HIV感染者の生存予測モデルに関する4つの機械学習モデルの比較
カテゴリ：公衆衛生・予防医療
公開日：2026年2月19日
タイトル：Survival prediction models for people living with HIV based on four machine learning models.
雑誌名：Sci Rep. 2025 Aug 25; 15(1): 31256. doi: 10.1038/s41598-025-16479-3. Epub 2025 Aug 25.
概 要：
この研究は、HIV感染者の生存率を予測するために、コックス比例ハザードモデルと4つの機械学習モデルの性能を比較しました。676人のHIV感染者からデータを収集し、コックス単変量分析を用いて有意な変数を特定しました。データは訓練セット（473件）とテストセット（203件）に分割され、各モデルの予測性能を評価しました。結果、ランダムフォレストモデルが最も優れた予測性能を示し、従来のコックスモデルを上回る結果が得られました。
方 法：
本研究は676人のHIV感染者を対象としたコホート研究です。データは中国疾病予防管理センターから収集され、コックス単変量分析を用いて有意な変数を特定しました。データは7:3の比率で訓練セット（473件）とテストセット（203件）に分割され、ランダムフォレスト、サポートベクターマシン、eXtreme Gradient Boosting、マルチレイヤパーセプトロンの4つの機械学習モデルとコックス比例ハザードモデルを用いて生存予測モデルを構築しました。
結 果：
ランダムフォレストモデルは、AUC 0.912、Accuracy 0.862、Precision 0.794、Recall 0.562、F1スコア 0.659を達成し、最も優れた予測性能を示しました。サポートベクターマシン、eXtreme Gradient Boosting、マルチレイヤパーセプトロンも良好な性能を示しましたが、コックス比例ハザードモデルは同様の結果でした。機械学習モデルは従来のコックスモデルを上回る性能を示しました。
結 論：
ランダムフォレストモデルはHIV感染者の生存率を分析・予測するための有力な手段であり、従来のコックスモデルよりも優れた予測性能を持つことが示されました。中国においては、HIV感染者の生存率の予測においてこのモデルの利用が期待されます。