妊婦と未出生児における鉛毒性を予測し解釈するための機械学習と説明可能な人工知能
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：Machine learning and explainable artificial intelligence to predict and interpret lead toxicity in pregnant women and unborn baby
雑誌名：Front Digit Health. 2025; 7: 1608949.
概 要：
鉛毒性は環境健康問題として広く認識されており、妊娠中の母体から胎児への鉛移行が重要なリスク要因です。本研究では、母体の鉛レベルを正確に特定することが、ターゲットを絞った個別化医療介入を可能にするために重要であることを強調しています。従来の鉛中毒検出法は血液検査に依存しており、広範な集団のスクリーニングには不向きです。そこで、我々の以前の研究では、社会人口統計データを用いて妊婦の鉛暴露レベルを予測する機械学習モデルを提案しました。本研究では、このモデルの予測を解釈するために、説明可能な人工知能（XAI）フレームワークを初めて適用しました。
方 法：
本研究では、200件の血液サンプルと12の社会人口統計的特徴を用いて、ランダムフォレスト分類器を訓練しました。モデルの予測を解釈するために、SHAP（SHapley additive explanations）とLIME（Local Interpretable Model-Agnostic Explanations）の2つの広く使用されているXAI手法を適用しました。
結 果：
ランダムフォレスト分類器は、84.52%の精度を達成しました。各入力特徴がモデルの予測にどのように寄与したかについての洞察を提供しました。
結 論：
本研究は、妊婦における鉛暴露の予測モデルに対する信頼を構築し、情報に基づいた意思決定を促進するための解釈可能なAIの重要性を示しています。このアプローチは、臨床および公衆衛生の設定での受け入れを促進する可能性があります。