偽陽性のパラドックスとは?
偽陽性のパラドックスとは、医療検査やスクリーニングにおける直感に反する事実を指します。たとえ非常に精度の高い検査でも、対象となる病気がまれなものであれば、陽性結果のほとんどが「誤報(偽陽性)」になってしまうのです。この計算ツールはベイズの定理を用いて、検査が陽性だった場合に実際にその病気である確率、すなわち陽性的中率(PPV)を導き出します。多くの場合、その値は検査の「精度◯%」という見出し的な数字よりもはるかに低くなります。
使い方
3つの割合(%)を入力してください。有病率(検査対象集団の中でその病気がどれくらい一般的か)、感度(病気の人が陽性と出る確率、いわゆる真陽性率)、そして特異度(健康な人が陰性と出る確率、いわゆる真陰性率)です。計算ツールは、陽性結果が本物である確率に加えて、偽発見率(誤って陽性と判定される割合)も表示します。
計算式の解説
ベイズの定理は、病気の人が陽性になる確率と、健康な人が誤って陽性になる確率を組み合わせます。
$$\text{P(D|+)} = \frac{\text{感度} \times \text{有病率}}{\text{感度} \times \text{有病率} + (1 - \text{特異度}) \times (1 - \text{有病率})}$$
分子は「病気であり、かつ正しく陽性と判定された人」の割合です。分母にはそれに加えて偽陽性、つまり「健康なのに誤って陽性と判定された人」が含まれます。有病率がごくわずかなとき、この偽陽性の項が全体を支配するようになります。
計算例
ある病気が人口の1%に発生する(有病率 = 0.01)とし、検査の感度が99%、特異度が95%だと仮定します。真陽性 = \(0.99 \times 0.01 = 0.0099\)。偽陽性 = \(0.05 \times 0.99 = 0.0495\)。$$\text{PPV} = \frac{0.0099}{0.0099 + 0.0495} = \frac{0.0099}{0.0594} \approx 16.7\%$$つまり「精度99%」をうたう検査であっても、陽性結果のうち本物はおよそ6人に1人にすぎないのです。
有病率がPPV(陽性的中率)に与える影響
下の表では、感度を99%、特異度を95%に固定し、有病率だけを変えています。各行は\(\text{PPV} = \frac{ \text{Sens} \cdot \text{Prev} }{ \text{Sens} \cdot \text{Prev} + (1-\text{Spec})(1-\text{Prev}) }\)で計算しており、偽発見率(FDR)は\(1-\text{PPV}\)です。
| 有病率 | PPV | 偽発見率 |
|---|---|---|
| 0.1% | 1.94% | 98.06% |
| 1% | 16.67% | 83.33% |
| 5% | 51.03% | 48.97% |
| 10% | 68.75% | 31.25% |
| 25% | 86.84% | 13.16% |
| 50% | 95.19% | 4.81% |
有病率1%の行の検算:\(\text{PPV} = \frac{0.99 \times 0.01}{0.99 \times 0.01 + 0.05 \times 0.99} = \frac{0.0099}{0.0594} \approx 0.1667\)、つまり約16.7%です。一見精度の高い検査でも、対象の病気がまれな場合は陽性結果の約6件中5件が偽陽性になります。これが偽陽性パラドックスです。
有病率1%における特異度の影響
感度は99%、有病率は1%に固定しています。
| 特異度 | PPV | 偽発見率 |
|---|---|---|
| 95% | 16.67% | 83.33% |
| 99% | 50.00% | 50.00% |
| 99.9% | 90.91% | 9.09% |
有病率が低い場合、偽陽性は大多数を占める健康な人々から生じるため、特異度がPPVに非常に大きな影響を与えます。
主要用語:感度、特異度、PPVなど
- 有病率: 検査対象者のうち、実際にその病気を持っている人の割合。
- 基準有病率: 有病率の別名、または検査結果が分かる前のその病気の事前確率。
- 感度(真陽性率): その病気を持つ人のうち、検査で陽性となる人の割合。
- 特異度(真陰性率): その病気を持たない人のうち、検査で陰性となる人の割合。
- 偽陽性率: その病気を持たない人のうち、検査で陽性となる人の割合。\(1-\text{specificity}\)に等しい。
- 偽陰性率: その病気を持つ人のうち、検査で陰性となる人の割合。\(1-\text{sensitivity}\)に等しい。
- 陽性的中率(PPV): 陽性結果のうち、真陽性である割合。
- 偽発見率(FDR): 陽性結果のうち、偽陽性である割合。\(1-\text{PPV}\)に等しい。
- 陰性的中率(NPV): 陰性結果のうち、真陰性である割合。
感度と特異度は検査そのものの性質であり、有病率には依存しません。一方、PPVとNPVは有病率に依存するため、同じ検査でも集団が異なれば予測値も異なります。
よくある質問
なぜこんなに確率が低くなるのですか? まれな病気では健康な人の数が圧倒的に多いため、偽陽性率がわずかでも、真陽性をはるかに上回る数の誤報が生じてしまうからです。
PPVを高めるにはどうすればよいですか? よりリスクの高い集団を検査する(有病率を上げる)、特異度の高い検査を使う、あるいは別の独立した検査で再確認する、といった方法があります。
これは医療検査だけの話ですか? いいえ。同じベイズの考え方は、スパムフィルター、不正検知、薬物検査など、まれな事象を判定するあらゆる分類器に当てはまります。