자폐증 스펙트럼 장애 예측에서 시선 패러다임의 타당성 평가 (EYE)

현재 연구는 파일럿 테스트, 개발, 검증 및 재테스트의 4단계로 진행됩니다. 각 단계에서 참가자는 시선 추적 측정이 원격으로 획득되는 동안 사회적 요소(사회적 주의 패러다임)가 있는 시각적 주의 자극을 보게 됩니다. 시각적 주의 패러다임은 파일럿 테스트에서 개선되지만 개발, 검증 및 재테스트 단계에서는 동일하게 유지됩니다. 시각적 패러다임의 보정 및 보기를 포함한 전체 프로세스는 약 15분이 소요됩니다. 아래 텍스트는 각 단계를 자세히 설명하고 사회적 관심 패러다임 및 시선 추적 절차에 대한 특정 방법론을 검토합니다.

1. 파일럿 단계. 참여하는 어린이의 연령대 전체에 걸쳐 충분히 참여하고 있는지 확인하기 위해 시선 측정을 유도하는 데 사용되는 사회적 관심 패러다임의 파일럿 테스트. 이 단계에서 시각적 주의 패러다임은 10-12분으로 예상됩니다. 이 단계는 또한 테스트 기간 동안 주의를 유지하기 위한 최적의 전략을 결정하는 데 사용됩니다. 초기 데이터는 또한 향후 단계에 포함할 가장 차별적인 자극 요소에 대한 통찰력을 제공할 수 있습니다. 수사관은 이 단계에서 약 10명의 ASD 참가자와 10명의 비 ASD 참가자를 모집할 것으로 예상합니다. 파일럿 단계는 2.5개월의 모집과 0.5개월의 데이터 축소 및 분석이 필요할 것으로 예상됩니다.
2. 개발 단계. 파일럿 테스트가 완료되면 1.5세에서 18세 사이의 ASD 영향을 받는 30명의 아동과 30명의 비 ASD 아동이 모집됩니다. 시선이 원격으로 추적되는 동안 각 어린이는 사회적 관심 패러다임을 완성합니다. 시선 데이터는 100개 이상의 매개변수에 대해 채점되고 이 점수는 각 참가자에 대한 진단 및 인지 정보를 포함하는 데이터베이스에 입력됩니다. 그런 다음 아이 트래킹 데이터를 분석하여 ASD 모집단에서 시스템의 진단 감도와 특이성을 개선하는 진단 및 예후 알고리즘을 생성합니다. 개발 기간은 6개월의 데이터 수집과 3개월의 채점 및 알고리즘 계산이 필요합니다.
3. 검증 단계. 검증 샘플 수집에는 1.5-18세의 ASD 영향을 받는 60명의 아동과 ASD에 영향을 받지 않는 아동 60명이 포함됩니다. 유효성 검사 단계에서는 개발 샘플에서 사용된 것과 동일한 시각적 사회적 관심 패러다임 및 방법을 사용합니다. 검증 기간은 알고리즘 개발과 겹치며 데이터 수집 8개월과 분석 1개월이 필요합니다.
4. 재시험 단계. 재시험 단계의 참가자에는 검증 단계의 전반부에 모집된 30명의 ASD 및 30명의 비 ASD 어린이가 포함됩니다. 이 참가자들은 검증 단계에서 조사관이 검증 단계 동안 초기 테스트 후 약 3-6개월 후에 재테스트 단계를 위해 그들을 다시 모집할 것이라고 설명할 것입니다.

대상 샘플 크기는 연구 단계에 따라 다릅니다. 다음은 각 단계의 대상 샘플 크기입니다.

파일럿 단계 = 10 ASD 및 10 비ASD 개발 단계 = 30 ASD 및 30 비ASD 검증 단계 = 60 ASD 및 60 비ASD 재테스트 단계 = 30 ASD 및 30 비ASD(검증 단계에서) 연구 모집단은 자폐 스펙트럼 장애가 있거나 다른 발달 또는 정신 장애(발달/정신과 통제)의 임상 진단을 받았거나 특정 발달 또는 정신과 진단이 없는 개인(건강한 통제)이며, 연령은 1.5(18개월) ~ 18(120개월)입니다. 동의 시.

시선 데이터는 SMI(Sensori-motoric Instruments)의 원격 시선 추적기를 사용하여 수집됩니다. 원격 아이 트래킹은 시청자의 시야에 대한 침입을 최소화하고 120Hz의 샘플링 속도로 타임스탬프가 있는 3D 눈 위치, 양안 시선 및 동공 데이터를 수집합니다. 시선 캡처는 2/5/9 포인트로 자동 보정되며 60cm 시거리에서 0.5°의 위치 정확도를 제공합니다. 시선 추적 데이터, 화면 녹화, 사용자 이벤트 및 시선 위치가 동시에 기록됩니다. 데이터는 초 단위로 특정 대상에 대한 관심 영역 및 체류 시간에 중점을 두고 분석됩니다. 캡처된 측정 유형의 예에는 자극의 모든 영역에 대한 체류 시간, 비디오에서 사람 형태의 얼굴 및 비얼굴 영역에 대한 체류 시간, 자극 간의 고정 이동이 포함됩니다.

의료 기록에서 찾을 수 있는 표준 치료 자폐증 진단 및 행동 건강 진단 약속에서 추가 테스트 및 인구 통계 데이터가 수집됩니다.

파일럿 분석. 파일럿 단계에서 조사관은 사회적 관심 패러다임에서 각 개별 자극에 대해 획득한 시선 매개변수 각각에 대해 ASD와 비 ASD 참가자 사이의 효과 크기(Cohen's d)를 계산합니다. ASD와 non-ASD 환자 사이에서 가장 큰 차별을 이끌어내는 자극 요소는 개발 단계에서 유지될 것입니다.

ASD 진단 알고리즘 분석. 개발 단계에서 사회적 관심 패러다임에서 얻은 모든 시선 측정값은 랜덤 포레스트 분석에서 예측 변수로 포함됩니다. 이 분석을 통해 사례 수가 적은 데이터 세트에서 많은 변수의 식별 능력을 평가할 수 있습니다. 좋은 진단 식별을 나타내는 가장 높은 중요도 점수를 가진 변수는 ASD 진단 상태(ASD 대 비ASD)를 이분 종속 변수로 사용하여 로지스틱 회귀 분석에 입력됩니다. 중요한 예측 변수가 유지되고 유지된 예측 변수의 계수가 진단 알고리즘으로 사용됩니다.

그런 다음 진단 알고리즘 점수는 수신자 작동 특성(ROC) 곡선 분석에 제출되어 ASD 감지 시 알고리즘의 민감도 및 특이성에 대한 자세한 평가를 제공합니다. >.90의 곡선 아래 영역이 예상되며 이는 강력한 진단 타당성을 나타냅니다.

예후 알고리즘 분석. 예후 알고리즘을 식별하기 위해 임의의 숲 분석에서 예측 변수로 사용 가능한 모든 시선 추적 측정과 비언어적 인지 능력 점수(<70 및 70 이상으로 이분화됨)를 종속 변수로 사용하여 유사한 프로세스가 수행됩니다. 비언어적 인지 능력 점수는 ASD 및 지적 장애가 있는 개인이 더 나쁜 결과를 보인다는 이전 데이터를 기반으로 이분화됩니다. 좋은 진단 식별을 나타내는 가장 중요도가 높은 예측 변수는 비언어적 인지 능력(<70, >=70)을 이분 종속 변수로 사용하여 로지스틱 회귀 분석에 입력됩니다. 중요한 예측 변수가 유지되고 유지된 예측 변수의 계수가 예후 알고리즘 역할을 합니다. 그런 다음 예후 알고리즘 점수는 수신자 작동 특성(ROC) 곡선 분석에 제출되어 비언어적 인지 장애 감지 시 알고리즘의 민감도와 특이성을 자세히 평가합니다. >.80의 곡선 아래 영역이 예상되며 이는 인지 장애를 예측하는 데 타당성이 있음을 나타냅니다. 비언어적 인지 능력은 자폐증이 있는 개인의 결과와의 문서화된 관계 때문에 이러한 분석의 주요 초점이 될 것입니다. 그러나 언어 인지 능력 및 적응 기능 점수에 대해서도 유사한 분석이 계산됩니다. 이분법으로 인해 유효성이 불필요하게 줄어들 수 있으므로 조사관은 연속 측정을 사용하여 위의 분석을 수행합니다.

치료 추적 알고리즘 분석. 치료 추적 알고리즘을 식별하기 위해 조사자는 진단 및 예후 알고리즘에서 식별된 시선 추적 측정을 단일 치료 추적 알고리즘으로 간단히 결합합니다. 이러한 측정의 테스트 재테스트 신뢰성을 평가하기 위해 조사관은 클래스 내 상관 계수(모델 2 - 절대 일치)를 사용합니다.