感度・特異度計算ツールの使い方
本「感度・特異度計算ツール」は、医療統計や機械学習の判定モデルにおける診断精度指標を迅速に検証・シミュレーションするために設計されています。
- 2×2分割表の数値入力: 入力パネルに真陽性（TP: True Positive）、偽陰性（FN: False Negative）、真陰性（TN: True Negative）、偽陽性（FP: False Positive）の各件数を入力します。
- 計算結果の確認: 入力と同時に、感度（Sensitivity）および特異度（Specificity）の主要指標が大きく表示されます。
- 関連指標の分析: 陽性的中率（PPV: Positive Predictive Value）、陰性的中率（NPV: Negative Predictive Value）、偽陽性率（FPR）、偽陰性率（FNR）、正解率（Accuracy）などの詳細な臨床判定用数値を一覧で確認できます。
入力エラー（分母が0になる場合など）が発生した場合は、画面上に警告メッセージが表示され、不正確な数値が出力されるのを防ぎます。
計算公式と理論解説（感度・特異度・2×2分割表）
診断検査や分類モデルの性能評価には、対象となる疾患（イベント）の有無と判定結果をまとめた「2×2分割表（混同行列）」が用いられます。
| 実際は陽性（有病・対象あり） | 実際は陰性（無病・対象なし） | |
|---|---|---|
| 検査結果：陽性 | 真陽性（TP） | 偽陽性（FP） |
| 検査結果：陰性 | 偽陰性（FN） | 真陰性（TN） |
主要な評価指標の計算式
- 感度 (Sensitivity): 実際に疾患がある人のうち、正しく陽性と判定された割合 $$\text{感度} = \frac{\text{TP}}{\text{TP} + \text{FN}}$$
- 特異度 (Specificity): 実際に疾患がない人のうち、正しく陰性と判定された割合 $$\text{特異度} = \frac{\text{TN}}{\text{TN} + \text{FP}}$$
- 陽性的中率 (PPV - Positive Predictive Value): 検査で陽性と判定された人のうち、実際に疾患がある割合 $$\text{陽性的中率 (PPV)} = \frac{\text{TP}}{\text{TP} + \text{FP}}$$
- 陰性的中率 (NPV - Negative Predictive Value): 検査で陰性と判定された人のうち、実際に疾患がない割合 $$\text{陰性的中率 (NPV)} = \frac{\text{TN}}{\text{TN} + \text{FN}}$$
- 正解率 (Accuracy): 全判定のうち、正しく判定された（TPおよびTN）割合 $$\text{正解率} = \frac{\text{TP} + \text{TN}}{\text{TP} + \text{TN} + \text{FP} + \text{FN}}$$
- 偽陽性率 (FPR): $1 - \text{特異度} = \frac{\text{FP}}{\text{TN} + \text{FP}}$
- 偽陰性率 (FNR): $1 - \text{感度} = \frac{\text{FN}}{\text{TP} + \text{FN}}$
有病率（事前確率）と的中率の関係
感度と特異度は検査手法そのものの性能を表す固定的な指標ですが、陽性的中率（PPV）および陰性的中率（NPV）は対象集団の有病率（事前確率）に大きく影響されます。有病率が低い集団においてスクリーニング検査を行うと、特異度が高くても偽陽性の割合が増加し、陽性的中率が低下する点に留意が必要です。
感度・特異度計算ツールの活用シーン
- 医療・臨床統計: 新規診断キットやスクリーニング検査の臨床性能の評価および比較
- 機械学習・データサイエンス: 二項分類モデル（分類器）の混同行列に基づく適合率（Precision）や再現率（Recall / 感度）の算出
- 医学教育・授業: 疫学や公衆衛生学の講義、レポート作成時における計算結果の手軽な検証
- 研究・論文執筆: 論文中の 2×2 分割表データからの各種統計量および信頼性の事前チェック
ブラウザ上で安全かつ即座に計算を実行できる本ツールを、日常のデータ検証や学習にぜひお役立てください。