中高生の自殺リスクを「4つの因子」で予測――機械学習が明かす新たな予防の兆し

思春期における自殺念慮や自殺企図は、世界的に深刻な公衆衛生上の課題です。韓国の全国調査データを用いた近年の研究では、複雑に絡み合う多次元的なリスク因子を紐解くため、機械学習（ML）技術を活用した予測モデルの開発と検証が行われました。本記事では、この研究が示した「必要最小限のリスク因子」とその臨床的意義について解説します。

研究が明らかにした自殺リスクの主要因子

14の因子から抽出された「最適化された特徴量」

研究チームは、12歳から18歳の青少年約9万人を対象に、社会人口統計学的特性、身体的・精神的健康状態、健康に関連する行動など、14の多次元的なリスク因子を分析しました。その結果、特に「悲しみ」「孤独感」「不安」「ストレス」の4つの因子が、自殺念慮や自殺企図を予測する上で非常に高い精度を持つ「最適化された特徴量」であることが判明しました。

機械学習による予測精度の向上

Random Forest（ランダムフォレスト）モデルを用いたこの研究では、これら4つの因子だけでも90%を超える高いAUC（曲線下面積）を達成しました。さらに、性別、経済状況、睡眠の質、健康状態などの付加的な因子をモデルに加えることで、自殺企図の予測精度はさらに向上し、高い感度と特異度を実現しました。

臨床および学校現場での活用可能性

このモデルは、単に高い予測精度を誇るだけでなく、必要最小限の因子に絞ることで、計算負荷を低減しつつモデルの解釈性を高めています。これにより、リソースが限られた臨床現場や学校でのスクリーニングツールとして、早期介入の可能性を大きく広げる成果となっています。

AIによるリスク予測が切り拓く今後の展望

効率的なリソース配分による早期介入の実現

本研究の最も重要な示唆は、複雑な要因を単純化し、「悲しみ」「孤独感」「不安」「ストレス」という主要な心理的因子に焦点を当てることで、効率的なリスク管理が可能になるという点です。メンタルヘルス支援のリソースが限られている教育現場や地域医療において、リスクの高い生徒を早期に特定し、優先的にケアを行うための科学的なエビデンスとして活用できるでしょう。これにより、データに基づいた、よりパーソナライズされた支援体制の構築が期待されます。

本質的な課題としての「心理的孤立」への対策

今回のモデルで抽出された因子は、思春期特有の心理的発達段階を色濃く反映しています。特に「孤独感」や「悲しみ」が主要因子として浮上したことは、単なる精神疾患の有無だけでなく、青少年の「社会的繋がり」や「感情的な居場所」がいかに自殺予防において本質的であるかを示しています。今後は、デジタルツールによるAI予測をフックとしつつ、実際のアウトリーチやコミュニティによる対面支援をどのように掛け合わせていくかが、社会的な解決に向けた次の重要なステップとなるでしょう。