FIM 予後予測モデルを機械学習で作る

リハビリAI や 医療AI という言葉を耳にしても、「自分の研究データで FIM 予後予測モデル を作るには何から始めればよいか」「機械学習 と統計解析はどう違うのか」「scikit-learn でどんなコードを書けばよいのか」と感じる臨床医・PT・OT・ST の方は多いのではないでしょうか。本ガイドは、リハビリテーション領域の研究者が FIM 予後予測 を例に、機械学習による予後予測モデル をゼロから構築・評価・論文化するまでの全工程を、当サイトの関連記事 40 本超への内部リンクとともに整理した長文ガイドです。

脳卒中回復期病棟での「入院時 FIM・年齢・発症日数から退院時 FIM を予測する」というよくある臨床課題を題材に、データ準備・特徴量設計・モデル選択・評価指標 (AUC・Calibration・DCA)・落とし穴回避 (リーケージ・過学習・公平性)・TRIPOD+AI に沿った論文化までを一気通貫で解説します。自宅退院予測 や 歩行自立予測 など類似タスクにもそのまま応用できます。

// TOC目次（10 ステップ）

1. ステップ 1: 研究目的と予測時点を固定する
2. ステップ 2: アウトカムを臨床的に定義する
3. ステップ 3: 特徴量を選び、データを整える
4. ステップ 4: 機械学習アルゴリズムを選択する
5. ステップ 5: データ分割と前処理 Pipeline を設計する
6. ステップ 6: 学習し、ハイパーパラメータを調整する
7. ステップ 7: AUC・Calibration・DCA で多面評価する
8. ステップ 8: 落とし穴 (リーケージ・過学習・公平性) を点検する
9. ステップ 9: SHAP で説明し、因果と混同しない
10. ステップ 10: TRIPOD+AI に沿って論文化する

// STEP 01研究目的と予測時点を固定する

FIM 予後予測モデル の設計で最初に決めるのは「誰の・いつの・どのアウトカムを予測するか」です。同じ「退院時 FIM 予測」でも、入院時に予測するモデルと入院 2 週後に予測するモデルでは、使える説明変数も実装場面もまったく異なります。

実務でよくある予測時点と用途は次の通りです。

• 入院時予測: 退院支援計画・在院日数推定・家屋調整の早期準備
• 入院 2 週目予測: 軌道修正・リハ単位の見直し・転院検討
• 退院前予測: 6 か月後・1 年後の長期 FIM 予測（生活期につなぐ）

「入院時に退院時 FIM を予測する」を選んだ場合、説明変数は 入院時に取得できる情報のみ に限定する必要があります。入院期間・退院直前評価・退院支援の進行状況などを混ぜると、09·02 データリーケージ になり、性能は高く見えても臨床実装では使えないモデルになります。

// STEP 02アウトカムを臨床的に定義する

機械学習 モデルが扱うのはアウトカムの数値ですが、その数値が臨床的に何を意味するかは研究者が決めます。FIM の場合、選択肢は複数あります。

• 連続値の退院時 FIM 合計点 (18-126 点) → 回帰問題
• 退院時 FIM ≥ 91 点 (自立) の二値分類 → ロジスティック回帰系
• FIM 利得 (退院時 − 入院時) → 回帰問題、ただし入院時 FIM とのコリニアリティに注意
• FIM 効率 (利得 / 在院日数) → 在院日数を含む合成指標
• 歩行 FIM ≥ 6 点 (歩行自立) や 自宅退院 など個別 outcome

「退院時 FIM ≥ 91 点」のような二値分類は、回帰よりサンプル設計が立てやすく、混同行列で誤分類コストを臨床と擦り合わせやすいので、初学者に勧めやすい選択です。一方、利得や効率は 分母にゆらぎ があるため、解釈が難しくなります。

// STEP 03特徴量を選び、データを整える

FIM 予後予測 でよく使われる説明変数は次の 4 系統です。

• 人口統計学的因子: 年齢、性別、利き手、教育歴、職業、同居家族
• 疾患関連因子: 病型 (脳梗塞 / 脳出血 / くも膜下出血)、発症から入院までの日数、NIHSS、画像所見、麻痺の重症度 (Brunnstrom Stage)、利き手側麻痺の有無
• 機能評価: 入院時 FIM (運動・認知・各下位項目)、SIAS、MMSE、栄養指標 (Alb、GNRI)、10 m 歩行速度、握力
• 診療プロセス: 受傷からの転帰、急性期治療、リハビリ提供量（含めるかは目的次第）

特徴量を増やしすぎると EPV (Events Per Variable) が不足し、過学習しやすくなります。09·03 EPV・サンプルサイズ設計 で扱う Riley 2020 の現代的サンプルサイズ計算で、必要 N と候補変数数のバランスを確認しておきましょう。

欠測値処理は次のステップ 5 で Pipeline 内に閉じます。欠測の理由（測定不能 vs 単純な記録漏れ vs MNAR）も臨床的に検討します。詳細は 09·06 欠測バイアス で。

// STEP 04機械学習アルゴリズムを選択する

リハビリAI の FIM 予測で最初に試すべきアルゴリズムは、サンプルサイズと目的によって変わります。

最初から複雑なモデルに飛びつかず、ロジスティック回帰のベースライン → 正則化 → 勾配ブースティング の順で段階的に比較するのが安全です。複数モデルを試した場合は、09·05 多重比較 の楽観バイアスに注意します。

// STEP 05データ分割と前処理 Pipeline を設計する

FIM 予後予測モデル で最も致命的なミスは、前処理を全データで行ってから分割することです。scikit-learn の Pipeline を使うと、欠測補完・標準化・特徴量選択を 各訓練 fold 内で完結 できます。

# FIM 予後予測の基本 Pipeline (scikit-learn)
import pandas as pd
from sklearn.compose import ColumnTransformer
from sklearn.impute import SimpleImputer
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler, OneHotEncoder
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import GroupKFold, cross_validate

# 説明変数(入院時に取得可能なもののみ)
numeric_features = [
    "age", "days_from_onset",
    "fim_motor_admission", "fim_cognitive_admission",
    "nihss_admission", "alb_admission", "grip_strength",
]
categorical_features = ["sex", "stroke_type", "side_of_paresis"]

# Pipeline: 補完 → 標準化(数値) / 補完 → One-Hot(カテゴリ)
preprocess = ColumnTransformer([
    ("num", Pipeline([
        ("imp", SimpleImputer(strategy="median")),
        ("scl", StandardScaler()),
    ]), numeric_features),
    ("cat", Pipeline([
        ("imp", SimpleImputer(strategy="most_frequent")),
        ("ohe", OneHotEncoder(handle_unknown="ignore")),
    ]), categorical_features),
])

# 二値分類: 退院時 FIM >= 91 (自立) を予測
model = Pipeline([
    ("prep", preprocess),
    ("clf", LogisticRegression(max_iter=2000, class_weight="balanced")),
])

# 多施設データ → 施設をまたいで汎化するか GroupKFold で評価
cv = GroupKFold(n_splits=5)
scores = cross_validate(
    model, X, y, groups=df["facility_id"], cv=cv,
    scoring=["roc_auc", "average_precision", "neg_brier_score"],
)
for k, v in scores.items():
    if k.startswith("test_"):
        print(f"{k:>22}: {v.mean():.3f} ± {v.std():.3f}")

ポイント:

• 同一患者の複数入院が train/test にまたがらないよう GroupKFold(groups="patient_id")
• 多施設データなら groups="facility_id" で施設別検証も
• 不均衡データなら class_weight="balanced" または閾値調整（09·04 不均衡データ）

// STEP 06学習し、ハイパーパラメータを調整する

ハイパーパラメータ調整は nested CV で行うのが最も誠実です。外側 CV で性能評価、内側 CV でパラメータ選択を分離します。

from sklearn.model_selection import GridSearchCV

inner_cv = GroupKFold(n_splits=5)
param_grid = {
    "clf__C": [0.01, 0.1, 1, 10],
    # for Lasso: "clf__C": [...], "clf__penalty": ["l1"], "clf__solver": ["liblinear"]
}

search = GridSearchCV(
    model, param_grid, cv=inner_cv, scoring="roc_auc",
    n_jobs=-1, refit=True,
)

# 外側 CV で性能を評価(モデル選択の楽観バイアスを抑える)
outer_cv = GroupKFold(n_splits=5)
nested_scores = cross_validate(
    search, X, y, groups=df["facility_id"], cv=outer_cv,
    scoring=["roc_auc", "average_precision"],
)
print(f"Nested AUC : {nested_scores['test_roc_auc'].mean():.3f}")

09·05 多重比較とモデル探索 で詳しく扱いますが、nested CV を回さずに最良パラメータを最終モデルとして報告すると、性能は楽観方向に偏ります。

// STEP 07AUC・Calibration・DCA で多面評価する

機械学習による予後予測モデル を評価するとき、AUC だけを見ると重要な情報を見落とします。

特に Calibration は、AUC が同じでも臨床利用可能性を左右します。退院後の生活設計や転院判定に予測確率を使うなら、必ず Calibration plot と calibration slope を確認します。

// STEP 08落とし穴 (リーケージ・過学習・公平性) を点検する

リハビリAI 研究 で論文化前に必ず点検したい落とし穴は、第9部「医療AI研究の落とし穴と対策」全 11 記事にまとまっています。FIM 予後予測で特に重要な 5 点を抜粋します。

• 09·01 過学習: 訓練データで AUC 0.95 でも、別施設で 0.65 に落ちる典型例
• 09·02 データリーケージ: 入院期間・退院支援の進捗が説明変数に混入していないか
• 09·03 EPV・サンプルサイズ: イベント数と候補変数のバランス
• 09·07 ドメインシフト: 開発施設と運用施設の患者背景・診療プロセスの違い
• 09·10 公平性・バイアス: 高齢者・女性・重症例で性能が極端に低くないか

内部検証で AUC が 0.90 を超えるような 異常に高い性能 が出たときは、リーケージかショートカット学習 (09·08 ショートカット学習) を疑うのが原則です。

// STEP 09SHAP で説明し、因果と混同しない

FIM 予後予測モデル の挙動を説明する手段として SHAP・permutation importance・係数の符号などが使えます。ただし、SHAP で重要だった変数 = 介入すれば改善する因子、ではない 点は厳に注意します。

import shap

# SHAP で予測の説明変数寄与を可視化
explainer = shap.TreeExplainer(model.named_steps["clf"])
# Pipeline 前処理後のデータを渡す
X_processed = model.named_steps["prep"].transform(X)
shap_values = explainer.shap_values(X_processed)

# 重要度の高い順に変数を並べる
shap.summary_plot(shap_values, X_processed)

重要な変数が「入院時 FIM」だったとして、それは「入院時 FIM を上げれば退院時 FIM が上がる」を意味しません。入院時 FIM は重症度・全身状態・社会背景を含む総合指標であり、介入可能な単一の原因とは限らない からです。詳しくは 09·09 因果と予測の混同 を参照してください。

// STEP 10TRIPOD+AI に沿って論文化する

リハビリAI・医療AI による予後予測モデルを論文化するときの標準は TRIPOD+AI (Collins 2024) です。27 項目のうち、Methods に必須の主要 10 項目を抜粋します。

• 予測時点と対象集団
• アウトカム定義 (FIM ≥ 91 など)
• 説明変数のリスト (予測時点で取得可能なもののみ)
• データ分割 (random / GroupKFold / 時間順 / 外部検証)
• 前処理が Pipeline 内 fit である記述
• ハイパーパラメータ探索手順 (nested CV など)
• 性能評価 (AUC + Calibration + DCA + サブグループ)
• 説明可能性 (SHAP を使った場合の解釈の範囲)
• 限界 (外部検証の有無・公平性の検討範囲)
• 倫理承認・利益相反

投稿前の自己点検には 09·11 査読者に突っ込まれる点 の 4 層チェックリスト (16 項目) が役立ちます。査読対応では 09·11 の Major comment 10 選と対応表を参照してください。

// FAQよくある質問

リハビリAIで FIM 予後予測モデルを作るには、何から始めればよいですか？

研究目的を明確にすることが最初です。「入院時に退院時 FIM を予測する」のか「途中で軌道修正に使う」のかで設計が変わります。次に、予測時点で利用可能な変数を列挙し、アウトカム定義を固めます。そこから Python (scikit-learn) で線形回帰やロジスティック回帰の小規模モデルを試し、評価指標 (AUC・Calibration・DCA) で実用性を検証する流れが基本です。本ガイドのステップ 1-3 を順に進めてください。

FIM の予測モデルにはどんな機械学習アルゴリズムが向いていますか？

症例数が中規模 (数百例) であればロジスティック回帰や 正則化線形回帰 (Lasso/Ridge/Elastic Net) が解釈性と性能のバランスが良いです。数千例以上で表形式データなら 勾配ブースティング (XGBoost/LightGBM/CatBoost) が選択肢になります。深層学習はサンプルサイズが大きく、画像・動画・時系列データを扱う場合に有効です。

FIM 予後予測モデルを論文化する際に必須のチェック項目は？

TRIPOD+AI (2024) に沿って、対象集団・予測時点・データ分割・前処理・モデル開発・性能評価 (AUC + Calibration + DCA)・サブグループ性能・外部検証の有無を明記します。Methods では Pipeline 内で前処理を完結させたこと (リーケージ防止) を、Discussion では SHAP 等の重要度を因果と混同しないことを書きます。詳しくは 09·11 査読者突っ込み の 4 層チェック (16 項目) を参照してください。

Python ができないと医療 AI 研究は始められませんか？

最終的には Python や R があると実装しやすいですが、最初は臨床疑問・目的変数・説明変数・評価指標・検証方法を設計できることが重要です。実装は小さなサンプルから段階的に学べます。本ガイドの ステップ 5-6 のコード例は、scikit-learn の初学者でもコピペで動く形にしてあります。

自宅退院予測や歩行自立予測のモデルも、同じ手順で作れますか？

はい、本ガイドの 10 ステップはアウトカム定義（ステップ 2）を変えるだけで、自宅退院予測・歩行自立予測・転倒予測・再入院予測などに応用できます。共通するのは「予測時点での利用可能変数」「リーケージ防止」「Calibration・DCA を含む多面評価」「外部検証の意識」の 4 点です。

// RELATED関連する重要記事