[2I6-OS-7b] OS-7

6:45 PM - 7:00 PM JST(9:45 AM - 10:00 AM UTC)

[2I6-OS-7b-06] An Unsupervised Machine Learning Framework for Visualizing and Quantifying Typical Sleep Development and Its Deviations

〇Shinji Oguchi^1,2, Tetsuo Ishikawa^1,2,3,4, Akiko Hanai^1,2, Daigo Kato¹, Shoji Itakura⁵, Akiko Okuno⁸, Motonobu Watanabe⁶, Seiichi Morokuma⁷, Kazuhiro Sakurada^1,3, Eiryo Kawakami^1,2 (1. RIKEN, 2. Chiba University, 3. Keio University, 4. The University of Tokyo, 5. Ritsumeikan University, 6. Doshisha University, 7. Kyushu University, 8. Waseda University)

Keywords:

Unsupervised machine learning,Visualization,Developmental disorders,Sleep rhythm

睡眠リズム異常は神経発達と強く関連し早期発見が重要であるが，小児の睡眠は発達に伴う変化が大きく表現型が多様であるため異常の識別は容易ではない。このような背景のもと、本研究は、教師なし機械学習を用いて定型的な睡眠発達とその逸脱を可視化・定量化する解析フレームワークの開発を目的とした。保育園児の一週間の睡眠ログを対象に、非負値テンソル分解で潜在的睡眠パターンを抽出し、UMAPを用いて二次元発達空間を構築した。可視化の結果、発達障害児の睡眠リズムは定型睡眠発達から逸脱した分布を示し、重心からの距離として定義した逸脱指標は有意に大きかった（p<0.05）。この逸脱指標に基づいた発達障害児の睡眠リズムを識別するロジスティック回帰モデルはROC AUC 0.749を示し，アメリカ睡眠学会が推奨する睡眠スコアおよび小児科医による睡眠判定を上回った。本解析フレームワークは可視化を通して逸脱の程度に着目し、特定のフェノタイプに依存せず睡眠リズムを評価する点に特徴がある。これにより解釈性を保持した定量評価が可能となり、睡眠リズム異常の早期検知に寄与する可能性が示唆された。