大量のデータに関して複雑な判断を行うために、新しい機械学習のしくみ（いわゆる“マシンラーニング”）が用いられることがあります。
また、アルコール乱用に関して、実際に医療的介入が必要なレベルの対象者はどのような条件を満たすのか、あまり明確なところが分かっておらず、判断しにくい状況があります。
今回は、“マシンラーニング”を用いて、介入が必要なアルコール乱用を見分けるための条件を見出そうとした研究をご紹介します。
アルコール乱用を特定するためのマシンラーニングによる分析
1999～2016年にアメリカで行われた“健康と栄養に関する全国調査：National Health and Nutrition Examination Survey”における43,545人のデータが用いられました。
そこから抽出された38の項目が“マシンラーニング”のしくみを用いて分析されました。
不健康な飲酒パターン自体に加えて、どのような要因が大きな影響を与えるのか分析したところ、最も影響が大きかったのが、年齢、喫煙、血色素量（ヘモグロビン） 、性別、HDLコレステロールといった項目でした。
これらの項目を不健康な飲酒パターン（ここでは4.1 drinks per drinking day以上）そのものに加えると、介入の必要な“アルコール乱用”が見出しやすくなるようです。（感度0.50、特異度0.86）
広く掬い取るのではなく、絞り込むための分析手法のようですが、不健康な飲酒パターンの全てに介入するわけには行かない現実を考えると、このようなしくみを用いて、より介入の効果の高い対象者にアプローチすることが必要であると考えられました。
＃アルコール依存