MEDICINE & AI

タイトル：A novel adaptive sigma KNN model for depression and anxiety detection following the COVID 19 pandemic 雑誌名：Sci Rep. 2025 Nov 18; 15(1): 40553. 概　要： この研究では、うつ病や不安といったメンタルヘルス障害の正確かつ効果的な検出の必要性に応え、K-Nearest Neighbors（KNN）の改良版であるAdaptive Sigma KNN（ASKNN）モデルを提案しています。ASKNNは、隣接するデータの影響を動的に調整する適応型シグマパラメータを使用し、メンタルヘルス分類における予測精度と安定性を向上させます。ASKNNは独自のデータセットおよびさまざまな公的メンタルヘルスデータセットでテストされ、精度、適合率、再現率、F1スコアを用いて性能が評価されました。ASKNNは、うつ病で91.00%、不安で84.50%の精度を達成し、早期介入計画の促進に寄与することが期待されます。 方　法： この研究は、ASKNNモデルを用いたメンタルヘルス障害の検出に関するもので、独自のデータセットと公的なメンタルヘルスデータセットを使用しています。性能評価には、精度、適合率、再現率、F1スコアが用いられ、交差検証により信頼性が確保されました。統計的有意性はFriedmanおよびWilcoxon符号付き順位検定を用いて評価され、効果量はCohenのdおよびCliffのデルタで推定されました。 結　果： ASKNNは、うつ病に対して91.00%、不安に対して84.50%の精度を示しました。うつ病の適合率、再現率、F1スコアはそれぞれ0.91、0.87、0.89であり、不安では0.86、0.79、0.82でした。AUC-ROC値は、うつ病で0.95-0.91、不安で0.93-0.78を示し、ASKNNがベースラインのKNNモデルをすべての測定で大幅に上回ることが統計的に確認されました。 結　論： ASKNNモデルは、うつ病と不安の高精度な検出を実現し、メンタルヘルス診断の最適化における人工知能の影響を強調しています。この研究は、国際的なメンタルヘルスの負担を軽減するための早期介入計画の促進に寄与する可能性があります。