自閉症スペクトラム障害の予測における視線パラダイムの妥当性の評価 (EYE)

現在の研究は、パイロット テスト、開発、検証、再テストの 4 つのフェーズで行われます。 各フェーズでは、参加者は社会的要素を含む視覚的注意刺激 (社会的注意パラダイム) を観察し、視線追跡測定値は遠隔で取得されます。 視覚的注意のパラダイムはパイロット テストで改良されますが、開発、検証、再テストの各段階では同じままになります。 キャリブレーションとビジュアル パラダイムの表示を含むプロセス全体には、約 15 分かかります。 以下のテキストでは、各段階を詳細に説明し、社会的注目のパラダイムと視線追跡手順の具体的な方法論をレビューします。

1. パイロットフェーズ。 社会的注目パラダイムのパイロット テストは、参加している子供の年齢を超えて十分に魅力的であることを確認するために視線測定を導き出すために使用されました。 この段階での視覚的注意のパラダイムは 10 ～ 12 分であると予想されます。 このフェーズは、テスト期間中注意を維持するための最適な戦略を決定するためにも使用されます。 初期データは、将来の段階に含めるべき最も特徴的な刺激要素についての洞察を提供する可能性もあります。 研究者らは、この段階で約 10 人の ASD と 10 人の非 ASD 参加者を募集すると予想しています。 パイロット段階では、採用に 2.5 か月、データの削減と分析に 0.5 か月が必要になると予想されます。
2. 開発段階。 パイロットテストが完了すると、1.5歳から18歳までのASDの影響を受ける子供30人と非ASDの子供30人が募集される。 子どもたちはそれぞれ、視線がリモートで追跡されている間に、社会的注目のパラダイムを完成させます。 次に、視線データが 100 を超えるパラメーターについてスコア付けされ、これらのスコアは各参加者に関する診断情報と認知情報を含むデータベースに入力されます。 次に、視線追跡データが分析されて、ASD 集団におけるシステムの診断感度と特異性を向上させる診断アルゴリズムと予後アルゴリズムが作成されます。 開発期間には 6 か月のデータ収集が必要で、その後、スコアリングとアルゴリズムの計算に 3 か月かかります。
3. 検証フェーズ。 検証サンプルの収集には、1.5 ～ 18 歳の ASD の影響を受ける子供 60 人と非 ASD の影響を受ける子供 60 人が含まれます。 検証フェーズでは、開発サンプルで使用されたのと同じ視覚的ソーシャル アテンション パラダイムと手法が使用されます。 検証期間はアルゴリズム開発と重なるため、8 か月のデータ収集と 1 か月の分析が必要です。
4. 再テストフェーズ。 再テスト段階の参加者には、検証段階の前半で募集された 30 人の ASD と 30 人の非 ASD の子供が含まれます。 これらの参加者には、検証フェーズでの最初のテストから約 3 ～ 6 か月後に研究者が再テストフェーズのために参加者を再募集することが検証フェーズで説明されます。

対象サンプルサイズは研究のフェーズによって異なります。 各フェーズの目標サンプルサイズは次のとおりです。

パイロットフェーズ = 10 ASD および 10 非 ASD 開発フェーズ = 30 ASD および 30 非 ASD 検証フェーズ = 60 ASD および 60 非 ASD 再テストフェーズ = 30 ASD および 30 非 ASD (検証フェーズから)自閉症スペクトラム障害、または別の発達障害または精神医学的障害の臨床診断を受けている人（発達/精神医学的対照）、または特定の発達障害または精神医学的診断を受けていない人（健康対照）、年齢1.5歳（18か月）～18歳（120か月）の集団。同意時。

視線データは、Sensori-motoric Instruments (SMI) からのリモート アイ トラッカーを使用して収集されます。 リモート アイ トラッキングは、視聴者の視野への侵襲を最小限に抑え、タイムスタンプ付きの 3D 目の位置、両眼注視および瞳孔データを 120 Hz のサンプリング レートで収集します。 視線キャプチャは 2/5/9 ポイントに自動的に調整され、60cm の視距離で 0.5° までの位置精度を提供します。 視線追跡データ、画面録画、ユーザー イベント、視線位置が同時に記録されます。 データは、関心のある領域と特定のターゲットの滞在時間に重点を置いて、秒単位で分析されます。 キャプチャされる測定の種類の例には、刺激の任意の領域への滞留時間、ビデオ上の人体の顔および顔以外の領域への滞留時間、刺激間の注視点の移動などが含まれます。

追加の検査と人口統計データは、医療記録に記載されている標準治療の自閉症診断と行動的健康診断の予約から収集されます。

パイロット分析。 パイロット段階では、研究者は、社会的注意パラダイムにおける個々の刺激ごとに取得された視線パラメータごとに、ASD 参加者と非 ASD 参加者間の効果量 (コーエンの d) を計算します。 ASD患者と非ASD患者の間で最大の差別を引き起こす刺激要素は、開発段階でも保持されます。

ASD 診断アルゴリズム分析。 開発段階では、社会的注目パラダイムから取得された視線の測定値はすべて、ランダム フォレスト分析の予測変数として含まれます。 この分析により、適度なケース数でデータセット内の多数の変数の識別能力を評価できます。 良好な診断識別を示す最も重要度の高いスコアを持つ変数は、ASD 診断状態 (ASD 対非 ASD) を二分従属変数としてロジスティック回帰分析に入力されます。 重要な予測子は保持され、保持された予測子からの係数が診断アルゴリズムとして機能します。

診断アルゴリズムのスコアは、受信者動作特性 (ROC) 曲線分析に提出され、ASD の検出におけるアルゴリズムの感度と特異性の詳細な評価が提供されます。 >.90 の曲線下の面積が予想され、これは強い診断的妥当性を示します。

予後アルゴリズム分析。 予後アルゴリズムを特定するために、ランダム フォレスト分析の従属変数として非言語認知能力スコア (70 未満と 70 以上で二分される) を予測変数として利用可能なすべての視線追跡測定値を使用して、同様のプロセスが実行されます。 非言語認知能力スコアは、ASD および知的障害を持つ個人がより悪い結果を示すことを示唆する以前のデータに基づいて二分化されます。 次に、良好な診断識別を示す、最も重要性の高い予測変数が、非言語認知能力 (<70、>=70) を二分従属変数としてロジスティック回帰分析に入力されます。 重要な予測子は保持され、保持された予測子からの係数が予測アルゴリズムとして機能します。 次に、予後アルゴリズムのスコアは受信者動作特性 (ROC) 曲線分析に提出され、非言語認知障害の検出におけるアルゴリズムの感度と特異性の詳細な評価が提供されます。 >.80 の曲線の下の領域が予想され、認知障害の予測における良好な妥当性が示されます。 非言語的認知能力は、自閉症患者の結果との関連性が文書化されているため、これらの分析の主な焦点となります。 ただし、言語認知能力と適応機能スコアについても同様の分析が計算されます。 二分化により妥当性が不必要に損なわれる可能性があるため、研究者は連続測定を使用して上記の分析も実施します。

治療追跡アルゴリズム分析。 治療追跡アルゴリズムを特定するには、研究者は、診断および予後アルゴリズムで特定された視線追跡測定値を単一の治療追跡アルゴリズムに組み合わせるだけです。 これらの測定値のテスト再テストの信頼性を評価するために、研究者はクラス内相関係数 (モデル 2 - 絶対一致) を使用します。