女性セックスワーカー（FSW）のメンタルヘルスリスクに対して、新たな研究が説明可能な機械学習予測モデルを提案した。この研究は、うつ病などの精神障害がFSW集団に影響を与える重大なメンタルヘルス問題であり、暴力への曝露、スティグマ、経済的困難が心理的リスクをさらに高めることを指摘している。従来の機械学習モデルは、この边缘化された集団に存在する高次元で複雑なリスクパターンを効果的に捉えることが難しい。
そこで論文の著者らは、分散分析（ANOVA）と相互情報量に基づくアンサンブル特徴選択戦略と、ハリスホークス最適化（HHO）でハイパーパラメータを調整したロジスティック回帰モデルを組み合わせたハイブリッド予測フレームワークを設計した。これは群知能の脆弱な集団のメンタルヘルス予測への新たな応用である。本研究は2026年第8回IEEEコンピュータと情報学シンポジウム（ISCI 2026）で採択され、IEEE会議録に掲載予定である。
研究チームは3,005名の女性セックスワーカーを含むデータセットでモデルを評価した。その結果、提案手法は従来の分類器よりも優れた性能を示し、精度95.78%、F1スコア95.77%、AUC 0.96を達成した。さらに、説明可能AI（XAI）手法により、モデル予測に関連するトラウマ要因を解釈し、心的外傷後ストレス、客関連暴力、職業要因がうつ病への主要な寄与因子であることを特定した。
論文は、この研究が従来のアプローチと機械学習アプローチのギャップを埋め、脆弱な集団が早期支援、エビデンスに基づく標的を絞った心理社会的ケア、健康計画を受けられるようにする説明可能AIツールを開発したと強調している。このモデルは予測性能を向上させるだけでなく、特徴重要度の説明を通じて透明性を高め、意思決定者に実用的な洞察を提供する。著者らは、群知能と説明可能性を組み合わせたこのアプローチが、限られたリソース環境での普及や边缘化された人々のメンタルヘルススクリーニングと介入の支援に有望であると考えている。