社会認知理論と機械学習を統合してMSMの女性との性行動を予測する：中国における多施設ランダムフォレストモデル開発研究

なぜ“隠れた性の橋渡し”が重要なのか

公衆衛生の専門家は、高いHIVリスクを持つ集団と一般集団をひそかに結びつける「橋渡し」的行動を懸念しています。中国では、男と性行為をする男性（MSM）の中に女性とも性交する人がおり、しばしば同性愛行動を秘密にしています。このようなパターンは無意識のうちに女性パートナーを感染にさらす可能性があり、予防を一層困難にします。本研究の要点は実践的です：心理学の知見と現代のデータサイエンスを組み合わせて、この隠れた行動を早期に見つけ、個人を非難するのではなく支援する形で活用できるか、という問いです。

アクセスしにくいコミュニティを詳しく見る

研究者は中国の6都市のコミュニティ団体と協力し、過去6か月に男と性行為をした2,403人の男性を匿名で調査しました。男性・女性との性接触だけでなく、気分、自己評価（セルフエスティーム）、薬物使用、交際関係、職業、学歴、居住状況などについても尋ねました。参加者の約17%が過去半年に女性と性交したと報告しました。多くは若年成人で学歴が高く、出身地を離れて暮らしている人も多く含まれていました。こうしたコミュニティベースのアプローチにより、スティグマや本人特定への恐れから公式な調査を避ける可能性のある人々にも届くことができました。

心理学とアルゴリズムの結びつけ方

本研究は社会認知理論（Social Cognitive Theory）に基づいており、この理論は行動が個人の思考や感情、日常の行動、周囲の社会環境との相互作用によって生じると捉えます。この視点から、研究チームは28の測定項目を次の3つの大分類にまとめました：個人の状態（抑うつ、不安、自己評価など）、行動（男性との集団性交や性行為前の薬物使用など）、環境（学歴、婚姻状況、移動・移民の有無など）。コンピュータにすべてのパターンを盲目的に探索させるのではなく、理論的に重要と思われる変数をまず選び、その上でランダムフォレストという機械学習手法を用いて、実際に女性との性交予測に最も寄与する変数を順位付けしました。

簡潔なリスクスコアの構築

元の28項目から、アルゴリズムは予測力の大部分を担う9項目のコンパクトなセットを特定しました：不安、抑うつ、自己評価、年齢、学歴、婚姻状況、性的指向、最近の男性との集団性交、性行為前の薬物使用。これら9因子を用いて、ある男性が最近女性と性交したかどうかの確率を出すより単純な統計モデルを構築しました。データの異なるサブセットで繰り返し学習と検証を行った結果、モデルは女性との性交を報告したMSMと報告しなかったMSMを比較的高い精度で識別できました。標準的な性能尺度で約80%の精度を示し、予測確率は観測頻度とよく一致しており、体系的に過大または過小評価されてはいませんでした。

リスクパターンが示すもの

最も強いシグナルは婚姻状況と参加者の自己申告する性的指向から得られ、次いで心理的苦痛や特定の行動が続きました。既婚である人や、性的指向を「不確か」ではなく同性愛または両性愛と認識している人は、女性との性交を報告する可能性が高くなっていました。不安や抑うつのスコアが高く、自己評価が低いことも異性との性交の可能性と関連しており、最近の男性との集団性交や性行為前の薬物使用も同様でした。若年および学歴が低いこともリスクを高める傾向がありました。重要な点として、モデルは年齢や学歴、婚姻状況、移住者と地元住民といった異なるサブグループ間で類似の性能を示しており、リスクスコアが限定的な狭いグループにしか適用できないわけではないことを示唆しています。

数字を実用的で非難しないツールに変える

統計室の外で使いやすくするために、チームは9つの主要予測因子を簡単な得点表（ノモグラム）に変換しました。カウンセラー、臨床医、アウトリーチワーカーはこの表を用いて、各人の気分のスコア、関係状況、学歴、最近の行動などに点数を割り当て、合計点からその人が女性とも性交している確率の推定値を得られます。著者らは、このツールは個人をラベリングしたりスティグマを増やしたりするためではなく、機密を守り支援的な対話や早期の予防介入―カウンセリング、検査、セーファーセックス資源の提供など―を的確に行うために設計されていると強調しています。

引用: Liu, S., Gao, Y., Xu, H. et al. Integrating social cognitive theory with machine learning to predict MSM-women sexual behavior: a multicenter random forest model development study in China. Sci Rep 16, 6029 (2026). https://doi.org/10.1038/s41598-026-36202-0

キーワード: HIV予防, 両性愛的行動, 機械学習, メンタルヘルス, 中国のMSM