ユーデン指数計算ツールの使い方
ユーデン指数 計算ツールは、診断検査や二値分類モデルにおける識別能力を評価し、適切な判定基準を検討するための統計計算ツールです。入力形式として「感度と特異度の直接入力」または「混同行列（TP・FN・TN・FPの度数）」を選択し、必要な数値を入力するだけでユーデン指数（Youden’s J statistic）が自動計算されます。
混同行列モードでは、真陽性（TP）、偽陰性（FN）、真陰性（TN）、偽陽性（FP）のカウント数を入力することで、感度（真陽性率）と特異度（真陰性率）も同時に算出されます。入力値を変更するとリアルタイムで計算結果と計算式への代入ステップが更新されるため、条件変更による指標の変化を直感的に比較・検討できます。
ユーデン指数の計算式と理論
ユーデン指数 計算ツールでは、以下の基本数式に基づいて評価指標を算出します。
J = 感度 + 特異度 - 1 = TPR - FPRここで、感度（Sensitivity / True Positive Rate）は $TP / (TP + FN)$、特異度（Specificity / True Negative Rate）は $TN / (TN + FP)$ を表します。偽陽性率（FPR）は $1 - \text{特異度}$ であるため、$J = \text{TPR} - \text{FPR}$ と書き直すこともできます。
ユーデン指数（$J$）の値は $-1$ から $+1$（感度・特異度がパーセント表記の場合は 0〜1 または -100%〜+100%）の範囲をとり、以下の意味を持ちます：
- J = 1: 偽陽性も偽陰性も存在しない完璧な診断能力を示します（感度100%、特異度100%）。
- J = 0: 判定がランダムな予測（偶然）と同等であり、検査に判別能力がないことを示します。
- ROC曲線における意義: ROC曲線（Receiver Operating Characteristic curve）上で対角線（無作為線）からの垂直距離が最も大きい点（左上角に最も近い点）に対応し、感度と特異度のバランスが最も取れた最適なカットオフ値を選定する基準として広く利用されます。
なお、ユーデン指数は「偽陽性の不利益」と「偽陰性の不利益」を同等として扱います。臨床現場や実務において見逃し（偽陰性）を防止したい場合や誤診（偽陽性）を避けたい場合は、ユーデン指数のみに依存せず、感度または特異度のいずれかを優先した閾値設定を行うことが重要です。
ユーデン指数の活用事例と応用
ユーデン指数の計算は、医療統計、疫学研究、バイオマーカー解析、機械学習の分類器評価など多岐にわたる分野で活用されています。
- 臨床診断とバイオマーカー選定: 血液検査値や画像診断スコアなどの連続変数のうち、疾患の有無を分ける最適なスクリーニング基準（カットオフ値）を定量的に決定できます。
- 機械学習モデルの閾値調整: 2値分類モデル（ロジスティック回帰や判定木など）において、デフォルトの確率閾値0.5をユーデン指数が最大となる点へ変更することで、分類性能を最適化できます。
- 統計学習と演習: 医学生や研究者が教科書の例題や演習問題を解く際、途中経過（感度・特異度の算出および数式への代入）を視覚的に確かめるための学習ツールとして役立ちます。
完全ローカル処理のため安全かつスピーディに利用でき、前提条件を変えながら診断精度の変化を検証できます。