、他の２群との間に有意差がある動画は一つもなかった。
【0063】
（２）ＲＯＣ解析
対象群の中でＡＳＤ２群をアウトカムとしたＲＯＣ解析を行った。図８Ａは、図６及び図７に示す動画１、２、７、８における人間の顔を含む領域を見た割合についてのＲＯＣ曲線を示すグラフである。図８Ｂは、実施例（対象群内）において、図６及び図７に示す動画１、２、７、８における幾何学的模様を含む領域を見た割合についてのＲＯＣ曲線を示すグラフである。図９Ａは、図６及び図７に示す動画１、２、７、８における人間の顔を含む領域を見た割合についてのＲＯＣ曲線を示すグラフである。図９Ｂは、実施例（対照群を含む）において、図６及び図７に示す動画１、２、７、８における人間の顔を含む領域を見た割合についてのＲＯＣ曲線を示すグラフである。
対象群の中でＡＳＤ２群をアウトカムとしたＲＯＣ解析を行った。図８Ａは、図６及び図７に示す動画１、２、７、８における人間の顔を含む領域を見た割合についてのＲＯＣ曲線を示すグラフである。図８Ｂは、実施例（対象群内）において、図６及び図７に示す動画１、２、７、８における幾何学的模様を含む領域を見た割合についてのＲＯＣ曲線を示すグラフである。図９Ａは、図６及び図７に示す動画１、２、７、８における人間の顔を含む領域を見た割合についてのＲＯＣ曲線を示すグラフである。図９Ｂは、実施例（対照群を含む）において、図６及び図７に示す動画１、２、７、８における人間の顔を含む領域を見た割合についてのＲＯＣ曲線を示すグラフである。
【0064】
対象群について、ＡＵＣ（area under the curve）が０．８以上であったのは、人間の顔及び幾何学的模様を含む動画１、２、７、８（呼称名：好みＡ～Ｄ）における人間の顔を見た割合（ＡＵＣ＝０．８２７）及び幾何学的模様を見た割合（ＡＵＣ＝０．８０７）であった。人間の顔を見た割合（好み１）を指標として偽陰性が少なくなるような（感度を特異度よりも優先して高くする）設定Ａにおいて、動画１、２、７、８における人間の顔を見た割合が閾値０．４３９よりも低いとＡＳＤであると予測し、感度は８１．８％（１１名中９名が的中）、特異度は８５．１％（６７名中５７名が的中）であった。人間の顔を見た割合（好み１）を指標として偽陽性が少なくなるような（特異度を感度よりも優先して高くする）設定Ｂにおいて、動画１、２、７、８における人間の顔を見た割合が閾値０．３９８よりも低いとＡＳＤであると予測し、感度は７２．７％（１１名中９が的中）、特異度は８９．４％（６７名中６０名が的中）であった。
【0065】
幾何学的模様を見た割合（好み２）を指標として偽陰性が少なくなるような設定Ａにおいて、動画１、２、７、８における幾何学的模様を見た割合が閾値０．１８９よりも高いとＡＳＤであると予測し、感度は８１．８％（１１名中９名が的中）、特異度は７３．１％（６７名中４９名が的中）であった。幾何学的模様を見た割合（好み２）を指標として偽陽性が少なくなるような設定Ｂにおいて、動画１、２、７、８における幾何学的模様を見た割合が閾値０．３２３よりも高いとＡＳＤであると予測し、感度は７２．７％（１１名中８名が的中）、特異度は９２．５％（６７名中６２名が的中）であった。
【0066】
（３）判別分析
ステップワイズ法にてＡＳＤの各群と非ＡＳＤ群の判別分析を行った。統計解析ソフトウェアとして、ＳＰＳＳ ｖｅｒ２１を用いた。ＡＳＤ１群と非ＡＳＤ群の判別率は６７．６％で、ＡＳＤ１群の正判別率は５７．１％、非ＡＳＤ群の正判別率は６８．７％であった。判別に使われた指標は、動画４及び動画１０における全く無関係な領域を見る割合であった。動画４における全く無関係な領域は、人間、果物、及び図形を含まない領域である。動画１０における全く無関係な領域は、人間、図形、及び動物を含まない領域である。
ステップワイズ法にてＡＳＤの各群と非ＡＳＤ群の判別分析を行った。統計解析ソフトウェアとして、ＳＰＳＳ ｖｅｒ２１を用いた。ＡＳＤ１群と非ＡＳＤ群の判別率は６７．６％で、ＡＳＤ１群の正判別率は５７．１％、非ＡＳＤ群の正判別率は６８．７％であった。判別に使われた指標は、動画４及び動画１０における全く無関係な領域を見る割合であった。動画４における全く無関係な領域は、人間、果物、及び図形を含まない領域である。動画１０における全く無関係な領域は、人間、図形、及び動物を含まない領域である。
【0067】
ＡＳＤ２群と非ＡＳＤ群の判別率は８８．５％で、ＡＳＤ２群の正判別率は７２．７％、非ＡＳＤ群の正判別率は９１．０％であった。判別に用いられた指標は、動画１、２、７、８における幾何学的模様を見た割合であった。
【0068】
〔２．対照群との比較〕
（１）一元配置分散分析
対象群に対照群（１１４名）を加えて一元配置分散分析を行ったところ、人間の顔及び幾何学的模様を含む動画１、２、７、８において、非ＡＳＤ群と対照群がＡＳＤ２群よりも人間の顔を好んで見るという結果であった（ｐ＜０．０１）。逆にＡＳＤ２群が非ＡＳＤ群と対照群よりも幾何学的模様を好んで見るという結果であった（ｐ＜０．０１）。そのほかには有意差は認められなかった。
（１）一元配置分散分析
対象群に対照群（１１４名）を加えて一元配置分散分析を行ったところ、人間の顔及び幾何学的模様を含む動画１、２、７、８において、非ＡＳＤ群と対照群がＡＳＤ２群よりも人間の顔を好んで見るという結果であった（ｐ＜０．０１）。逆にＡＳＤ２群が非ＡＳＤ群と対照群よりも幾何学的模様を好んで見るという結果であった（ｐ＜０．０１）。そのほかには有意差は認められなかった。
【0069】
（２）ＲＯＣ解析
ＡＳＤ２群と対照群からＡＳＤ２群をアウトカムとしたＲＯＣ解析を行った。ＡＵＣが０．８以上であったのは、動画１、２、７、８における人間の顔を見る割合（ＡＵＣ＝０．８２７）、及び幾何学的模様を見る割合（ＡＵＣ＝０．８０９）の２つであった。
ＡＳＤ２群と対照群からＡＳＤ２群をアウトカムとしたＲＯＣ解析を行った。ＡＵＣが０．８以上であったのは、動画１、２、７、８における人間の顔を見る割合（ＡＵＣ＝０．８２７）、及び幾何学的模様を見る割合（ＡＵＣ＝０．８０９）の２つであった。
【0070】
対照群について、ＡＵＣが０．８以上であったのは、人間の顔及び幾何学的模様を含む動画１、２、７、８（呼称名：好みＡ～Ｄ）における人間の顔を見た割合（ＡＵＣ＝０．８３１）及び幾何学的模様を見た割合（ＡＵＣ＝０．８２５）であった。人間の顔を見た割合（好み１）を指標として偽陰性が少なくなるような（感度を特異度よりも優先して高くする）設定Ａにおいて、動画１、２、７、８における人間の顔を見た割合が閾値０．４３９よりも低いとＡＳＤであると予測し、感度は８１．８％（１１名中９名が的中）、特異度は８５．１％（１１４名中９７名が的中）であった。人間の顔を見た割合（好み１）を指標として偽陽性が少なくなるような（特異度を感度よりも優先して高くする）設定Ｂにおいて、動画１、２、７、８における人間の顔を見た割合が閾値０．４８９よりも低いとＡＳＤであると予測し、感度は９０．９％（１１名中１０名が的中）、特異度は７７．２％（１１４名中８８名が的中）であった。
【0071】
幾何学的模様を見た割合（好み２）を指標として偽陰性が少なくなるような設定Ａにおいて、動画１、２、７、８における幾何学的模様を見た割合が閾値０．１９３よりも高いとＡＳＤであると予測し、感度は８１．８％（１１名中９名が的中）、特異度は７２．８％（１１４名中８３名が的中）であった。幾何学的模様を見た割合（好み２）を指標として偽陽性が少なくなるような設定Ｂにおいて、動画１、２、７、８における幾何学的模様を見た割合が閾値０．３２３よりも高いとＡＳＤであると予測し、感度は７２．７％（１１名中８名が的中）、特異度は９３．９％（１１４名中１０７名が的中）であった。
【0072】
（３）判別分析
ステップワイズ法にてＡＳＤ２群と対照群の判別分析を行った。判別分析には、上述した式（１）を用いた。図１０は、図６及び図７に示す動画１、２、７、８における幾何学的模様を含む領域を見た割合と、図６及び図７に示す動画３－２における人間の眼及び人間の口を含まない領域を見た割合と、についての判別分析の結果を示す表である。ＡＳＤ２群と対照群の判別率は８７．２％で、ＡＳＤ２群の正判別率は９０．９％、対照群の正判別率は８６．８％であった。判別に用いられた指標は人物画と幾何学模様の動画における幾何学模様を見る割合と人物の顔画像において無関係な領域を見ている割合の組み合わせであった。
ステップワイズ法にてＡＳＤ２群と対照群の判別分析を行った。判別分析には、上述した式（１）を用いた。図１０は、図６及び図７に示す動画１、２、７、８における幾何学的模様を含む領域を見た割合と、図６及び図７に示す動画３－２における人間の眼及び人間の口を含まない領域を見た割合と、についての判別分析の結果を示す表である。ＡＳＤ２群と対照群の判別率は８７．２％で、ＡＳＤ２群の正判別率は９０．９％、対照群の正判別率は８６．８％であった。判別に用いられた指標は人物画と幾何学模様の動画における幾何学模様を見る割合と人物の顔画像において無関係な領域を見ている割合の組み合わせであった。
【0073】
〔考察〕
１．ＧＦの実行性について
ＧＦによる注視点計測は、１歳６か月児健診で発達上や成長上に問題がある群でも、対象群でも約９０％と高く、２歳という年齢において十分の実施可能な検査であると考えられた。実施にかかる時間も２分間程度であり、十分な実用性を備えている検査であると考えられる。
１．ＧＦの実行性について
ＧＦによる注視点計測は、１歳６か月児健診で発達上や成長上に問題がある群でも、対象群でも約９０％と高く、２歳という年齢において十分の実施可能な検査であると考えられた。実施にかかる時間も２分間程度であり、十分な実用性を備えている検査であると考えられる。
【0074】
２．視覚選好性について
ＧＦには人物対幾何学図形という設定以外に、共同注視の成立を見る画像や人物の顔の眼と口のどちらを好んで注視するかなどを調べる画像が設定してある。本研究の結果では、人物対幾何学図形において、ＡＳＤ２群が幾何学図形を好んで見ること、逆に非ＡＳＤ群や対照群では人を好んで見ることが示された。これらの所見は先行研究と一致する知見であった。
ＧＦには人物対幾何学図形という設定以外に、共同注視の成立を見る画像や人物の顔の眼と口のどちらを好んで注視するかなどを調べる画像が設定してある。本研究の結果では、人物対幾何学図形において、ＡＳＤ２群が幾何学図形を好んで見ること、逆に非ＡＳＤ群や対照群では人を好んで見ることが示された。これらの所見は先行研究と一致する知見であった。
【0075】
一方で、ＡＳＤ１群では、非ＡＳＤ群および対照群ともに、いずれの画像においても有意差がなかったことより、幾何学図形を好んで見るという特性は、ＡＳＤ２群に限定した特有の行動である可能性が示された。先行研究ではいずれも発達が良好なＡＳＤを対象としているため、発達に明らかな遅れがあるＡＳＤについての知見はないが、これは知的な遅れのあるＡＳＤでは、検査の実施が困難であることが多いためと考えられる。ＧＦは発達に遅れがあるＡＳＤの２歳児でも検査が実施できており、それゆえ新しく得られた知見であると考えられる。
【0076】
３．スクリーニングとしての有用性
上述したように、ＡＳＤ２群のスクリーニングの感度は、非ＡＳＤ群に対して８１．８％と良好であった。これは１歳６か月児健診で発達上での問題を指摘された２歳児の二次健診においてＧＦによる視覚選好性を調べることで、早期にスクリーニングが可能であることを示している。また対照群に対しても感度は８１．８％であった。対照群は、エコチル調査に参加している幼児で地域住民をベースとした集団であることより、１歳６か月児健診でＧＦによる視覚選好性を調べてもスクリーニングが可能であると考えられる。一方で特異度は非ＡＳＤ群に対しては７３．１％であり、対照群に対しては８５．１％であった。このことより、発達上の問題を指摘された２歳児の二次健診ではやや偽陽性が多く、１歳６か月児健診でＧＦを実施したほうが偽陽性は少ないであろうと推測される。ただ、非ＡＳＤ群に対しても偽陽性が少なくなる設定は可能で、感度は７２．７％と低下するが、特異度は９２．５％と高く設定することが可能である。このため、これらを組み合わせた判定方法が望ましい。
上述したように、ＡＳＤ２群のスクリーニングの感度は、非ＡＳＤ群に対して８１．８％と良好であった。これは１歳６か月児健診で発達上での問題を指摘された２歳児の二次健診においてＧＦによる視覚選好性を調べることで、早期にスクリーニングが可能であることを示している。また対照群に対しても感度は８１．８％であった。対照群は、エコチル調査に参加している幼児で地域住民をベースとした集団であることより、１歳６か月児健診でＧＦによる視覚選好性を調べてもスクリーニングが可能であると考えられる。一方で特異度は非ＡＳＤ群に対しては７３．１％であり、対照群に対しては８５．１％であった。このことより、発達上の問題を指摘された２歳児の二次健診ではやや偽陽性が多く、１歳６か月児健診でＧＦを実施したほうが偽陽性は少ないであろうと推測される。ただ、非ＡＳＤ群に対しても偽陽性が少なくなる設定は可能で、感度は７２．７％と低下するが、特異度は９２．５％と高く設定することが可能である。このため、これらを組み合わせた判定方法が望ましい。
【0077】
これまで言語発達に遅れのないＡＳＤ幼児をスクリーニングすることは困難であるとされているが、本研究の結果が示したように、ハイリスクの２歳児に対して、視覚選好性注視点計測を行うことで早期に気づく道筋が得られたと考えられる。
【0078】
４．脳機能との関係
ＡＳＤで言語発達に遅れのない小児では、顔の認知に対する脳の反応低下が報告されている。本研究でもＡＳＤ２群では、顔への反応が不良で、それを応用することで高精度にスクリーニングすることが可能であるという結果が得られた。これは小児期におけるＡＳＤの右紡錘状回の顔認知への反応が低いという所見を支持するものであり、脳の反応低下というバイオマーカーの候補と言えると考えられる。
ＡＳＤで言語発達に遅れのない小児では、顔の認知に対する脳の反応低下が報告されている。本研究でもＡＳＤ２群では、顔への反応が不良で、それを応用することで高精度にスクリーニングすることが可能であるという結果が得られた。これは小児期におけるＡＳＤの右紡錘状回の顔認知への反応が低いという所見を支持するものであり、脳の反応低下というバイオマーカーの候補と言えると考えられる。
【符号の説明】
【0079】
１１ データ取得部
１２ 割合算出部
１３ 加重平均部
１４ 予測部
１０００ 予測装置
１２ 割合算出部
１３ 加重平均部
１４ 予測部
１０００ 予測装置
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8A】
【図8B】
【図9A】
【図9B】
【図10】