[3M1-GS-10] AI応用：テキスト・行動データの解析・生成

[3M1-GS-10-05] 勤怠データとウェアラブルデバイスを用いた個別最適モデルによる労働者のストレス予測

〇岩本 洋紀¹、田島 遼太郎¹、中野 紗希¹、木口 亮¹、北西 由武¹ (1. 塩野義製薬株式会社)

キーワード：メンタルヘルス、ストレスチェック、ウェアラブルデバイス、XGBoost

うつ病の患者数は増加傾向であり，また傷病が長期化しやすいため，社会に与える損失は甚大である．そのため，未病段階でのケアの重要性は高い．例えば，ストレスの増加を事前に予期して適切に対処することで，発症予防が期待できる．ストレス状態との関連性が知られている指標として睡眠や心拍，活動量などがあるが，これらは勤務形態の影響を強く受けるため，万人に適用可能な単一のストレス予測モデルの構築は難しいと考えられる．本発表では，勤怠情報に基づき予測対象者と勤務形態が類似した集団を特定し，それらのデータで学習する個別最適モデルによるストレス予測アルゴリズムを提案する．提案手法評価にはSHIONOGIグループの従業員192名から取得したウェアラブルデバイスのデータ，行動記録データおよび勤怠情報データを用いた．ストレス指標のひとつであるK6スコアを2値化したものを目的変数とし，1週間後のストレス状態をXGBoostを用いて予測した結果，適合率68%，再現率59%，ROC-AUC0.85となった．これはデータセット全体でひとつのモデルを構築した場合を大きく上回っており，個別最適モデルの有用性が示唆された．