[3B4-GS-11] AIと社会：医療

[3B4-GS-11-01] ライフログに基づく寛解期うつ病患者の抑うつ度予測に対するlightGBMの可能性について

〇秦 彩乃¹、木口 亮¹、吉田 祐樹¹、北西 由武¹、吉本 潤一郎²、田近 亜蘭³、古川 壽亮³ (1. 塩野義製薬株式会社、2. 奈良先端科学技術大学院大学、3. 京都大学)

[[オンライン]]

キーワード：lightGBM、うつ病、再燃予測

うつ病は有病率が高い精神疾患であると共にその再発率も高く，再発回数が多いほど将来の再発の確率も高くなることが知られている．再発の予防には再発の警告となる前駆症状を早期に発見することが非常に重要である．近年，ウェアラブルデバイスが広く普及したことにより，活動量、睡眠量、心拍数など、様々な情報を継続的かつ非侵襲的に収集することが可能になった。これら生体データと活動記録表作成支援アプリケーションから取得したデータから特徴量を作成し，lightGBM（Light Gradient Boosting Machine）によるアンサンブル学習を適用し，うつ病の再発予測アルゴリズムを構築した．心理的ストレスの評価指標であるK6スコア（整数値：0点~24点）を目的変数として予測した結果，決定係数 0.7以上，平均絶対誤差1.7以下となり，実際の臨床現場での実装に耐えうる予測精度を得た．本研究での報告は，京都大学古川らが実施したFun to Learn, Act and Think through Technology-2研究で収集されたデータ（N=89，追跡期間1年間）の再解析による結果である．