10の東アフリカ諸国における機械学習に基づく思春期妊娠の予測と決定要因の特定

この研究が重要な理由

思春期の妊娠は、特に低・中所得国において何百万もの若者の健康、教育、将来の収入に大きな影響を与えます。東アフリカでは、少女が思春期に妊娠する確率が世界の多くの地域よりも高く、その影響は家族や地域社会に波及します。本研究は時宜を得た問いを投げかけます：最新の計算技術——具体的には機械学習——は、どの少女が最もリスクにさらされているか、またどの社会的・経済的条件が最も重要かを見極め、限られた資源を最も効果的に配分するのに役立つでしょうか？

スマートな計算機で新たに検証する

研究者たちは、東アフリカ10か国の15～19歳の少女3万2千人超のデータを、すでに多くの公衆衛生の意思決定で用いられている大規模で標準化された健康調査から分析しました。従来の統計手法に頼るだけでなく、監督学習という事例からパターンを学ぶ機械学習の手法を用いました。ロジスティック回帰や決定木に加え、ランダムフォレストやXGBoostといった高度なモデルが試されました。これらのモデルを訓練する前に、チームはデータを丁寧にクレンジングし準備しました：欠損値の補完、調査回答のコンピュータに適した形式への変換、数値のスケーリングによる特定要因の偏り防止、ラジオ・テレビ・新聞へのアクセスを一つの指標として組み合わせるなどの新しい変数の作成を行いました。

データのバランス調整とモデル訓練

一つの課題は、大多数の調査対象の十代が妊娠していないため、「妊娠あり」と「妊娠なし」の事例に不均衡が生じ、モデルを誤導しかねないことでした。これに対処するため、チームは類似の境界例を除去するとともに、少数群に対して現実的な追加事例を生成する手法を用い、より均衡で情報量の多いデータセットを作成しました。次にデータを80％を訓練用、20％を未知の少女での性能を検証するテスト用に分割しました。総合的正確さ、真陽性率の捕捉頻度、誤警報の回避など複数の評価指標において、ランダムフォレストモデルが最も信頼できる成績を示しました。

思春期妊娠リスクを駆動する要因

高性能なモデルを得た上で、著者らは解釈可能性に注目しました：思春期妊娠を予測する上でどの要因が最も影響力があるか。特徴選択とSHAPという説明手法を用いることで、一貫して社会的・経済的な主要因のコアセットが浮かび上がりました。未婚であること、若年での性行為開始、母親の教育水準の低さ、貧しい世帯、大家族、農村居住、医療施設までの距離が大きな問題と報告されることなどが含まれます。現代的なメディアやデジタル情報源への曝露が限られていることもリスクを高めるように見えました。対照的に、現代的避妊法の現在の利用は思春期妊娠の確率と負の関連があり、避妊へのアクセスと受容が保護的に働きうることを示唆しています。

国ごとの違いとモデルの強さ

データは、思春期妊娠が東アフリカ全域で均等に分布しているわけではないことを示しました。ケニアは約5人に1人と最も高い割合を示した一方で、このデータセットではマラウイが最も低い割合でした。それでも同じようなリスク要因が地域全体で共通して見られました。ランダムフォレストモデルはこれらのパターンを高い精度（約90％近く）で捕捉し、高リスクと低リスクの十代をよく識別しました。モデルはデータの異なる部分集合で繰り返しテストされているため、著者らは類似の現場でも性能が維持される可能性が高いと主張していますが、本解析は因果関係を証明するものではない点は注意が必要です。

少女と地域社会にとっての意味

簡潔に言えば、本研究は東アフリカの思春期妊娠が貧困、教育機会の制約、早期の性行為開始、農村居住、保健サービスへのアクセス不良、近代的メディアを通じた情報不足と密接に結びついており、一方で現代的避妊がリスク低下に寄与することを結論づけています。大規模な国の調査でこれらのパターンを機械学習モデルが確実に検出できることを示すことで、実用的な道筋が示唆されます：政府や保健機関は同様のツールを使って脆弱な地域を特定し、農村部で青少年向けの生殖保健サービスを拡充し、学校を基盤とした性教育を強化し、ラジオ・テレビ・モバイルを活用して正確でスティグマのない情報を発信することができます。これらを組み合わせることで、より多くの若者が望まない妊娠を避け、自分の健康と将来に対する選択権を保つのに役立つ可能性があります。

引用: Baykemagn, N.D., Gebiru, A.M., Getnet, M. et al. Machine learning-based prediction and identification of determinants of teenage pregnancy in ten East African countries. Sci Rep 16, 13128 (2026). https://doi.org/10.1038/s41598-026-43004-x

キーワード: 思春期の妊娠, 東アフリカ, 機械学習, 生殖健康, 社会的決定要因