質問票データから重度歯周炎をラベリングする選択的機械学習アルゴリズム
カテゴリ：公衆衛生・予防医療
公開日：2026年3月14日
タイトル：A selective machine learning algorithm for severe periodontitis labeling from questionnaire data
雑誌名：Sci Rep. 2026 Mar 13; doi: 10.1038/s41598-026-43934-6. Epub 2026 Mar 13.
概 要：
本研究では、自己報告による口腔健康（SROH）質問票を用いて重度歯周炎（SP）または非歯周炎（NP）のラベルを付与する選択的で説明可能な機械学習パイプラインを開発しました。498人のデータセットを使用し、NP、軽度歯周炎（MP）、重度歯周炎のカテゴリーを導出しました。MPの症例はモデル開発から除外され、CatBoostモデルを用いて10倍の交差検証でNP/SPの予測を行い、確率が0.85以上の予測を保持しました。このパイプラインは、臨床的な歯周検査がないコホートにおける症例対照選択を支援することが期待されます。
方 法：
本研究は、498人の参加者から得られたSROH質問票、人口統計、治療ニーズのコミュニティ歯周指数（CPITN）スコアを用いたコホート研究です。MP症例はモデル開発から除外され、CatBoostモデル（Separator-A）が10倍の交差検証で訓練されました。NP/SPの予測は、確率が0.85以上のものを保持し、内部テストおよびホールドアウト推論セットで性能を評価しました。
結 果：
パイプラインは、保持された高信頼度のサブセット内で完全な分離を達成し、対象となるNP/SP症例の4.31%を代表しました。MP症例はNPまたはSPとして誤分類されることはありませんでした。これにより、選択的にSPとNPを識別できることが示されました。
結 論：
この二段階の説明可能な機械学習パイプラインは、SROH質問票データからSPとNPを選択的に特定できることを示しました。臨床的な歯周検査がないコホートにおける症例対照選択を支援する可能性がありますが、一般化可能性を確認するための検証が必要です。