JP6804779B2 - 軽度の認知機能障害の推定システム、軽度の認知機能障害の推定装置、及び軽度の認知機能障害の有無を推定するためのプログラム - Google Patents

Description

本発明は、被検者の音声データを用いて軽度の認知機能障害の有無を推定する軽度の認知機能障害の推定システム及び軽度の認知機能障害の推定装置に関する。

超高齢化社会を迎えつつある現在、医療機関を受診する認知症発症者の数は急激に増加しており、２０１５年の世界アルツハイマー報告によると、２０１５年に全世界で４，６８０万人の認知症発症者が存在し、２０５０年までに１億３，１５０万人に増加すると予想されている。現在のところ認知症に対する決定的な治療法は確立されていないものの、軽度の認知機能障害が認められる段階での発見により以後の認知症の進行を遅くできる可能性があるため、認知症の早期発見方法の開発が強く望まれている。

これまでに実施されてきた代表的な認知症のスクリーニング手法として、改訂長谷川式簡易知能評価スケール（ＨＤＳ−Ｒ）や、ミニメンタルステート検査（ＭＭＳＥ）などが挙げられる。これらは音声諮問を主とした手法であるが、スクリーニングの実施に要する時間が長い、十分なトレーニングを受けた検査者でなければ実施が難しい、などの問題点が指摘されている。そこで、これらの問題点を解消する技術として、被検者の音声データから抽出された音声特徴量を使用した機械学習によって専門医による診断結果を推定する自動識別技術が検討されてきた。これらの自動識別技術は被検者が認知症か否かを確定するものでは無く、認知症か否かの診断はむしろ米国精神医学会による診断マニュアルであるＤｉａｇｎｏｓｔｉｃ ａｎｄ Ｓｔａｔｉｓｔｉｃａｌ Ｍａｎｕａｌ ｏｆ Ｍｅｎｔａｌ Ｄｉｓｏｒｄｅｒｓ−５（ＤＳＭ−５）などに基づき専門家により慎重になされるべきであるが、認知機能障害の疑いがあることを早期に被検者或いはその関係者に知らせることにより早期治療の開始につなげることが可能になる。

例えば、非特許文献１（情報処理学会研究報告Ｖｏｌ．２０１７−ＳＬＰ−１１７ Ｎｏ．８，ｐｐ１−６（２０１７））には、認知症の早期発見を目標として、臨床的認知症尺度（ＣＤＲ）のスコアが０（健常）、０．５（認知症の疑い）、及び１（軽度認知症）の被検者を対象とし、ＨＤＳ−Ｒの各質問に対する被検者の回答の正誤、回答音声に対する発話スタイル分析より定義される音声素性、及び、回答音声に対する音声認識結果より定義される言語素性を用い、各種機械学習法を用いて専門医による診断結果（ＣＤＲスコア０、０．５、１）を予測する実験の結果が報告されている。この文献では、音声素性として、音声からの感情認識や発話スタイル認識で広く使われているｏｐｅｎＳＭＩＬＥ（非特許文献２（ｈｔｔｐ：／／ａｕｄｅｅｒｉｎｇ．ｃｏｍ／ｔｅｃｈｎｏｌｏｇｙ／ｏｐｅｎｓｍｉｌｅ）参照）のｅｍｏｂａｓｅといわれる音声特徴量セットが使用されており、言語素性として、ＣＳＪ−Ｋａｌｄｉによる認識結果に対するキーワード素性が使用されており、８種類の識別器が機械学習のために使用されている。ｅｍｏｂａｓｅは、音声強度・音圧・１２のメル周波数ケプストラム係数・ピッチ・ピッチの包絡・音声プロバビリティ・８の線スペクトル対・０交差比の計２６種類の特徴量とこれらの特徴量の時間差分のそれぞれに対して１９種類の統計量（最大・最小・範囲・平均・最大／最小の絶対値・線形近似の傾き／切片／誤差・放物線近似の誤差・標準偏差・分布の歪度／尖度・第ｋ四分位数（ｋ＝１，２，３）・第１−２四分位範囲・第２−３四分位範囲・第１−３四分位範囲）を求めた、合計９８８種類（２６×２×１９）の短期的音声特徴量から構成される統計的な音声特徴量セットである。そして、使用された識別器の種類によって識別精度が上下するものの、ＨＤＳ−Ｒにおける日時の見当識に関する質問に関する正解点数のみを用いた識別では０．５６〜０．６３の精度が得られたのに対し、上記質問に対する回答音声から抽出された音声素性のみを用いた識別では０．４７〜０．５５の精度しか得られず、上記質問に対する回答音声から抽出された言語素性のみを用いた識別では０．４３〜０．５６の精度しか得られず、上記質問に対する回答の正解点数に対して音声・言語素性を追加した識別でも０．３４〜０．６４の精度に留まったことが示されている。したがって、上述の結果から判断される限り、機械学習によるＣＤＲスコアの識別の精度の向上のためには音声特徴量の追加が有効に作用しなかったことが分かる。

非特許文献３（日本音響学会２０１８年春季研究発表会講演論文集 １−Ｑ−４４（２０１８））は、重症度が軽度である認知症発症者に限定した検討ではないが、統計的パラメトリック音声合成の合成音声品質に有効である変調スペクトル（非特許文献４（ＩＥＥＥ／ＡＣＭ Ｔｒａｎｓ，ｏｎ Ａｕｄｉｏ，Ｓｐｅｅｃｈ ａｎｄ Ｌａｎｇｕａｇｅ Ｐｒｏｃｅｓｓｉｎｇ，Ｖｏｌ．２４，Ｎｏ．４，ｐｐ７５５−７６７（２０１６））参照）を導入した自動識別技術を提案している。変調スペクトルは、音声特徴量時系列の対数パワースペクトルとして定義され、音声特徴量時系列の時間変動をフーリエ基底を用いて表現した長期的な音声特徴量である。変調スペクトルは任意の短期的音声特徴量の時間変化から算出可能であるが、この文献では、識別性能が高い変調スペクトルとしてメル周波数ケプストラム係数の変調スペクトルが採用されており、ｍｏｄｃｅｐといわれるメル周波数ケプストラム係数の変調スペクトルのケプストラム（変調ケプストラム）の低次成分が上述したｅｍｏｂａｓｅと共に音声特徴量セットとして用いられている。そして、ＨＤＳ−Ｒの質問に対する回答時の音声データから抽出された上記音声特徴量セットに含まれる音声特徴量と４種類の識別器を使用し、アルツハイマー型認知症発症者と健常者との２値分類タスクを行ったところ、ｅｍｏｂａｓｅを用いた場合には識別率が４７．２〜５４．２％であったのに対し、ｍｏｄｃｅｐを用いた場合には識別率が５１．９〜５６．５％であり、ｅｍｏｂａｓｅとｍｏｄｃｅｐの結合ベクトルを用いた場合には識別率が４７．２〜５５．１％であり、ｍｏｄｃｅｐが識別率を向上させたことが報告されている。しかしながら、音声特徴量のみを用いた自動識別における識別率はこの文献においても５７％以下に留まっている。

なお、自動識別技術のために使用可能な音声特徴量セットはｅｍｏｂａｓｅ及びｍｏｄｃｅｐの他にも存在し、Ｔｓａｎａｓ ｆｅａｔｕｒｅｓ、ＹＡＡＦＥ ｆｅａｔｕｒｅｓ等、多くの音声特徴量セットが知られている（例えば、非特許文献５（ＰＬｏｓ ＯＮＥ １２（１０）：ｅ０１８５６１３（２０１７））の表２参照）。

情報処理学会研究報告Ｖｏｌ．２０１７−ＳＬＰ−１１７ Ｎｏ．８，ｐｐ１−６（２０１７） ｈｔｔｐ：／／ａｕｄｅｅｒｉｎｇ．ｃｏｍ／ｔｅｃｈｎｏｌｏｇｙ／ｏｐｅｎｓｍｉｌｅ 日本音響学会２０１８年春季研究発表会講演論文集 １−Ｑ−４４（２０１８） ＩＥＥＥ／ＡＣＭ Ｔｒａｎｓ，ｏｎ Ａｕｄｉｏ，Ｓｐｅｅｃｈ ａｎｄ Ｌａｎｇｕａｇｅ Ｐｒｏｃｅｓｓｉｎｇ，Ｖｏｌ．２４，Ｎｏ．４，ｐｐ７５５−７６７（２０１６） ＰＬｏｓ ＯＮＥ １２（１０）：ｅ０１８５６１３（２０１７） ｈｔｔｐｓ：／／ｗｗｗ．ｃｈｉｂａ．ｍｅｄ．ｏｒ．ｊｐ／ｐｅｒｓｏｎｎｅｌ／ｎｕｒｓｉｎｇ／ｄｏｗｎｌｏａｄ／ｔｅｘｔ２０１２＿１０.ｐｄｆ

音声データを使用した機械学習によって専門医による診断結果を推定する自動識別技術は、簡便性及び迅速性の点で極めて優れているものの、上述したようにこれまでの検討において満足できる正答率の値が得られているとは言えない。また、軽度の認知機能障害が認められる段階での発見により以後の認知症の進行を遅くできる可能性があるため、軽度の認知機能障害が認められる段階での自動識別を可能にする技術が望まれる。

そこで、本発明の目的は、音声データを使用することにより簡便且つ迅速に被検者における軽度の認知機能障害の有無を推定する軽度の認知機能障害の推定システムであって、向上した正答率を有する推定システムを提供することである。

発明者らは、軽度の認知機能障害の疑いの有無を短時間に且つ高い正答率で識別することに適した質問を発見すべく、代表的な認知症のスクリーニング手法であって且つ長期間にわたる実績を有しているＨＤＳ−Ｒに着目して検討を行った。以下に、ＨＤＳ−Ｒの各質問及び正解点数を示す。ＨＤＳ−Ｒの総合得点は３０点満点であり、２０点以下で認知症の疑いが高まるとされている。また、各質問における正解点数の算出のためのルールは質問毎に定められており、例えば、質問１に関する回答が実年齢±２である場合には正解点数が１点とされ、それ以外の場合は誤答として正解点数が０点とされる。

発明者らはまず、専門家により認知症発症者と診断された者の中からＨＤＳ−Ｒの総合得点が１４点以上である者を「軽度の認知機能障害発症者」として選定した。すなわち、本発明に関する限り、「軽度の認知機能障害」の語は「認知症において認められるＨＤＳ−Ｒの総合得点が１４点以上である認知機能障害」を意味する。ＨＤＳ−Ｒは認知症の重症度の判定のために使用されるものではないが、一方で各重症度群間のＨＤＳ−Ｒの総合得点に有意差が認められており、重症度が軽度の群の平均得点が１９±５点であることが知られている（非特許文献６（ｈｔｔｐｓ：／／ｗｗｗ．ｃｈｉｂａ．ｍｅｄ．ｏｒ．ｊｐ／ｐｅｒｓｏｎｎｅｌ／ｎｕｒｓｉｎｇ／ｄｏｗｎｌｏａｄ／ｔｅｘｔ２０１２＿１０.ｐｄｆ）参照）ため、本発明ではこの情報を基に「軽度の認知機能障害」の語を上述のように定義した。

発明者らは次に、健常者と軽度の認知機能障害発症者に関し、ＨＤＳ−Ｒの各質問に対する回答の正解点数のみを用いた健常／軽度の認知機能障害の自動識別、及び、ＨＤＳ−Ｒの各質問に対する回答時の音声データから抽出した音声特徴量のみを用いた健常／軽度の認知機能障害の自動識別における正答率を評価した。なお、正答率とは、以下の式から算出される値である。
正答率＝（真陽性者数＋真陰性者数）／（被検者数）

その結果、以下で詳細を示すが、ＨＤＳ−Ｒの各質問に対する回答の正解点数のみを用いた自動識別においては、質問７、すなわち、３つの言葉の遅延再生に関する質問を用いた場合の正答率が最も高く、次いで、質問２、すなわち、日時の見当識に関する質問を用いた場合の正答率が高かった。ＨＤＳ−Ｒの各質問に対する回答時の音声データから抽出した音声特徴量のみを用いた自動識別では、質問の種類による影響は小さく正答率が０．６前後であり、質問２〜９に関しては、非特許文献１における結果と同様に、音声特徴量のみを用いた場合の正答率の値が正解点数のみを用いた場合の正答率の値より低かった。

質問７、すなわち、３つの言葉の遅延再生に関する質問に対する回答の正解点数を用いた自動識別における正答率は０．９にも達し、極めて高い値であった。したがって、質問７が軽度の認知機能障害の有無の推定のために極めて優れていることが分かる。しかし、この質問の開始から回答を得るまでには比較的長い時間を要するため、評価の簡便性及び迅速性の点で問題がある。そこで、発明者らは、回答の正解点数のみを用いた自動識別において次に正答率の値が高く、質問の開始から回答を得るまでに要する時間が短時間で済む質問２、すなわち、日時の見当識に関する質問に着目し、この質問に対する回答時の音声データを使用した自動識別における正答率の向上方法を検討した。日時の見当識に関する質問は、被検者における軽度の認知機能障害の有無を推定するための検査サーバと被検者が質問に対する回答を音声で入力するために使用する被検者端末とがインターネット回線等の通信回線を介して接続されている場合でも、検査サーバが回答の正誤を自動判定することができる点でも好適である。

その結果、発明者らは、被検者の質問２に対する回答の正解点数と、この質問に対する回答時の音声データから抽出した音声特徴量に加えて、被検者の年齢も用いて機械学習による自動識別を行うと、正答率が質問７に関する正答率に匹敵するまでに向上することを発見し、本発明を完成させた。以下に詳細に示すが、年齢のみを用いた自動識別の正答率は、質問２に対する回答の正解点数のみを用いた自動識別における正答率より低い値が得られている。しかしながら、年齢の導入は正答率の向上に効果的に寄与した。また、質問２に対する質問の正解点数とこの質問に対する回答時の音声データから抽出した音声特徴量とを用いた自動識別、及び、質問２に対する回答の正解点数と年齢とを用いた自動識別の場合には、満足できる正答率の向上が得られなかった。

そこで、本発明はまず、
通信回線を介して接続された検査サーバと被検者端末とを含む、被検者における軽度の認知機能障害の有無を推定する軽度の認知機能障害の推定システムであって、
上記検査サーバが、
健常者及び軽度の認知機能障害発症者のそれぞれについての、年齢と、日時の見当識に関する質問に対する回答の正解点数と、上記日時の見当識に関する質問に対する回答時の音声データから抽出された１種以上の音声特徴量と、から成る学習データに基づき軽度の認知機能障害の有無を出力するように学習させられた識別器と、
上記被検者端末から送信された、上記被検者についての、年齢情報と、上記日時の見当識に関する質問に対する回答の情報と、上記日時の見当識に関する質問に対する回答時の音声データと、を含む被検者情報を受信するデータ取得部と、
上記被検者情報に基づき、上記回答の正解点数を取得すると共に、上記音声データから上記１種以上の音声特徴量を抽出するデータ解析部と、
上記被検者についての年齢と上記正解点数と上記１種以上の音声特徴量とを上記識別器に入力し、上記識別器から出力された上記被検者における軽度の認知機能障害の有無を推定結果として上記被検者端末に送信する推定結果出力部と
を備えていることを特徴とする軽度の認知機能障害の推定システムに関する。本発明はまた、通信回線を介して接続された検査サーバと被検者端末とによって被検者における軽度の認知機能障害の有無を推定するためのプログラムであって、
上記検査サーバ用のコンピュータに、
健常者及び軽度の認知機能障害発症者のそれぞれについての、年齢と、日時の見当識に関する質問に対する回答の正解点数と、上記日時の見当識に関する質問に対する回答時の音声データから抽出された１種以上の音声特徴量と、から成る学習データに基づき軽度の認知機能障害の有無を出力するように学習させられた識別器を構成するステップと、
上記被検者端末から送信された、上記被検者についての、年齢情報と、上記日時の見当識に関する質問に対する回答の情報と、上記日時の見当識に関する質問に対する回答時の音声データと、を含む被検者情報を受信するステップと、
上記被検者情報に基づき、上記回答の正解点数を取得すると共に、上記音声データから上記１種以上の音声特徴量を抽出するステップと、
上記被検者についての年齢と上記正解点数と上記１種以上の音声特徴量とを上記識別器に入力し、上記識別器から出力された上記被検者における軽度の認知機能障害の有無を推定結果として上記被検者端末に送信するステップと
を実行させ、
上記被検者端末用のコンピュータに、
上記被検者についての、年齢情報と、上記日時の見当識に関する質問に対する回答の情報と、上記日時の見当識に関する質問に対する回答時の音声データと、を含む被検者情報を取得し、取得した被検者情報を上記検査サーバに対して送信するステップと、
上記検査サーバから送信された、上記検査サーバの識別器が出力した上記被検者における軽度の認知機能障害の有無に関する推定結果を受信し、受信した推定結果を上記被検者に対して提示するステップと
を実行させる
ことを特徴とするプログラムに関する。

本発明はまた、
被検者における軽度の認知機能障害の有無を推定する軽度の認知機能障害の推定装置であって、
健常者及び軽度の認知機能障害発症者のそれぞれについての、年齢と、日時の見当識に関する質問に対する回答の正解点数と、上記日時の見当識に関する質問に対する回答時の音声データから抽出された１種以上の音声特徴量と、から成る学習データに基づき軽度の認知機能障害の有無を出力するように学習させられた識別器と、
上記被検者についての、年齢情報と、上記日時の見当識に関する質問に対する回答の情報と、上記日時の見当識に関する質問に対する回答時の音声データと、を含む被検者情報を取得するデータ取得部と、
上記被検者情報に基づき、上記回答の正解点数を取得すると共に、上記音声データから上記１種以上の音声特徴量を抽出するデータ解析部と、
上記被検者についての年齢と上記正解点数と上記１種以上の音声特徴量とを上記識別器に入力し、上記識別器から出力された上記被検者における軽度の認知機能障害の有無を推定結果として出力する推定結果出力部と
を備えていることを特徴とする軽度の認知機能障害の推定装置に関する。本発明はまた、被検者における軽度の認知機能障害の有無を推定するためのプログラムであって、
コンピュータに、
健常者及び軽度の認知機能障害発症者のそれぞれについての、年齢と、日時の見当識に関する質問に対する回答の正解点数と、上記日時の見当識に関する質問に対する回答時の音声データから抽出された１種以上の音声特徴量と、から成る学習データに基づき軽度の認知機能障害の有無を出力するように学習させられた識別器を構成するステップと、
上記被検者についての、年齢情報と、上記日時の見当識に関する質問に対する回答の情報と、上記日時の見当識に関する質問に対する回答時の音声データと、を含む被検者情報を取得するステップと、
上記被検者情報に基づき、上記回答の正解点数を取得すると共に、上記音声データから上記１種以上の音声特徴量を抽出するステップと、
上記被検者についての年齢と上記正解点数と上記１種以上の音声特徴量とを上記識別器に入力し、上記識別器から出力された上記被検者における軽度の認知機能障害の有無を推定結果として出力するステップと
を実行させることを特徴とするプログラムに関する。

なお、本発明において、日時の見当識に関する質問はＨＤＳ−Ｒの質問２に限定されず、例えば季節に関する質問が含まれていても良く、年、月、日及び曜日に関する質問の一部を欠いていても良い。また、上記データ取得部は、各被検者について年齢と日時の見当識に関する質問に対する回答の正解点数とを特定するために必要になる年齢情報及び上記質問に対する回答の情報を、タッチパネル式ディスプレーやキーボード等を介して文字列として取得しても良く、音声データとして取得しても良い。音声データとして取得された場合には、上記データ解析部が、年齢を問う質問に対する回答時の音声データから被検者の年齢を特定し、日時の見当識に関する質問に対する回答時の音声データから回答の正解点数を特定すると共に１種以上の音声特徴量を抽出し、得られたデータが上記推定結果出力部において被検者における軽度の認知機能障害の有無を推定するために使用される。

本発明の軽度の認知機能障害の推定システム及び軽度の認知機能障害の推定装置により、被検者における軽度の認知機能障害の有無を簡便且つ迅速にしかも高い正答率で推定することができる。

第１の実施の形態の軽度の認知機能障害の推定システムの構成の概略を示す図である。 図１に示す軽度の認知機能障害の推定システムの機能ブロック図である。 図２に示す識別器による機械学習のプロセスを示すフローチャートである。 図１に示す軽度の認知機能障害の推定システムによる軽度の認知機能障害の推定のプロセスを示すフローチャートである。 第２の実施の形態の軽度の認知機能障害の推定装置の機能ブロック図である。 ＨＤＳ−Ｒの各質問に対する正解点数のみを使用した自動識別における正答率と、各質問に対する回答時の音声データから抽出された音声特徴量のみを使用した自動識別における正答率と、年齢のみを使用した自動識別における正答率と、を比較した図である。 音声特徴量セットとしてｍｏｄｃｅｐを使用し、識別器として勾配ブースティング木を使用した場合の、ＨＤＳ−Ｒの質問２に対する回答の正解点数と回答時の音声データから抽出された音声特徴量と年齢とを使用した自動識別における正答率を、正解点数のみを使用した自動識別における正答率、正解点数と音声特徴量とを使用した自動識別における正答率、及び、正解点数と年齢とを使用した自動識別における正答率と比較した図である。 音声特徴量セットとしてｅｍｏｂａｓｅを使用し、識別器として勾配ブースティング木を使用した場合の、ＨＤＳ−Ｒの質問２に対する回答の正解点数と回答時の音声データから抽出された音声特徴量と年齢とを使用した自動識別における正答率を、正解点数のみを使用した自動識別における正答率、正解点数と音声特徴量とを使用した自動識別における正答率、及び、正解点数と年齢とを使用した自動識別における正答率と比較した図である。 音声特徴量セットとしてｅｍｏｂａｓｅとｍｏｄｃｅｐとの結合ベクトルを使用し、識別器として勾配ブースティング木を使用した場合の、ＨＤＳ−Ｒの質問２に対する回答の正解点数と回答時の音声データから抽出された音声特徴量と年齢とを使用した自動識別における正答率を、正解点数のみを使用した自動識別における正答率、正解点数と音声特徴量とを使用した自動識別における正答率、及び、正解点数と年齢とを使用した自動識別における正答率と比較した図である。

以下、本発明の軽度の認知機能障害の推定システム及び軽度の認知機能障害の推定装置の実施の形態について説明するが、本発明の軽度の認知機能障害の推定システム及び軽度の認知機能障害の推定装置は以下の実施の形態に限定されず、本発明の趣旨を逸脱しない範囲での変更が可能である。

第１の実施の形態
図１は、本実施の形態の軽度の認知機能障害の推定システム１の構成の概略を示した図である。軽度の認知機能障害の推定システム１は、このシステム１を利用する被検者に関する情報を入出力するための被検者端末２０と、被検者端末２０から提供された情報を基に上記被検者における軽度の認知機能障害の有無を推定して推定結果を被検者端末２０に提供する検査サーバ１０と、を含んでおり、検査サーバ１０と被検者端末２０とはインターネット回線等の通信回線３０により接続されている。検査サーバ１０は、演算処理部、通信部、記憶部等を備えた一般的なコンピュータにより構成されており、記憶部に記憶されているソフトウェア（処理プログラム）との協働により、検査サーバ１０として動作するように構成されている。被検者端末２０は、演算処理部、通信部、データの入出力のためのタッチパネル式ディスプレー２０ａ、音声入力用マイク２０ｂ、及び音声出力用スピーカ２０ｃ等を備えた一般的なコンピュータにより構成されており、検査サーバ１０から被検者端末２０に提供されるアプリケーションソフトにより被検者端末２０として動作するように構成されている。

図２は、図１に示す検査サーバ１０、被検者端末２０及び通信回線３０から構成される軽度の認知機能障害の推定システム１の機能ブロック図である。理解の容易のため、被検者端末２０は一台のみを示している。

被検者端末２０は、データ入力部２１と推定結果表示部２２とを必須の構成要素として有している。データ入力部２１は、タッチパネル式ディスプレー２０ａ上の表示及び／又はスピーカ２０ｃからの音声出力を介して被検者の年齢を問う質問と日時の見当識に関する質問とを提示し、被検者の年齢に関する情報と上記日時の見当識に関する質問に対する被検者の回答に関する情報とをタッチパネル式ディスプレー２０ａを介して取得すると共に、上記日時の見当識に関する質問に対する被検者の回答時の音声データをマイク２０ｂを介して取得し、取得したデータを被検者情報として検査サーバ１０に通信回線３０を介して送信するものである。推定結果表示部２２は、検査サーバ１０から通信回線３０を介して送信された、上記被検者における軽度の認知機能障害の有無に関する推定結果を、タッチパネル式ディスプレー２０ａ上の表示及び／又はスピーカ２０ｃからの音声出力を介して上記被検者に提示するものである。

検査サーバ１０は、学習データ記憶部１２と識別器１３とを有する学習処理部１１と、データ取得部１４と、音声特徴量抽出部１６と正解点数確認部１７と年齢情報確認部１８を有するデータ解析部１５と、推定結果出力部１９とを必須の構成要素として有している。

学習処理部１１は、被検者についての年齢と日時の見当識に関する質問に対する回答の正解点数と上記質問に対する回答時の音声データから抽出された１種以上の音声特徴量とが識別器１３に入力された際に、被検者における軽度の認知機能障害の有無を出力しうるように、識別器１３に対して機械学習を施すものである。被検者についての年齢の特定と上記質問に対する回答の正解点数の特定と上記質問に対する回答時の音声データからの上記１種以上の音声特徴量の抽出とは、後述するデータ解析部１５によって行われる。学習データ記憶部１２には、機械学習のための学習データとして、健常者及び軽度の認知機能障害発症者のそれぞれについての、年齢と、被検者に対して提示されたものと同一の日時の見当識に関する質問に対する回答の正解点数と、上記質問に対する回答時の音声データから抽出された上記１種以上の音声特徴量と、から成るデータが軽度の認知機能障害の有無に関するデータと関連付けられて記憶されている。

上記日時の見当識に関する質問に対する回答時の音声データから抽出される音声特徴量は、１種以上であれば良く、複数種類の音声特徴量から成る公知の音声特徴量セットも特に限定なく使用することができる。このような音声特徴量セットとしては、非特許文献１，３において採用されているｅｍｏｂａｓｅ及び非特許文献３において採用されているｍｏｄｃｅｐに加えて、ａｖｅｃ２０１１、ａｖｅｃ２０１３、ｅｍｏ＿ｌａｒｇｅ、ｅｍｏｂａｓｅ２０１０、ＩＳ０９＿ｅｍｏｔｉｏｎ、ＩＳ１０＿ｐａｒａｌｉｎｇ、ＩＳ１０＿ｐａｒａｌｉｎｇ＿ｃｏｍｐａｔ、ＩＳ１１＿ｓｐｅａｋｅｒ＿ｓｔａｔｅ、ＩＳ１２＿ｓｐｅａｋｅｒ＿ｔｒａｉｔ、ＩＳ１２＿ｓｐｅａｋｅｒ＿ｔｒａｉｔ＿ｃｏｍｐａｔ、ＩＳ１３＿ＣｏｍＰａｒＥ、Ｅｓｓｅｎｔｉａ ｄｅｓｃｒｉｐｔｏｒｓ、ＭＰＥＧ７ ｄｅｓｃｒｉｐｔｏｒｓ、ＫＴＵ ｆｅａｔｕｒｅｓ、ｊＡｕｄｉｏ ｆｅａｔｕｒｅｓ、ＹＡＡＦＥ ｆｅａｔｕｒｅｓ、Ｔｓａｎａｓ ｆｅａｔｕｒｅｓなどが挙げられる。これらの音声特徴量セットに含まれる音声特徴量の結合ベクトル、例えばｅｍｏｂａｓｅとｍｏｄｃｅｐとの結合ベクトル、から成るセットを音声特徴量セットとして使用することもできる。

識別器としては、２値分類タスクのために使用可能な公知の識別器を特に限定なく使用することができ、ロジスティック回帰、サポートベクトルマシーン、決定木、ランダムフォレスト、勾配ブースティング木、ランダムフォレストと勾配ブースティング木とを組み合わせたアンサンブル学習であるＸＧブースティング、パーセプトロン、畳み込みニューラルネットワーク、再起型ニューラルネットワーク、残差ネットワーク、単純ベイズ、ｋ−近似法などの教師あり学習法において使用される識別器が挙げられる。識別器としてランダムフォレスト、勾配ブースティング、又はＸＧブースティングを使用すると、比較的少ない数の学習データであっても高い正答率を得ることができるため好ましい。

学習処理部１１は、軽度の認知機能障害の推定システム１が稼働する前の準備段階において動作し、上記学習データを用いた機械学習により識別器１３を最適化する役割を果たす。図３は、学習処理部１１が行う処理を示すフローチャートを示している。ステップＳ１０１において、学習処理部１１は、学習処理のために使用していない未処理の学習データ、すなわち、健常者及びの軽度の認知機能障害発症者のそれぞれについての、年齢と、日時の見当識に関する質問に対する回答の正解点数と、上記質問に対する回答時の音声データから抽出された１種以上の音声特徴量と、軽度の認知機能障害の発症の有無と、が関連付けられたデータがあるか否かをチェックし、未処理の学習データがある場合にはステップＳ１０２に処理を進め、未処理の学習データがない場合には、ステップＳ１０４に処理を進めて一連の処理を終了する。未処理の学習データがある場合、すなわち、学習処理部１１の最初の稼働の前に学習データ記憶部１２に記憶されている学習データや、最初の稼働後に学習データ記憶部１２に追加された学習データがある場合には、学習処理部１１は、ステップＳ１０２において、未処理の学習データを学習データ記憶部１２から取得し、ステップＳ１０３において、識別器１３が出力する健常／軽度の認知機能障害の出力結果と正解値と差が最小になるように学習処理を施す。なお、学習処理に先だって、学習データを構成する年齢、正解点数及び各音声特徴量のデータに対してそれぞれ平均値を０、標準偏差を１とする白色化処理が施される。このステップＳ１０３の後、学習処理部１１は再度ステップＳ１０１に戻って処理を継続する。

データ取得部１４は、被検者端末２０から通信回線３０を介して送信された、被検者の年齢に関する情報と、上記日時の見当識に関する質問に対する被検者の回答に関する情報と、上記日時の見当識に関する質問に対する被検者の回答時の音声データと、から成る被検者情報を受信し、データ解析部１５に送信するものである。

データ解析部１５は、音声特徴量抽出部１６と正解点数確認部１７と年齢情報確認部１８とを有している。音声特徴量抽出部１６は、日時の見当識に関する質問に対する被検者の回答時の音声データから上記１種以上の音声特徴量を抽出するものである。正解点数確認部１７は、日時の見当識に関する質問に対する被検者の回答の情報を基にして回答の正解点数を特定するものである。年齢情報確認部１８は、被検者の年齢情報を基にして被検者の年齢を特定するものである。データ解析部１５は、音声特徴量抽出部１６と正解点数確認部１７と年齢情報確認部１８とにそれぞれの処理を実行させ、実行結果を受信した後、処理が終了したことを推定結果出力部１９に送信する。

推定結果出力部１９は、データ解析部１５からの処理終了の信号を受信した後、データ解析部１５が取得した上記被検者についての年齢と上記正解点数と上記１種以上の音声特徴量のそれぞれのデータを読み出し、読み出したデータを識別器１３に入力し、識別器１３に上記被検者についての健常／軽度の認知機能障害の二値分類タスクを実行させ、識別器１３による出力結果を推定結果として被検者端末２０に送信するものである。

次に、軽度の認知機能障害の推定システム１における具体的な処理について説明する。図４は、軽度の認知機能障害の推定システム１による被検者における軽度の認知機能障害の有無の推定のプロセスを示すフローチャートである。以下では、被検者が補助者の支援を受けて軽度の認知機能障害の推定システム１を利用することを仮定して説明するが、被検者が単独でこのシステム１を利用することができることはもちろんである。

軽度の認知機能障害の推定システム１の利用を希望する被検者を支援する補助者が被検者端末２０を操作してこのシステム１にアクセスすると、被検者端末２０のデータ入力部２１は、タッチパネル式ディスプレー２０ａ上の表示及び／又はスピーカ２０ｃからの音声出力を介してシステム１の説明をした上で、「まずあなたの年齢を教えてください。」或いは「まずあなたの生年月日を教えてください。」というような被検者の年齢を問う質問を、ディスプレー２０ａ上の表示及び／又はスピーカ２０ｃからの音声出力を介して被検者及び補助者に提示する（Ｓ１）。これに対し、補助者は上記被検者の年齢を問う質問に対応する情報をタッチパネル式ディスプレー２０ａに表示された入力用画像の表示に従ってデータ入力部２１に入力する（Ｓ２）。補助者は被検者の年齢や生年月日についての正確な情報を予め保険証等を参照して確認しておくのが好ましい。次いで、データ入力部２１は、タッチパネル式ディスプレー２０ａ上の表示及び／又はスピーカ２０ｃからの音声出力を介して、「次の質問に対する答えを声で教えてください」と説明した上で、「今日は何年の何月何日ですか？」、「何曜日ですか？」というような日時の見当識に関する質問を被検者及び補助者に提示する（Ｓ３）。これに対し、被検者は、「平成○○年の〇○月○○日です。」、「○曜日です。」というような上記質問に対する回答を、マイク２０ｂを介してデータ入力部２１に入力する（Ｓ４）。このとき、補助者は被検者にマイク２０ｂを向けるなどして回答の入力を促すことが好ましい。

次いで、データ入力部２１はさらに、タッチパネル式ディスプレー２０ａ上の表示及び／又はスピーカ２０ｃからの音声出力を介して、「確認のため、先ほどの質問に対する回答を画面の表示に従って入力して下さい」というような、日時の見当識に関する質問に対する被検者の回答を確認するための情報の入力を促し、補助者はタッチパネル式ディスプレー２０ａに表示された入力用画像の表示に従って被検者の回答の情報をデータ入力部２１に入力する（Ｓ５）。確認のための情報の入力は、「平成○○年〇○月○○日」、「○曜日」というような音声による回答をそのまま繰り返すものであっても良く、例えば年、月、日、曜日の一つの回答だけが誤っていた場合に「○，○，○，×」のような回答の正誤を入力するものであっても良い。データ入力部２１は、ステップＳ２，Ｓ４，Ｓ５で得られた情報を被検者情報としてまとめて検査サーバ１０に通信回線３０を介して送信する（Ｓ６）。

検査サーバ１０におけるデータ取得部１４は、被検者端末２０からの上記被検者についての被検者情報を受信してデータ解析部１５に送信する（Ｓ７）。データ解析部１５は、まず、音声特徴量抽出部１６に対し、上記被検者情報のうちの日時の見当識に関する質問に対する回答時の音声データを送信し、この音声データから上記被検者についての１種以上の音声特徴量を抽出させ、抽出結果を受信する（Ｓ８）。音声特徴量抽出部１６は、学習データ記憶部１２に記憶されている１種以上の音声特徴量と同一の種類の音声特徴量を、この音声特徴量に対応する抽出ルールに従って抽出する。次いで、データ解析部１５は、正解点数確認部１７に対し、上記被検者情報のうちの日時の見当識に関する質問に対する回答の情報を送信し、上記被検者についての回答の正解点数を特定させ、特定結果を受信する（Ｓ９）。正解点数確認部１７は、送信された回答の情報の形式に従った確認ルールに従って正解点数を特定する。ＨＤＳ−Ｒの質問２が日時の見当識に関する質問として採用された場合には、年、月、日、曜日のそれぞれに各１点が割り振られ、正解を得た回答の合計得点が正解点数となるが、「平成○○年〇○月○○日」、「○曜日」のような形式で回答の情報が送信された場合には、回答における年、月、日、曜日と検査日の年、月、日、曜日とが対比されて正誤が判断されて正解点数が特定され、「○，○，○，×」のような形式で回答の情報が送信された場合には、正解（○）の数が正解点数として特定される。次いで、データ解析部１５は、年齢情報確認部１８に対し、上記被検者情報のうちの年齢の情報を送信し、上記被検者の年齢を特定させ、特定結果を受信する（Ｓ１０）。年齢情報確認部１８は、送信された年齢の情報の形式に従った確認ルールに従って年齢を特定する。年齢そのものが送信された場合には、送信された年齢がそのまま被検者の年齢として特定され、年齢の情報が生年月日の形式で送信された場合には、検査日と生年月日との差から年齢が特定される。

次いで、データ解析部１５が推定結果出力部１９に対して処理が終了したことを示す信号を送信すると、推定結果出力部１９は、データ解析部１５が取得した上記被検者についての年齢と上記正解点数と上記１種以上の音声特徴量とを上述した学習済みの識別器１３に入力し（Ｓ１１）、識別器１３に健常／軽度の認知機能障害の二値分類タスクを実行させ、識別器１３による出力結果を受信し（Ｓ１２）、被検者端末２０に対して通信回線３０を介して出力結果を送信する（Ｓ１３）。

被検者端末２０の推定結果表示部２２は、上記被検者における軽度の認知機能障害の有無に関する出力結果を受信し（Ｓ１４）、出力結果を軽度の認知機能障害の推定システム１における推定結果として、被検者端末２０のタッチパネル式ディスプレー２０ａ上の表示及び／又はスピーカ２０ｃからの音声出力を介して被検者及び補助者に提示し（Ｓ１５）、処理を終了する。被検者の認知機能が健常であるとの出力結果が得られた場合には、「あなたの認知機能には問題がありません。」というような推定結果が被検者及び補助者に提示され、被検者に軽度の認知機能障害が認められるとの出力結果が得られた場合には、「あなたの認知機能が低下している可能性があります。専門家による診察をお勧めします。」というような推定結果が被検者及び補助者に提示される。

第２の実施の形態
本発明の第２の実施の形態は、通信回線を介さずに単一の装置として働く軽度の認知機能障害の推定装置である。軽度の認知機能障害の推定装置４０は、演算処理部、記憶部、データの入出力のためのタッチパネル式ディスプレー、音声入力用マイク、音声出力用スピーカ等を有する一般的なコンピュータシステムにより構成されており、記憶部に記憶されているソフトウェア（処理プログラム）との協働により、軽度の認知機能障害の推定装置４０として動作するように構成されている。

図５は、軽度の認知機能障害の推定装置４０の機能ブロック図である。軽度の認知機能障害の推定装置４０は、学習データ記憶部４２と識別器４３とを有する学習処理部４１と、データ取得部４４と、音声特徴量抽出部４６と正解点数確認部４７と年齢情報確認部４８を有するデータ解析部４５と、推定結果出力部４９とを必須の構成要素として有している。このうち、学習データ記憶部４２と識別器４３とを有する学習処理部４１は、第１の実施の形態の軽度の認知機能障害の推定システム１の検査サーバ１０における学習データ記憶部１２と識別器１３とを有する学習処理部１１と同じ機能を有しており、音声特徴量抽出部４６と正解点数確認部４７と年齢情報確認部４８を有するデータ解析部４５は、第１の実施の形態の軽度の認知機能障害の推定システム１の検査サーバ１０における音声特徴量抽出部１６と正解点数確認部１７と年齢情報確認部１８を有するデータ解析部１５と同じ機能を有している。

データ取得部４４は、タッチパネル式ディスプレー上の表示及び／又はスピーカからの音声出力を介して被検者の年齢を問う質問と日時の見当識に関する質問とを提示し、被検者の年齢に関する情報と、上記日時の見当識に関する質問に対する被検者の回答に関する情報とをタッチパネル式ディスプレーを介して取得し、上記日時の見当識に関する質問に対する被検者の回答時の音声データをマイクを介して取得し、取得したデータを被検者情報としてデータ解析部４５に送信するものである。推定結果出力部４９は、データ解析部４５からの処理終了の信号を受信した後、データ解析部４５が取得した上記被検者についての年齢と上記日時の見当識に関する質問に対する回答の正解点数と上記日時の見当識に関する質問に対する回答時の音声データから抽出された１種以上の音声特徴量とを読み出し、読み出したデータを識別器４３に入力し、識別器４３に上記被検者についての健常／軽度の認知機能障害の二値分類タスクを実行させ、識別器１３による出力結果を推定結果として、タッチパネル式ディスプレー上の表示及び／又はスピーカからの音声出力を介して提示するものである。

第２の実施の形態の軽度の認知機能障害の推定装置４０は、第１の実施の形態の軽度の認知機能障害の推定システム１と比較して、データ取得部４４が通信回線を介して被検者端末から提供された被検者情報を受信せず、データ取得部４４が自ら被検者情報を取得する点と、推定結果出力部４９が被検者における軽度の認知機能障害の有無の推定結果を通信回線を介して被検者端末に送信せず、推定結果出力部４９が自ら軽度の認知機能障害の推定装置４０に備えられているタッチパネル式ディスプレー及び／又はスピーカを介して推定結果を提示する点を除いて同一であるため、これ以上の説明を省略する。

変形形態
第１の実施の形態の軽度の認知機能障害の推定システム１及び第２の実施の形態の軽度の認知機能障害の推定装置４０の変形形態では、データ取得部１４，４４によって、被検者についての年齢情報と日時の見当識に関する質問に対する被検者の回答とが音声データによって取得される。この場合には、図４のステップＳ２において、被検者についての年齢情報をタッチパネル式ディスプレーからの入力によって得るプロセスに代えて音声によって得るプロセスが実行され、また、図４のステップＳ５のプロセス、すなわち、日時の見当識に関する質問に対する回答をステップＳ４において音声データで得た後にタッチパネル式ディスプレーからの入力によって確認するプロセスは不要である。この変形形態では、正解点数確認部１７，４７が、日時の見当識に関する質問に対する被検者の回答時の音声データにＳ−ＪＮＡＳなどに基づく高齢者用音声認識器を適用して音声データを文字列に変換した後、被検者における回答の正解点数を特定し、年齢情報確認部１８，４８が、被検者の年齢を問う質問に対する回答時の音声データに同様の音声認識器を適用して音声データを文字列に変換した後、被検者の年齢を特定する。

本発明を以下の実施例を用いて説明するが、本発明は以下の実施例に限定されない。

（１）実験条件
以下に、本実験の参加者及び参加者におけるＨＤＳ−Ｒの総合得点の分布を示す。表中の軽度の認知機能障害発症者は、ＤＳＭ−５に基づき専門家により認知症発症者であると診断された者のうち、ＨＤＳ−Ｒの点数が１４〜２５点である者により構成されている。

ＨＤＳ−Ｒの各質問に対する回答時の音声データの録音は、医療機関の診断室において、収録参加者（健常者又は軽度の認知機能障害発症者）と診断者の２者、若しくは、収録参加者の付き添いを含む３者により実施された。収録音声のサンプリング周波数は４８ｋＨｚ、ファイル形式はＲＩＦＦ ＷＡＶであり、音声分析時に１６ｋＨｚにダウンサンプリングして音声を正規化した。収録参加者の音声データは、収録音声データから手作業で切りだした。

表２に示されている健常者及び軽度の認知機能障害発症者のそれぞれにおける年齢、ＨＤＳ−Ｒの各質問に対する回答の正解点数、及び各質問に対する回答時の音声データから抽出された音声特徴量から成るデータを基にして、健常／軽度の認知機能障害の自動識別における正答率を評価した。音声データから抽出する音声特徴量を含む音声特徴量セットとしては、非特許文献１，３において採用されているｅｍｏｂａｓｅ、非特許文献３において採用されているｍｏｄｃｅｐ（但し、フーリエ変換長を２０４８、フレームシフトを５ｍｓｅｃに設定。音声特徴量の種類の数は２０。）、及び、上記ｅｍｏｂａｓｅと上記ｍｏｄｃｅｐとの結合ベクトルからなるセット（以下、「ｅｍｏｂａｓｅ＋ｍｏｄｃｅｐ」と表す。）の３種を用いた。また、音声特徴量を含むデータを用いた自動識別のための識別器として、勾配ブースティング木（ＧＢＣ）、ランダムフォレスト（ＲＦ）及びサポートベクトルマシーン（ＳＶＭ）の３種を用いた。これらの識別器はｓｃｉｋｉｔ−ｌｅａｒｎライブラリ（ｈｔｔｐｓ：／／ｇｉｔｈｕｂ．ｃｏｍ／ｓｃｉｋｉｔ−ｌｅａｒｎ／ｓｃｉｋｉｔ−ｌｅａｒｎ，ｖｅｒｓｉｏｎ０．１９．１）を用いて準備した。但し、各識別器のハイパーパラメータをチューニングする目的で、線形サポートベクトルマシーンのコストパラメータ、ＲＢＦカーネルサポートベクトルマシーンのコストパラメータ及びガンマパラメータ、ランダムフォレストの推定器の数及びクラスウェイト、勾配ブースティング木の推定器の数及び最大深度のそれぞれを最適化するためにグリッドサーチを使用した。

上記識別器を用いた自動識別の評価に当たっては、表２に示した健常者と軽度の認知機能障害発症者を任意の５グループに分け、４グループのデータを識別器に学習させるための学習データとして使用し、残りの１グループのデータを正答率の算出のために用いた。なお、識別器に学習用データを入力するにあたっては、年齢、正解点数、音声特徴量の各データを白色化した後に入力した。また、正答率の算出は、正答率の算出のためのグループを変えた評価を５回繰り返すクロスバリデーションにより行った。

（２）予備検討：正解点数のみを用いた識別／年齢のみを用いた識別／音声特徴量のみを用いた識別
本発明による健常／軽度の認知機能障害の自動識別の評価に先だって、年齢のみを用いた場合の自動識別における正答率と、ＨＤＳ−Ｒの各質問に対する回答の正解点数のみを用いた場合の自動識別における正答率と、ＨＤＳ−Ｒの各質問に対する回答時の音声データから抽出された音声特徴量のみを用いた場合の自動識別における正答率と、を評価した。表３に、得られた正答率の値をまとめて示す。

但し、機械学習は本来一次元のデータを用いた機械学習には適さないため、正解点数のみを用いた自動識別における各質問についての正答率の値及び年齢のみを用いた自動識別における正答率の値は、最も正答率が高くなるように識別のカットオフ値を定めた上で得た。仮に一次元のデータを用いて機械学習により正答率を得たとしても、表中の正答率を超えることは無いと考えられる。

図６には、音声特徴量セットしてｍｏｄｃｅｐを使用し、識別器として勾配ブースティング木（ＧＢＣ）を使用することによって得られた、ＨＤＳ−Ｒの各質問に対する回答時の音声データから抽出された音声特徴量のみを用いた場合の自動識別における正答率の値を、正解点数のみを用いた自動識別における各質問についての正答率の値及び年齢のみを用いた自動識別における正答率の値と共に示した。

表３或いは図６から把握されるように、ＨＤＳ−Ｒの各質問に対する回答の正解点数のみを用いた自動識別では、質問の種類に応じて正答率が大きく変化した。質問７、すなわち、３つの言葉の遅延再生に関する質問を用いた場合の正答率が最も高く、次いで、質問２、すなわち、日時の見当識に関する質問を用いた場合の正答率が高く、いずれも年齢のみを用いた場合の正答率よりも高かった。質問７に対する回答の正解点数のみを用いた場合の正答率は０．９にも達し、この質問が健常／軽度の認知機能障害の自動識別に関して極めて優れた質問であることが分かる。しかしながら、この質問の開始から回答を得るまでには比較的長い時間を要するため、評価の簡便性及び迅速性の点で問題がある。

また、表３或いは図６から把握されるように、ＨＤＳ−Ｒの各質問に対する回答時の音声データから抽出した音声特徴量のみを用いた自動識別に関しては、音声特徴量セットの種類、識別器の種類、及び質問の種類の相違による影響は比較的小さく、正答率が０．６前後であった。表３から把握されるように、音声特徴量のみを用いた自動識別における正答率の値はほとんどが０．５を超えているため、健常／軽度の認知機能障害の識別のために音声特徴量は有効であるといえるが、満足できる正答率には至っていない。また、質問２〜９に関しては、非特許文献１における結果と同様に、音声特徴量のみを用いた場合の正答率の値が正解点数のみを用いた場合の正答率の値より低くなる傾向があった。

（３）年齢と正解点数と音声特徴量を用いた識別
上述したように、質問７に対する回答の正解点数のみを用いた場合の正答率は極めて高いものの、評価の簡便性及び迅速性の点で問題があるため、次に正解点数のみを用いた自動識別における正答率が高く、しかも質問の開始から回答を得るまでに要する時間が短時間で済む質問２に対する回答時の音声データを使用した自動識別を検討した。以下、音声特徴量セットしてｍｏｄｃｅｐ又はｅｍｏｂａｓｅを使用した結果について説明する。

表４に、被検者についての年齢と質問２に対する回答の正解点数と質問２に対する回答時の音声データから抽出された音声特徴量とを用いた自動識別（本発明）における正解率を、質問２に対する回答の正解点数のみを用いた自動識別における正答率、質問２に対する回答の正解点数と音声特徴量とを用いた自動識別における正答率、及び質問２に対する回答の正解点数と年齢とを用いた自動識別における正答率と比較して示す。

また、表５に、質問２に代えて質問７を用いた比較実験の結果を示す。

表５から把握されるように、質問７に対する回答を用いた場合には、正解点数と音声特徴量とを用いた自動識別、正解点数と年齢とを用いた自動識別、及び年齢と正解点数と音声特徴量とを用いた自動識別のいずれにおける正答率も、正解点数のみを用いた自動識別における正答率より低かった。特に、識別器としてサポートベクトルマシーン（ＳＶＭ）を用いたときに、音声特徴量を含むデータを用いた自動識別の正答率の低下が著しく、音声特徴量セットとしてｅｍｏｂａｓｅを用いるとｍｏｄｃｅｐを用いた場合に比較してさらに顕著に正答率が低下した。一般的に機械学習を安定に行うためには多くの学習データが必要であることが知られているが、表２に示されている健常者及び軽度の認知機能障害発症者の数では、サポートベクトルマシーンを用いた機械学習を安定に行うためには不足しており、この不足の効果が、２０種類の音声特徴量を含むｍｏｄｃｅｐを用いた場合よりも、９８８種類の音声特徴量を含むｅｍｏｂａｓｅを用いた場合に、より顕著に表れたと考えられる。健常者及び軽度の認知機能障害発症者の数が増加すれば、サポートベクトルマシーンを用いてもランダムフォレスト或いは勾配ブースティング木を用いたときと同様の正答率が得られると期待される。

しかし、表４から把握されるように、質問２に対する回答を用いると、識別器としてランダムフォレスト（ＲＦ）或いは勾配ブースティング木（ＧＢＣ）を用いた場合には、年齢と正解点数と音声特徴量とを用いた自動識別における正答率が向上し、質問７に対する回答の正解点数のみを用いた自動識別における正答率（０．９０３）に匹敵するまで向上した正答率が得られた。しかし、識別器としてサポートベクトルマシーン（ＳＶＭ）を用いた場合には、質問７に対する回答を用いた場合と同様に、健常者及び軽度の認知機能障害発症者の数の不足が手伝って、音声特徴量を含むデータを用いた自動識別の正答率が低下し、音声特徴量としてｅｍｏｂａｓｅを用いるとｍｏｄｃｅｐを用いた場合に比較してさらに顕著に正答率が低下した。健常者及び軽度の認知機能障害発症者の数が増加すれば、サポートベクトルマシーンを用いてもランダムフォレスト或いは勾配ブースティング木を用いたときと同様の正答率が得られると期待される。

ｅｍｏｂａｓｅは９８８種類の短期的音声特徴量から構成される統計的な音声特徴量のセットであり、ｍｏｄｃｅｐは音声特徴量時系列の時間変動を表現した２０種類の長期的な音声特徴量を含むセットであり、両者は特に時間的性質の点で相違するが、表４から把握されるように、上述した音声特徴量の性質の相違に関わらず、健常／軽度の認知機能障害の自動識別のために、被検者についての年齢と質問２に対する回答の正解点数と質問２に対する回答時の音声データから抽出された音声特徴量とを用いた自動識別が有効であることが分かる。特に、識別器として勾配ブースティング木（ＧＢＣ）を用いた場合には、以下に示すように、年齢と正解点数と音声特徴量とを用いた自動識別における正答率の向上が顕著であった。

（４）音声特徴量セットの影響
図７に、音声特徴量セットしてｍｏｄｃｅｐを使用し、識別器として勾配ブースティング木を使用した場合の、ＨＤＳ−Ｒの質問２に対する回答の正解点数と回答時の音声データから抽出された音声特徴量と年齢とを使用した自動識別（本発明）における正答率を、正解点数のみを使用した自動識別における正答率、正解点数と音声特徴量とを使用した自動識別における正答率、及び正解点数と年齢とを使用した自動識別における正答率と比較した結果を示す。

図８には、音声特徴量セットとしてｅｍｏｂａｓｅを使用し、識別器として勾配ブースティング木を使用した場合の、ＨＤＳ−Ｒの質問２に対する回答の正解点数と回答時の音声データから抽出された音声特徴量と年齢とを使用した自動識別（本発明）における正答率を、正解点数のみを使用した自動識別における正答率、正解点数と音声特徴量とを使用した自動識別における正答率、及び正解点数と年齢とを使用した自動識別における正答率と比較した結果を示す。

さらに、図９には、音声特徴量セットとしてｅｍｏｂａｓｅ＋ｍｏｄｃｅｐを使用し、識別器として勾配ブースティング木を使用した場合の、ＨＤＳ−Ｒの質問２に対する回答の正解点数と回答時の音声データから抽出された音声特徴量と年齢とを使用した自動識別（本発明）における正答率を、正解点数のみを使用した自動識別における正答率、正解点数と音声特徴量とを使用した自動識別における正答率、及び正解点数と年齢とを使用した自動識別における正答率と比較した結果を示す。

図７〜図９から把握されるように、正解点数と音声特徴量とを用いた自動識別及び正解点数と年齢とを用いた自動識別における正答率の向上は、正解点数のみを用いた自動識別における正答率と比較して顕著であるとは言えず、図７における正解点数と音声特徴量とを用いた自動識別においてはむしろ正答率が低下したが、年齢と正解点数と音声特徴量とを用いた自動識別（本発明）における正答率は顕著に向上しており、しかも、年齢と正解点数と音声特徴量とを用いた自動識別における正答率は、時間的性質の点で相違する音声特徴量セット（ｅｍｏｂａｓｅ，ｍｏｄｃｅｐ）或いはその結合ベクトルのセット（ｅｍｏｂａｓｅ＋ｍｏｄｃｅｐ）のいずれを用いてもほぼ同じ値であった。したがって、ＨＤＳ−Ｒの質問２に対する回答の正解点数と回答時の音声データから抽出された音声特徴量と年齢とを使用した自動識別（本発明）は、健常／軽度の認知機能障害の自動識別のために極めて有効であり、音声特徴量の性質の相違に依存せずに高い正答率が得られることが分かった。

（５）フィールドテスト
音声特徴量セットとしてｍｏｄｃｅｐを使用し、識別器として学習済みの勾配ブースティング木を使用した軽度の認知機能障害の推定システムを構築し、このシステムが新たな被検者における認知機能の変化を正しく判定しうるか否かを評価するフィールドテストを実施した。このテストの被検者は、文書同意が得られた７５歳以上の、認知症専門の医療機関においてＤＳＭ−５によりアルツハイマー型の軽度認知症若しくは軽度認知障害（ＭＣＩ）であると診断された者及び地域の高年齢者団体を通じて自主的に参加した健常者とした。これらの被検者に予め臨床的認知症尺度（ＣＤＲ）を実施し、ＣＤＲスコアに基づき、ＣＤＲ０群（健常、６２名）、ＣＤＲ０．５群（認知症疑い若しくは軽度認知障害、１３名）、及びＣＤＲ１群（軽度認知症、１５名）に分類した。ＣＤＲによる分類と上記システムによる判定結果とを比較することにより、上記システムの臨床的な妥当性が評価される。なお、ＣＤＲ１群は本明細書において定義された「軽度の認知機能障害発症者」に包含される。

フィールドテストの結果、上記システムは、ＣＤＲ０群の約９０％を「認知機能良好」と判定し、ＣＤＲ１群の約９０％を「認知機能の変化あり」と判定し、いずれの群においても高い正答率を示した。また、上記システムは軽度の認知機能障害の推定システムであるが、興味深いことに、ＣＤＲ０．５群の約７０％を「認知機能の変化あり」と判定し、上記システムの軽度認知障害（ＭＣＩ）の有無の推定に対する有効性が認められた。

以上の結果から、上記システムが数十秒という極めて短い時間で臨床的に妥当な判定を与えたことがわかる。

本発明の軽度の認知機能障害の推定システム及び軽度の認知機能障害の推定装置により、被検者における軽度の認知機能障害の有無を簡便且つ迅速にしかも高い正答率で推定することができるため、軽度の認知機能障害が認められる段階での治療開始につなげることができる。

１ 軽度の認知機能障害の推定システム
１０ 検査サーバ
２０ 被検者端末
３０ 通信回線
１３ 識別器
１４ データ取得部
１５ データ解析部
１９ 推定結果出力部
４０ 軽度の認知機能障害の推定装置
４３ 識別器
４４ データ取得部
４５ データ解析部
４９ 推定結果出力部

Claims (6)

1. 通信回線を介して接続された検査サーバと被検者端末とを含む、被検者における軽度の認知機能障害の有無を推定する軽度の認知機能障害の推定システムであって、
   前記検査サーバが、
   健常者及び軽度の認知機能障害発症者のそれぞれについての、年齢と、日時の見当識に関する質問に対する回答の正解点数と、前記日時の見当識に関する質問に対する回答時の音声データから抽出された１種以上の音声特徴量と、から成る学習データに基づき軽度の認知機能障害の有無を出力するように学習させられた識別器と、
   前記被検者端末から送信された、前記被検者についての、年齢情報と、前記日時の見当識に関する質問に対する回答の情報と、前記日時の見当識に関する質問に対する回答時の音声データと、を含む被検者情報を受信するデータ取得部と、
   前記被検者情報に基づき、前記回答の正解点数を取得すると共に、前記音声データから前記１種以上の音声特徴量を抽出するデータ解析部と、
   前記被検者についての年齢と前記正解点数と前記１種以上の音声特徴量とを前記識別器に入力し、前記識別器から出力された前記被検者における軽度の認知機能障害の有無を推定結果として前記被検者端末に送信する推定結果出力部と
   を備えていることを特徴とする軽度の認知機能障害の推定システム。
2. 前記データ取得部が、前記被検者情報に代えて、前記被検者についての年齢を問う質問と前記日時の見当識に関する質問のそれぞれに対する回答時の音声データを被検者音声情報として受信し、
   前記データ解析部が、前記被検者音声情報に基づき、年齢を問う質問に対する回答時の音声データから前記被検者の年齢を特定し、日時の見当識に関する質問に対する回答時の音声データから前記回答の正解点数を特定すると共に前記１種以上の音声特徴量を抽出する、請求項１に記載の軽度の認知機能障害の推定システム。
3. 前記識別器が、ランダムフォレスト、勾配ブースティング木、又はＸＧブースティングである、請求項１又は２に記載の軽度の認知機能障害の推定システム。
4. 通信回線を介して接続された検査サーバと被検者端末とによって被検者における軽度の認知機能障害の有無を推定するためのプログラムであって、
   前記検査サーバ用のコンピュータに、
   健常者及び軽度の認知機能障害発症者のそれぞれについての、年齢と、日時の見当識に関する質問に対する回答の正解点数と、前記日時の見当識に関する質問に対する回答時の音声データから抽出された１種以上の音声特徴量と、から成る学習データに基づき軽度の認知機能障害の有無を出力するように学習させられた識別器を構成するステップと、
   前記被検者端末から送信された、前記被検者についての、年齢情報と、前記日時の見当識に関する質問に対する回答の情報と、前記日時の見当識に関する質問に対する回答時の音声データと、を含む被検者情報を受信するステップと、
   前記被検者情報に基づき、前記回答の正解点数を取得すると共に、前記音声データから前記１種以上の音声特徴量を抽出するステップと、
   前記被検者についての年齢と前記正解点数と前記１種以上の音声特徴量とを前記識別器に入力し、前記識別器から出力された前記被検者における軽度の認知機能障害の有無を推定結果として前記被検者端末に送信するステップと
   を実行させ、
   前記被検者端末用のコンピュータに、
   前記被検者についての、年齢情報と、前記日時の見当識に関する質問に対する回答の情報と、前記日時の見当識に関する質問に対する回答時の音声データと、を含む被検者情報を取得し、取得した被検者情報を前記検査サーバに対して送信するステップと、
   前記検査サーバから送信された、前記検査サーバの識別器が出力した前記被検者における軽度の認知機能障害の有無に関する推定結果を受信し、受信した推定結果を前記被検者に対して提示するステップと
   を実行させる
   ことを特徴とするプログラム。
5. 被検者における軽度の認知機能障害の有無を推定する軽度の認知機能障害の推定装置であって、
   健常者及び軽度の認知機能障害発症者のそれぞれについての、年齢と、日時の見当識に関する質問に対する回答の正解点数と、前記日時の見当識に関する質問に対する回答時の音声データから抽出された１種以上の音声特徴量と、から成る学習データに基づき軽度の認知機能障害の有無を出力するように学習させられた識別器と、
   前記被検者についての、年齢情報と、前記日時の見当識に関する質問に対する回答の情報と、前記日時の見当識に関する質問に対する回答時の音声データと、を含む被検者情報を取得するデータ取得部と、
   前記被検者情報に基づき、前記回答の正解点数を取得すると共に、前記音声データから前記１種以上の音声特徴量を抽出するデータ解析部と、
   前記被検者についての年齢と前記正解点数と前記１種以上の音声特徴量とを前記識別器に入力し、前記識別器から出力された前記被検者における軽度の認知機能障害の有無を推定結果として出力する推定結果出力部と
   を備えていることを特徴とする軽度の認知機能障害の推定装置。
6. 被検者における軽度の認知機能障害の有無を推定するためのプログラムであって、
   コンピュータに、
   健常者及び軽度の認知機能障害発症者のそれぞれについての、年齢と、日時の見当識に関する質問に対する回答の正解点数と、前記日時の見当識に関する質問に対する回答時の音声データから抽出された１種以上の音声特徴量と、から成る学習データに基づき軽度の認知機能障害の有無を出力するように学習させられた識別器を構成するステップと、
   前記被検者についての、年齢情報と、前記日時の見当識に関する質問に対する回答の情報と、前記日時の見当識に関する質問に対する回答時の音声データと、を含む被検者情報を取得するステップと、
   前記被検者情報に基づき、前記回答の正解点数を取得すると共に、前記音声データから前記１種以上の音声特徴量を抽出するステップと、
   前記被検者についての年齢と前記正解点数と前記１種以上の音声特徴量とを前記識別器に入力し、前記識別器から出力された前記被検者における軽度の認知機能障害の有無を推定結果として出力するステップと
   を実行させることを特徴とするプログラム。

Images