要旨：
目的。神経データおよび行動データから心の健康関連の心理計量変数を推定するための原理的に妥当な手法を確立する。データ生成エンジンとしてImplicit Association Test (IAT) を用い、反応時間のみに依存する金標準法であるD-score法の予測性能（通常は0.7 AUC未満）を克服することを目指す。
手法。私たちは、新規参加者における精神疾患症状に関連する経験を予測するために、マルチモーダルデータを活用するスパースな階層ベイズモデルを提案します。モデルは、学習可能なパラメータを備えたD-scoreの多変量一般化であり、IAT研究に典型的な小規模コホート環境におけるパラメータ効率を設計されています。データは2つのIATバリアントから得られ、分析されました：自殺念慮に関連するE-IAT（n=39）と精神病関連のPSY-IAT（n=34）。
主な結果：私たちのアプローチは、データセットにおける高い個人間変動とセッション内効果量の低さを克服し、最良のモダリティ構成において、E-IATは0.73、PSY-IATは0.76のAUCに達しました。ただし、補正後の95%信頼区間は広く（\pm 0.18）、FDR補正後の結果は僅差で有意（q=0.10）です。E-IATをMDD参加者に限定するとAUCは0.79 [0.62, 0.97] へ改善（q=0.05で有意）。各タスクに対して、最良の参照手法（収縮LDAおよびEEGNet）と同等の性能を示し、後者がタスクへ適用された場合でも、提案手法はそれには適合しませんでした。2つのタスクのいずれでも、D-scoresの近傍の精度（0.50-0.53 AUC）を大きく上回り、単一の参照手法よりもクロスタスクでより一貫した性能を示しました。
意義：本フレームワークは、閉塞感および精神病に関連する経験のIATベースの評価を向上させる可能性を示唆しており、他の心の健康状態にも潜在的に適用できる可能性があります。ただし、臨床的有用性を確立するには、より大規模で独立したコホートでのさらなる検証が必要です。
暗黙の連想検査（IAT）における脳と行動からの心理測定変数のベイズ推定
arXiv cs.LG / 2026/3/18
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、IAT から得られる神経データと行動データを共同利用して、心の健康に関連する心理測定変数を推定する、スパースな階層ベイズモデルを提案する。従来の Dスコアより予測性能を改善することを目指す。
- 本研究は、IAT 研究に典型的な小規模コホートの枠組みにおいて、2つの IAT 変種を分析している（自殺念慮関連の E-IAT は n=39、精神病関連の PSY-IAT は n=34）
- このモデルは、E-IAT で 0.73、PSY-IAT で 0.76 の AUC を達成しており、補正後の信頼区間は広く、FDR 補正後は限界的有意だった。
- E-IAT を大うつ病性障害（MDD）を有する参加者に限定すると AUC は 0.79 へと上昇し、有意な q 値を得、手法は収縮 LDA および EEGNet のベースラインに対して競争力のある性能を示した。
- 著者らは、IAT に基づく閉塞感および精神病性の評価に本手法が有用である可能性を指摘する一方、より大規模で独立したコホートでの検証を求めている。
