健康行政データを用いた自殺リスク予測のための説明可能な人工知能モデル
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：Explainable artificial intelligence models for predicting risk of suicide using health administrative data in Quebec
雑誌名：PLoS One. 2024; 19(4): e0301117.
概 要：
この研究は、ケベック州の健康行政データを用いて、性別に特化した機械学習（ML）モデルを開発し、自殺リスクを予測することを目的としています。自殺は複雑な現象であり、予防には大規模なデータセットを活用したリスク検出が重要です。研究では、2002年から2019年の間に自殺した18339人のケースと、同期間に生存していたケベック州の15歳以上の人口から無作為に選ばれた1307370人のコントロールを用いて、103の特徴量を分析しました。モデルの解釈にはSHAPを用い、予測精度を評価しました。
方 法：
この研究は、ケースコントロール研究デザインを採用し、2002年から2019年までの自殺データを用いています。18339人の自殺者と、同期間に生存していた15歳以上の人口から無作為に選ばれた1307370人のコントロールを対象としました。103の特徴量を用いて、ロジスティック回帰、ランダムフォレスト、XGBoost、MLPなどの監視型MLアルゴリズムでモデルを訓練・検証しました。感度、特異度、陽性的中率（PPV）を計算し、ROC曲線を生成しました。
結 果：
ロジスティック回帰による男性の感度は0.38、女性のMLPによる感度は0.47でした。XGBoost分類器は男性で0.25、女性で0.19のPPVを示しました。この研究は、説明可能なAIモデルが意思決定や自殺予防における集団レベルの行動に役立つ可能性を示しました。
結 論：
説明可能なAIモデルは、自殺リスクの予測において有用であり、公共の管理医療システムにおける意思決定者やプランナーが利用可能な変数を含んでいます。因果関係の解釈には注意が必要であり、次のステップとして、意思決定者や臨床医向けの直感的なユーザーインターフェースの開発が求められます。