小規模健康データの増強における事前学習済み生成モデルの評価：比較モデリング研究
カテゴリ：公衆衛生・予防医療
公開日：2026年6月16日
タイトル：An Evaluation of Pretrained Generative Models for Augmenting Small Health Data: Comparative Modeling Study
雑誌名：J Med Internet Res. 2026 Jun 15; 28: e88678. doi: 10.2196/88678.
概 要：
本研究は、健康データの不足に対処するための合成データ生成（SDG）の効果を評価し、特に小規模データセットにおける事前学習済みモデルと非事前学習済みモデルの比較を行いました。データのプライバシーや取得コストの制約により、実際の患者データへのアクセスが限られる中、SDGは人工サンプルを生成し、モデルの開発を支援します。研究では、50および350レコードの小規模データセットに対し、SDGの効果を検証しました。
方 法：
研究では、軽量勾配ブースティングツリー、大規模言語モデル（LLM）をタブularデータに適応させたもの、及びTabular Prior-Data Fitted Network（TabPFN）の3つの分類器を使用しました。各分類器は、ベイズネットワークや条件付きタブular生成敵対ネットワークなどの最先端のSDG手法を用いて増強されました。
結 果：
増強されたTabPFNは、他の分類器に比べて優れた性能を示し、曲線下面積（AUC）や統合キャリブレーションインデックススコアが有意に高かったです。しかし、SDGおよびLLMモデルは過剰適合の傾向を示しました。特に、単純なサンプリングによるデータセットの増強は、TabPFNにおいてSDGやLLMに基づく増強方法と同等の性能を達成しました。
結 論：
TabPFNをサンプリングによる増強で補強することが、小規模データの二項分類タスクにおいて最適なアプローチであると推奨します。この方法は、より複雑なSDG技術と同等の性能を達成しつつ、計算上の利点を提供します。