韓国科学技術研究院（KIST）脳科学研究所の責任研究員であるハン・ギョンリムが参加した国際共同研究チームが、機能的磁気共鳴画像法（fMRI）と人工知能（AI）を用い、自閉スペクトラム症患者の脳の特性と治療に伴う変化を分析する方法を開発したと11日に明らかにした。
自閉スペクトラム症は、社会的相互作用の困難、限定的な関心、反復行動などを特徴とする神経発達障害である。現在、診断と治療経過の評価は症状観察に相当部分依存しており、患者ごとの脳機能変化を客観的に把握できる方法が必要だという指摘が続いてきた。
研究チームはfMRIデータを分析し、自閉児が定型発達の児童よりも脳領域間の機能的結合性が全般的に低い傾向を確認した。特に感覚情報統合に関連する下頭頂小葉と、感覚信号の伝達に関与する視床を中心に結合性の低下が目立った。
続いて研究チームは、AIが実際の脳ネットワークの変化をどの程度反映するかを評価する「生成的マニフォールド監査（Generative Manifold Auditing・GMA）」フレームワークを開発した。定型発達群の脳結合パターンを学習したAIに対し、特定の脳領域の結合を遮断した後に変化を分析し、モデルが単純なデータ損失と実際のネットワーク構造の変化を区別できるかを検証した。
大規模自閉脳画像データセット「ABIDE」とソウル大学病院の自閉児臨床データを活用して検証した結果、生成型AIモデルであるデノイジング・オートエンコーダー（Denoising Autoencoder）が、比較モデルよりも脳ネットワークの構造的変化をより適切に区別したことが分かった。
研究チームはまた、臨床症状が改善した患者であっても、脳機能ネットワークの変化様相は個人ごとに異なり得ることを確認した。症状評価だけでは把握しにくい患者別の脳変化を、AIと脳画像で分析する可能性を示した格好である。
ハン・ギョンリム責任研究員は「患者ごとに異なる脳ネットワークの変化を客観的に分析できる可能性を確認した」と述べ、「今後は早期診断と治療経過予測に活用できるバイオマーカー開発へ研究を拡張する計画だ」と語った。
今回の研究には、ハン・ソヨン（Soyeon Caren Han）豪州メルボルン大学教授の研究チームと、キム・ブンニョンソウル大学病院小児思春期精神科教授の研究チームが参加した。研究結果は8月9〜13日に済州国際コンベンションセンターで開催されるデータマイニング・AI分野の学会「ACM SIGKDD 2026」の「AI for Science」セッションで発表される。