IMA-MoE：過食症の神経生物学的シグネチャを特徴づけるための、解釈可能なモダリティ対応ミクスチャ・オブ・エキスパーツ・フレームワーク

arXiv cs.CV / 2026/4/21

📰 ニュースIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、症状ベースに依存した診断枠組みから脱し、過食症（BED）の生物学的メカニズムを捉えることを目的とした、解釈可能なモダリティ対応ミクスチャ・オブ・エキスパーツ（IMA-MoE）を提案しています。
IMA-MoEは神経画像、行動、ホルモン、人口統計などの異種マルチモーダルデータを統合し、各計測をトークンとして表現することで、モダリティ間の依存関係を柔軟に学習しつつモダリティ固有の特徴も保持します。
解釈性を高めるために、トークン重要度の仕組みを導入し、各計測が予測（BEDか健康対照か）にどれだけ寄与したかを定量化します。
大規模データセットABCDで評価したところ、IMA-MoEはベースライン手法よりもBEDと健康対照の識別性能が優れており、さらに性別ごとの予測パターンも明らかにしました（女性ではホルモン指標の寄与が大きい）。
これらの結果から、解釈可能なデータ駆動型マルチモーダルモデリングが、BEDの生物学的に裏付けられた、より個別化された介入の発展に資する可能性が示されています。