| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2026-03-16 14:15 キャリブレーションに対する公平性評価 ～ 糖尿病予測モデルの比較検討 ～ ○駒井暉璃・瀬戸ひろえ（京都女子大）・山本陵平・土岐 博・山本倫生（大阪大学）・林 邦好（京都女子大）  NC2025-97 |
|
| 抄録 | （和） | 近年，医療現場では疾病発症リスクなどの意思決定に予測モデルが用いられることが多くなってきている．一方，確率予測精度，すなわちキャリブレーションの公平性については，これまで注目されてきていない．したがって本研究では，臨床予測モデル開発における予測アルゴリズムのキャリブレーションの公平性について検討することを目的とした．ここでは，大阪府国保データベースを用いてLogistic regression・Neural network・Random forestの3 種のアルゴリズムそれぞれで糖尿病発症確率を予測する確率予測モデルを構築し，キャリブレーションの公平性をCalibration Error Difference as a ratio to Mean（CED-M），Variable-based Calibration Plot（VC-plot）で評価した．結果，CED-MよりLogistic regressionとNeural networkのキャリブレーションは不公平であり，Random forestは公平であるということが明らかになった．VC-Plot よりRandom forestはどのサブグループにおいても予測精度が高いことが示唆された． |
| （英） | In recent years, prediction models are increasingly used in clinical settings for decision-making regarding disease risk and other factors. On the other hand, the accuracy of probability predictions, specifically calibration fairness, has received limited attention. This study aimed to investigate the calibration fairness of prediction algorithms in clinical prediction model development. Using the Osaka Prefecture National Health Insurance Database, probability prediction models were constructed to predict diabetes onset probability using three algorithms: Logistic regression, Neural network, and Random forest. Calibration fairness was evaluated using Calibration Error Difference as a ratio to Mean (CED-M) and Variable-based Calibration Plot (VC-Plot). Results showed that calibration was unfair for Logistic regression and Neural network based on CED-M, while Random forest was fair. VC-Plot indicated that Random forest achieved higher predictive accuracy across all subgroups. . | |
| キーワード | （和） | 確率予測 / 機械学習 / ロジスティクス回帰 / 医療ビッグデータ / 臨床予測モデル / / / |
| （英） | Probabilistic prediction / Machine learning, / Logistic regression / Medical big data / Clinical prediction model / / / | |
| 文献情報 | 信学技報, vol. 125, no. 413, NC2025-97, pp. 36-40, 2026年3月. | |
| 資料番号 | NC2025-97 | |
| 発行日 | 2026-03-09 (NC) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NC2025-97 |
|
| 研究会情報 | |
| 研究会 | NC MBE |
| 開催期間 | 2026-03-16 - 2026-03-18 |
| 開催地（和） | 東京大学 |
| 開催地（英） | The University of Tokyo |
| テーマ（和） | 一般（NC, ME） |
| テーマ（英） | General |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2026-03-NC-MBE |
| 本文の言語 | 日本語 |
| タイトル（和） | キャリブレーションに対する公平性評価 |
| サブタイトル（和） | 糖尿病予測モデルの比較検討 |
| タイトル（英） | Evaluating Fairness of Calibration |
| サブタイトル（英） | A Comparative Study of Diabetes Prediction Models |
| キーワード(1)（和/英） | 確率予測 / Probabilistic prediction |
| キーワード(2)（和/英） | 機械学習 / Machine learning, |
| キーワード(3)（和/英） | ロジスティクス回帰 / Logistic regression |
| キーワード(4)（和/英） | 医療ビッグデータ / Medical big data |
| キーワード(5)（和/英） | 臨床予測モデル / Clinical prediction model |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 駒井 暉璃 / Hikari Komai / コマイ ヒカリ |
| 第1著者 所属（和/英） | 京都女子大学 (略称： 京都女子大) Kyoto Women's University (略称： Kyoto Women's Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 瀬戸 ひろえ / Hiroe Seto / セト ヒロエ |
| 第2著者 所属（和/英） | 京都女子大学 (略称： 京都女子大) Kyoto Women's University (略称： Kyoto Women's Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 山本 陵平 / Ryohei Yamamoto / ヤマモト リョウヘイ |
| 第3著者 所属（和/英） | 大阪大学 (略称： 大阪大学) The University of Osaka (略称： UOsaka) |
| 第4著者 氏名（和/英/ヨミ） | 土岐 博 / Hiroshi Toki / トキ ヒロシ |
| 第4著者 所属（和/英） | 大阪大学 (略称： 大阪大学) The University of Osaka (略称： UOsaka) |
| 第5著者 氏名（和/英/ヨミ） | 山本 倫生 / Michio Yamamoto / ヤマモト ミチオ |
| 第5著者 所属（和/英） | 大阪大学 (略称： 大阪大学) The University of Osaka (略称： UOsaka) |
| 第6著者 氏名（和/英/ヨミ） | 林 邦好 / Kuniyoshi Hayashi / ハヤシ クニヨシ |
| 第6著者 所属（和/英） | 京都女子大学 (略称： 京都女子大) Kyoto Women's University (略称： Kyoto Women's Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-03-16 14:15:00 |
| 発表時間 | 15分 |
| 申込先研究会 | NC |
| 資料番号 | NC2025-97 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.413 |
| ページ範囲 | pp.36-40 |
| ページ数 | 5 |
| 発行日 | 2026-03-09 (NC) |
[研究会発表申込システムのトップページに戻る]