展開された臨床予測モデルの継続的評価のためのモニタリング戦略
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：Monitoring strategies for continuous evaluation of deployed clinical prediction models.
雑誌名：J Biomed Inform. 2025 Aug; 168: 104854.
概 要：
本研究は、臨床実践における機械学習の導入が進む中で、展開された分類器の継続的な監視と更新が必要であることを強調しています。データの変動に対処するためには、フィードバックループを考慮したモニタリング戦略が重要です。具体的には、介入によって「高リスク」とされたケースが「低リスク」と再評価される可能性があり、これによりモデルの性能が過小評価されることがあります。本研究では、フィードバックループの影響をシミュレーションし、Adherence WeightedおよびSampling Weightedという2つの監視戦略を提案し、それらの性能を評価しました。
方 法：
本研究では、Adherence WeightedおよびSampling Weightedという2つのフィードバックループを考慮した監視戦略を提案しました。シミュレーションを通じて、これらの戦略が展開後のモデル性能を正確に評価し、安全かつ正確な分類器の再訓練を開始する能力を評価しました。
結 果：
フィードバックループの存在下で、Adherence WeightedおよびSampling Weighted戦略は、標準的なアプローチよりも真の分類器性能に対して高い忠実度を示しました。標準的な無加重アプローチでは、データの変動がある場合にAUROCスコアが0.52に低下しましたが、提案した戦略を用いた再訓練では0.67に回復し、新しいモデルと同等の性能を達成しました。
結 論：
Adherence WeightedおよびSampling Weighted戦略は、標準的なアプローチと比較して、分類器の性能推定をより正確に行うことができ、データの変動やフィードバックループに対して強い性能回復をもたらすことが示されました。