待合室で番号を待ちながら、ポケットの中で小さく震えるスマホを握りしめる。
「たった一滴の血液検査で、赤ちゃんの”明日”が見えるなら—」
そんなふうに願った日が、誰にでも一度はあるのではないでしょうか。
実は初回健診（初めて受診する週数）は、赤ちゃんの”行き先”を示す強い合図です。
ブラジル北東部・ペルナンブーコ州の社会プログラム（2008〜2022 年）から集めた 231,505 件の妊娠データをもとに、研究者たちは機械学習で「死産（胎児死亡）の予測」に挑みました。
分析に使ったのは、年齢、教育、健診の開始時期、妊娠間隔、既往歴など、日常のカルテに載る素朴な情報たち。
そこから”命のシグナル”を掬い上げたのです。
「死産」とは何か——数字の向こう側にいる人
WHO は妊娠28週以降に起きる胎児の死亡を”胎児死亡（死産）”と定義します。
世界では約 190 万人の赤ちゃんが28週以降や分娩時に命を落としています。
地域の医療体制を映す”鏡”として、胎児死亡率は重要な指標です。
ブラジルでも課題は続き、2023 年には乳幼児・胎児死亡が 20,200 件、同国北東部ではペルナンブーコ州が 1,037 件で地域内で2番目に高い数字を示しました。
数字の一つひとつが、名も知らぬ家族の涙のしみです。
研究はどうやったの？——”欠けたピース”と”不均衡”に向き合う
現実の医療データは、よく穴（欠損値）が空き、偏り（不均衡）があります。
研究チームは、まず欠損値を項目ごとに中央値などで補い（”もっともありそう”な値で埋める方法）、次に「生まれる」データが圧倒的に多く「亡くなる」データが少ない不均衡に対処しました。
使ったのは2つのバランス調整法——
- ランダムアンダーサンプリング：多数派（生）を減らして釣り合いを取る
- ハイブリッド法（SMOTE＋アンダー）：少数派（亡）を”近いケースをもとに似たデータを合成して”増やし、同時に多数派を減らす
そのうえで、決定木・ランダムフォレスト・AdaBoost・XGBoost を、10分割のグリッドサーチで最適化し、判定の線引きは Youden 指数で”見逃し（感度）”と”誤警報（特異度の裏返し＝偽陽性率）”のバランスをとりました。
わかりやすく言うと：
- SMOTE は「少ない事例の”そっくりさん”を作って、学習の練習問題を増やす」技
- 感度は「危ないケースをどれだけ拾えるか」
- 特異度は「安全なケースを間違って危険としないか」
何がわかった？——モデルの”性格”と、光ったシグナル
- XGBoost は特異度 81.06% と「生まれるを見分けるのが得意」
- ランダムフォレストは感度 67.73% と「亡くなるを拾うのが得意」
- ただし全体の正解は約6割で、死産予防の臨床期待にはまだ届きません
だからこそ、初回健診の週数、母親の年齢、教育水準、妊娠間隔といった”診療で集まる基本情報”が、早期アラートの実用的な灯りになると示しました。
特に初回健診が遅いことは、他研究でも死産リスク増と結びつく重要サイン。
高血圧などの合併症も大敵です。
ティーンエイジャーや高年妊娠ではリスクが上がることも再確認されました。
臨床でおなじみの因子が、機械学習でも”重み”として浮かび上がっています。
だから、現場ではこう動ける——”予測”を”予防”に替える3つのヒント
1. 初回健診を前へ前へ
初診が早いほど情報が増え、死産予防のチャンスが広がります。
病院側は「初診は◯週までに」を掲示・周知し、自治体は SMS や保健師訪問で案内を重ねましょう。
2. リスクの”見える化”を簡単に
電子カルテのアラートに、年齢・教育・妊娠間隔・高血圧などの簡易スコアを組み込み、機械学習の結果（感度・特異度）を添えたトリアージ表示を導入します。
3. データの質を上げる
ラボ情報や社会背景の抜けを減らし、不均衡を意識した収集設計に。
公平性（バイアス）のモニタリングも忘れずに。
最後に——”統計の一行”を、だれかの”明日”に変える
研究者は正直に語ります。
「今のモデルはまだ十分じゃない」。
けれども、見逃してきたサインに色をつけることはできるし、初回健診を早める行動は、今日から始められます。
機械学習は魔法ではありません。
でも、見えるはずのない危険を、少しだけ”見える化”する眼鏡にはなれる。
その眼鏡をかけるのは、医療者だけではなく、あなた自身の一歩です。
—予約ボタンを押す、その一歩が、未来を変えます。
コメント