スマホ調査で「1週間以内の自殺企図」を予測、ハーバード大研究――75％という数字の本当の意味とは

📱 スマホへの短い質問から「次の1週間」のリスクを予測
📊 「75％の精度」は正確には“感度74％”、誤解には注意
🧠 なぜ「興奮・動揺」が重要なのか――リスクは短時間で変化する
⚠️ 実用化には「誤警報・プライバシー・回答を隠す問題」という壁
🔎 まとめ：重要なのは「誰が危険か」から「いつ危険になるか」への転換
1. 参考・出典

📱 スマホへの短い質問から「次の1週間」のリスクを予測

ハーバード大学のMatthew Nock教授らの研究チームは、スマートフォンを使った短時間の反復調査から、今後7日以内に起きる自殺企図を予測する機械学習モデルを開発しました。研究は2026年5月に「Journal of Psychopathology and Clinical Science」に掲載され、病院を自殺念慮や自殺関連行動で受診した成人・青少年619人を対象としています。従来の自殺リスク評価では「今後6カ月～数年」といった比較的長い期間を扱うものが多かったのに対し、今回の特徴は、心理状態が短期間で大きく変化することを前提に**「次の1週間」という臨床的に重要な時間軸**へ踏み込んだ点にあります。

参加者には退院後、スマートフォンを通じて気分や自殺衝動などを尋ねる20項目のアンケートが繰り返し送信され、研究全体では7万9448件の回答が分析されました。質問には自殺衝動、自殺の意思、それに抵抗できる感覚だけでなく、絶望感、孤立感、怒り、不安、疲労、興奮・動揺など、その時点の心理状態が含まれています。さらに研究チームは回答内容だけでなく、前回の回答から経過した時間などのメタデータも利用しました。これは「病院で月に1回状態を確認する」のではなく、日常生活の中で変化する心理状態を細かく測定する**EMA（Ecological Momentary Assessment：生態学的瞬間評価）**と呼ばれるアプローチです。

📊 「75％の精度」は正確には“感度74％”、誤解には注意

今回の研究は「75％の精度で自殺を予測した」と紹介されることがありますが、この表現には重要な注意点があります。最良モデルの自殺企図予測では、AUCが0.90、感度が0.74、特異度を0.90に設定した際の陽性的中率（PPV）が0.16でした。つまり「実際に翌週自殺企図をしたケースの約74％を事前に拾えた」という意味であり、「危険と判定された人の75％が実際に自殺企図した」という意味ではありません。危険と判定されたケースのうち実際に自殺企図へ至った割合は16％であり、偽陽性も相当数含まれます。自殺関連事象についてはAUC 0.94、感度87％、PPV 30％でした。自殺企図のような発生頻度の低い事象では、感度だけでモデルの性能を判断せず、特異度や陽性的中率も併せて見ることが非常に重要です。

研究で特に注目された指標は以下の通りです。

翌週の自殺企図： AUC 0.90、感度74％
自殺企図の陽性的中率： 16％
自殺関連事象： AUC 0.94、感度87％、陽性的中率30％
研究期間中の自殺関連事象の既往： 翌週の自殺企図リスクと強く関連
興奮・動揺（agitation）： 1段階上昇するごとに自殺企図のオッズが約11％上昇
自殺衝動に抵抗できるという感覚： リスク低下と関連

🧠 なぜ「興奮・動揺」が重要なのか――リスクは短時間で変化する

特に興味深いのが、うつ状態の重さだけではなく**agitation（心理的な興奮・動揺）**が翌週の自殺企図と一貫して関連していたことです。Nock氏らによる米陸軍兵士89人への別研究でも、自殺企図の直前には抑うつだけでなく、不安、疲弊、怒り、興奮・動揺などの情動的要因が多く報告され、多くの参加者は耐え難い心理状態から逃れることを自殺企図の主要な理由として挙げていました。これは「自殺リスクの高い人」という固定された属性だけを見るのではなく、同じ人の心理状態が普段よりどれだけ変化したかを見る必要性を示しています。

この発想は従来型の診察とも大きく異なります。例えば診察日の月曜日には状態が比較的安定していても、木曜日に人間関係や仕事上の出来事が起こり、金曜日には心理状態が急激に悪化する可能性があります。スマートフォンを使ったEMAなら、その変化を診察室の外でも捉えられる可能性があります。2026年に軍人・退役軍人を対象として発表された別研究でも、EMAを追加すると通常の診察時評価だけの場合より短期的な自殺念慮の予測が改善し、頻繁すぎる質問をしなくても一定の予測力を維持できる可能性が報告されています。

⚠️ 実用化には「誤警報・プライバシー・回答を隠す問題」という壁

一方、この技術を「スマホが自殺を予知できる」と解釈するのは早計です。今回の対象者は一般人口ではなく、すでに自殺念慮や自殺関連行動によって医療機関を受診した高リスク集団です。またモデルの性能は、本人自身の過去データを学習に含めた場合に高くなる傾向があり、まったく新しい患者へそのまま同じ精度で適用できるとは限りません。さらにPPVが16％だったことからも、単純な警報システムとして導入すれば多数の偽陽性が生じ得ます。誤警報による本人への負担、医療スタッフのアラート疲れ、保険・雇用などへの不適切な利用を防ぐ制度設計も必要になります。

さらに、リアルタイム監視そのものが回答を変えてしまう問題もあります。2026年の別研究では、自殺念慮のある参加者94人の59％がEMAで自殺念慮を過少申告したり隠したりした経験があると回答しました。「危険な回答をすると研究者や医療者から連絡される」と認識すれば、監視を避けるために回答を変える可能性があるためです。今後こうしたシステムを医療に導入するなら、本人の明確な同意、収集データの範囲、保存期間、誰が閲覧できるのか、どの程度のリスクで人間の医療者が介入するのかを事前に設計する必要があります。研究者の間では、危険度に応じて支援内容を変える「Just-in-Time Adaptive Intervention（JITAI）」も研究されていますが、AIによるリスク判定は医師や心理職による臨床判断を置き換えるものではなく、支援が必要になる瞬間を見つける補助技術として考えるのが現時点では適切です。

🔎 まとめ：重要なのは「誰が危険か」から「いつ危険になるか」への転換

今回の研究の意義は、単純に「AIが75％の精度で自殺を予測した」ことではありません。より重要なのは、スマートフォンから得られる本人の短期的な心理状態の変化を追うことで、従来難しかった“次の1週間”という時間軸のリスク評価が現実味を帯びてきたことです。最良モデルでも偽陽性は多く、一般人口で同じ性能が得られる保証もなく、プライバシーや監視による回答変化という問題も残っています。それでも、定期診察の「点」だけでなく日常生活における心理状態の「線」を捉え、危険度が高まったタイミングで本人の同意のもと支援につなげられるようになれば、自殺予防の方法を大きく変える可能性があります。