臨床血液パラメータを用いた遺伝的アルゴリズムとGAN最適化による新しい解釈可能でリアルタイムのデング熱予測フレームワーク
カテゴリ：医療現場の業務効率化
公開日：2026年2月19日
タイトル：A novel interpretable and real-time dengue prediction framework using clinical blood parameters with genetic and GAN-based optimization
雑誌名：Front Artif Intell. 2025; 8: 1626699.
概 要：
デング熱は、特に資源が限られた地域で重要な健康問題であり、従来のIgG/IgMベースの検査が遅延したり適切に実施されないことが多いです。本研究では、解釈可能で効率的な新しい機械学習フレームワークを提案し、遺伝的アルゴリズム（GA）と生成的敵対ネットワーク（GAN）を組み合わせてデータの不均衡を解決し、リアルタイムの臨床判断を支援します。最適化された決定木モデルは99.49%の精度を達成し、トレーニングとテストの計算コストはそれぞれ0.0025秒と0.0013秒です。提案されたモデルに基づくウェブアプリケーションは、0.6秒未満の遅延でリアルタイムのリスク予測を可能にします。
方 法：
本研究は、遺伝的アルゴリズムと生成的敵対ネットワークを用いた機械学習フレームワークを開発し、データの不均衡を解決しました。最適化された決定木モデルを使用し、99.49%の精度を達成しました。XAI技術を用いて、白血球数や血小板数がデング熱の主要な予測因子であることを特定しました。
結 果：
最適化された決定木モデルは99.49%の精度を達成し、トレーニングとテストの計算コストはそれぞれ0.0025秒と0.0013秒でした。リアルタイムのリスク予測を行うウェブアプリケーションは、0.6秒未満の遅延で機能します。XAI評価により、白血球数（< 3,700 cells/μL）、血小板数（< 136,000 cells/μL）、および血小板分布幅（PDW < 23）がデング熱の重要な指標であることが示されました。
結 論：
提案されたGA-GAN-XAIフレームワークは、精度、解釈可能性、リアルタイムの意思決定能力を兼ね備えており、デング熱リスク予測のための信頼性の高いソリューションとして、医療現場での展開が期待されます。