擬似データセットによる人工ニューラルネットワークの特徴寄与の推定
カテゴリ：医学教育
公開日：2025年11月23日
タイトル：Pseudo datasets estimate feature attribution in artificial neural networks
雑誌名：Sci Rep. 2025 Nov 23; doi: 10.1038/s41598-025-28840-7. Epub 2025 Nov 23.
概 要：
本研究は、人工ニューラルネットワークの予測性能を向上させるための解釈可能性の向上を目指しています。従来の説明手法は個々の特徴に焦点を当てることが多く、特徴間の相互作用を見落とすことがあります。そこで、本研究では「擬似データセット摂動効果（PDPE）」という二段階の説明手法を提案します。この手法は、データを摂動させ、その影響を観察することで特徴の重要性を識別します。シミュレーション研究により、PDPEはSHAP値法と比較して迅速かつ正確な説明を提供することが示されました。さらに、実データを用いた分析でも新しいアプローチの優れた性能が確認されました。
方 法：
本研究は、人工ニューラルネットワークにおける特徴の重要性を評価するためのシミュレーション研究を行いました。PDPE手法を用いて、データを摂動させ、その結果が予測に与える影響を観察しました。特徴間の相互作用を評価し、個々の特徴の相対的重要性を明らかにしました。
結 果：
PDPE手法は、SHAP値法と比較して、より迅速かつ正確に特徴の重要性を評価することができることが示されました。シミュレーション結果は、PDPEが個々の特徴とその相互作用の重要性を理解するのに役立つことを示しています。また、実データを使用した分析でも新手法の優れた性能が確認されました。
結 論：
PDPE手法は、人工ニューラルネットワークの解釈可能性を向上させ、特徴間の相互作用を考慮した予測理解を可能にします。このアプローチは、モデルの予測行動をより包括的に理解するための有用なツールとなることが期待されます。