機械学習モデル評価

検査や診断の性能を測る大切な指標の一つに、感度というものがあります。これは、実際に何らかの状態、例えば病気にかかっている人の中で、検査によって正しくその状態だと判定された人の割合を示すものです。言い換えれば、ある状態が存在している時に、それを正しく見つける確率のことです。 例として病気の診断を考えてみましょう。ある病気にかかっている人が100人いたとします。その中で、検査を受けた結果、実際に病気だと正しく診断された人が90人だったとしましょう。この場合、感度は0.9となります。感度は0から1までの値を取り、1に近づくほど検査の性能が高いことを示します。つまり、感度が高いほど、本当に状態がある人をより多く、正しく見つけることができるということです。 感度が1に近い、つまり非常に高い検査であっても、全ての人を完璧に見つけることは難しいです。先の例では、病気にかかっている100人のうち、90人は正しく診断されましたが、残りの10人は検査では病気ではないと判定されてしまいました。このように、本当は状態があるのに、検査では見逃されてしまうことを偽陰性と言います。この偽陰性を少なくすることが、病気の早期発見や適切な治療開始に繋がります。 一方で、感度だけに注目してしまうと、別の問題が生じる可能性があります。例えば、非常に感度が高い検査であっても、実際には病気にかかっていない人を誤って病気だと判定してしまう、いわゆる偽陽性が多い可能性も考えられます。そのため、感度に加えて、偽陽性の割合を示す特異度も合わせて考えることが大切です。感度と特異度をバランス良く評価することで、より適切な検査方法を選択することに繋がります。