人口統計、体格、および性格特性を用いた大学生の食品嗜癖の機械学習による予測

なぜ食べ物との関係が手に負えなく感じられるのか

多くの人はチョコレートやファストフードに「中毒だ」と冗談めかして言いますが、欲求や食べることの制御喪失が深刻で苦痛になる人もいます。大学生は特に、ストレス、新たな自由、そして変化する身体を抱えながら生活するため脆弱です。本研究はタイムリーな疑問を投げかけます：コンピュータプログラムは、出自や体格、性格に関する簡単な情報を使って、どの学生が食品嗜癖のリスクが高いかを見分けられるでしょうか？もし可能なら、問題が長期的な健康問題に発展する前に早期に発見し、支援を個別化することが期待できます。

多面的に学生を見る

研究者はイランのアフヴァーズにいる18〜35歳の210人の大学生と協力しました。各学生は年齢や学歴などの基本情報を提供し、身長と体重を報告してBMI（体格指数）を算出し、標準的な性格質問票に回答しました。また、簡易版のイェール食品嗜癖尺度でスクリーニングを行い、高い嗜好性の食品に対する強い欲求、減量の失敗、否定的な結果にもかかわらず食べ続けるなど、嗜癖様パターンがあるかどうかを分類しました。食品嗜癖の基準を満たした学生は30名、満たさなかったのは180名で、このような問題が人口の一部に限られることを反映しています。

偏ったデータの均衡化と賢い機械の学習

食品嗜癖と分類された学生がはるかに少なかったため、データセットは不均衡でした。この不均衡は、コンピュータモデルが多数派を予測することに偏り、高リスクの少数派を無視するような結果を招き得ます。これに対処するため、研究チームは二つのデータ処理手法を用いました。まずTomek Linksと呼ばれる方法で、多数派のうち少数派に近接していて誤解を招きやすいケースを慎重に除去しました。次にSMOTEを用いて、少数派の現実的な合成例を作成し数を均すことでバランスを取りました。これらの操作は訓練データにのみ適用され、モデルの性能を新しい未見の学生で検証するために別の未加工のテスト群が保持されました。

多くのアルゴリズムを試す

研究者は単一の手法に頼らず、十種類の機械学習モデルを比較しました。ロジスティック回帰やk近傍法のような単純な方法から、ランダムフォレスト、勾配ブースティング、LightGBM、CatBoostといったより高度なアンサンブル法まで含まれます。さらにどの質問や測定値が情報量が多いかを決めるために十二種類の特徴選択戦略を試み、交差検証と自動探索で各モデルのハイパーパラメータを調整しました。全体的な性能評価には、正解率（モデルがどれだけ正しかったか）、F1スコア（真のケースを捉えつつ誤警報を抑えるバランス）、およびROC曲線下面積といった指標が用いられ、モデルが高リスクと低リスクをどれだけ分離できるかを示しました。

内部で何が予測を駆動しているか

アンサンブルモデル、特にCatBoostとランダムフォレストが一貫して単純な手法を上回り、この小さなデータセットでおおむね84％前後の正解率と約0.84のF1スコアに達しました。「ブラックボックス」を超える解析を行うために、研究チームはSHAPというツールを用いて、どの特徴がモデルを食品嗜癖とラベル付けする方向に作用しているかを調べました。顕著な影響要因は心理的なもので、例えば「時々自分は全く価値がないと感じる」、ストレスで「崩れ落ちそうに感じる」、他者の扱いに対する頻繁な怒り、感情的緊張、硬直した柔軟性のない思考などが挙げられました。体重やBMIも影響を及ぼしましたが、これらは感情や性格に関連する信号ほど中心的ではありませんでした。良好な気分や整理整頓能力に関連する特性はやや保護的な効果を示しました。

日常生活への意味

一般読者にとっての主要なメッセージは、食品嗜癖は単に意志力やおいしいおやつへの好みだけの問題ではないということです。この予備的な学生群では、自己評価の低さ、ストレス対処の困難さ、人間関係の不和といった深い感情的な苦悩が問題のある食行動と密接に結びついていました。基本的な質問票や体格測定値を入力とした機械学習の初期モデルは、これらのパターンを有望な精度で検出できました。しかし著者らは、標本が小さく自己申告に基づくこと、単一の大学からのデータであることを強調し、結果は予備的であると述べています。より大規模で多様な研究が進めば、同様のモデルが標準的な臨床評価と併用され、感情面と食習慣の管理で支援を必要とする若者を早期に特定する手助けになる可能性があります。

引用: Rahimnezhad, A., Mortazavi, S.T., Behdarvand, Y. et al. Machine learning prediction of food addiction in university students using demographic, anthropometric and personality traits. Sci Rep 16, 6745 (2026). https://doi.org/10.1038/s41598-026-36162-5

キーワード: 食品嗜癖, 大学生, 性格特性, 機械学習, 感情的な食行動