半教師あり学習法に基づく認知障害高リスクの識別性能の向上
カテゴリ：高齢者医療・介護
公開日：2026年2月19日
タイトル：Enhancing identification performance of cognitive impairment high-risk based on a semi-supervised learning method.
雑誌名：J Biomed Inform. 2024 Sep; 157: 104699.
概 要：
この研究は、認知障害の早期発見における認知評価の重要性を強調し、特にアルツハイマー病やレビー小体型認知症の予防と管理における役割を示しています。大規模スクリーニングは、感度が低いものや高コストの認知評価尺度に依存しています。本研究では、ラベル付けされた189件と215,078件のラベルなしサンプルを用いて、半教師あり学習アルゴリズム（SS-PP）を導入し、認知障害高リスク（HR-CI）の予測精度を向上させることを目的としました。
方 法：
本研究は、189件のラベル付きサンプルと215,078件のラベルなしサンプルを用いた半教師あり分類アルゴリズムを設計し、14の従来の機械学習手法および他の先進的な半教師ありアルゴリズムと比較して評価しました。主要評価指標はAUCです。
結 果：
最適なSS-PPモデル（GBDTベース）は、AUC 0.947を達成しました。従来の教師あり学習モデルおよび他の半教師あり手法との比較分析において、平均AUCが8%向上し、最先端の性能を示しました。
結 論：
この研究は、限られたラベル付きデータを用いたHR-CI予測の探求を先駆けて行い、身体検査データの取り入れによる利点を評価しました。これは、関連する医療分野におけるコスト効果の高い戦略の開発に重要な示唆を与えます。