[論文レビュー] The Five Factor Model of personality and evaluation of drug consumption risk

E. Fehrman, A. K. Muhammad+3 more|arXiv (Cornell University)|Jun 20, 2015

Mental Health Research TopicsPsychology被引用数 18

ひとこと要約

本研究では、性格の五大要因モデル（FFM）に加え、衝動性および感覚寻求特性を用いて、機械学習を用いて18種類の精神活性物質の使用リスクを個人レベルで予測している。オンライン調査データと交差検証を用いた分類モデルを用い、カンナビス、クラック、エクスタシー、違法ドラッグ、LSD、および揮性物質乱用について、感度と特異度が75％を超える高い精度を達成した。

ABSTRACT

The problem of evaluating an individual's risk of drug consumption and misuse is highly important. An online survey methodology was employed to collect data including Big Five personality traits (NEO-FFI-R), impulsivity (BIS-11), sensation seeking (ImpSS), and demographic information. The data set contained information on the consumption of 18 central nervous system psychoactive drugs. Correlation analysis demonstrated the existence of groups of drugs with strongly correlated consumption patterns. Three correlation pleiades were identified, named by the central drug in the pleiade: ecstasy, heroin, and benzodiazepines pleiades. An exhaustive search was performed to select the most effective subset of input features and data mining methods to classify users and non-users for each drug and pleiad. A number of classification methods were employed (decision tree, random forest, $k$-nearest neighbors, linear discriminant analysis, Gaussian mixture, probability density function estimation, logistic regression and na{ï}ve Bayes) and the most effective classifier was selected for each drug. The quality of classification was surprisingly high with sensitivity and specificity (evaluated by leave-one-out cross-validation) being greater than 70\% for almost all classification tasks. The best results with sensitivity and specificity being greater than 75\% were achieved for cannabis, crack, ecstasy, legal highs, LSD, and volatile substance abuse (VSA).

研究の動機と目的

• 五大理性モデル（FFM）および関連する特徴（衝動性、感覚寻求）の、薬物使用リスクを特定する予測能力を評価すること。
• 相関分析を用いて、使用パターンが相関する薬物のクラスタを同定すること。
• 性格的および人口統計的データに基づき、特定の薬物の使用者・非使用者を分類する機械学習モデルの開発と評価すること。
• 感度と特異度を高く保つ薬物使用リスクの予測に、最も効果的な入力特徴と分類アルゴリズムの組み合わせを特定すること。
• 妥当性と一般化可能性を確保するため、厳密な1人ずつ除外法による交差検証を用いてモデルの性能を評価すること。

提案手法

• 中枢神経系に作用する18種類の精神活性物質に関するオンライン調査データを収集し、五大要因性格特性のためのNEO-FFI-Rスコア、衝動性のためのBIS-11、感覚寻求のためのImpSSを含む。
• 相関分析を実施し、使用パターンが強く相関する薬物のグループを同定。その結果、エクスタシー、ヘロイン、ベンゾジアゼピンの3つの明確な「星団（pleiades）」が特定された。
• 各薬物および星団に対して、最適な入力特徴（性格的特徴、人口統計的要因）のサブセットを特定するための包括的探索を実施。
• 8種類の分類手法を評価：決定木、ランダムフォレスト、k近傍法、線形判別分析、ガウス混合モデル、確率密度関数推定、ロジスティック回帰、ナイーブベイズ。
• 過学習を最小限に抑えるために、1人ずつ除外法による交差検証を用いて、各薬物および星団の最良の分類器を選定。
• 分類精度を評価する主な指標として感度と特異度を報告し、モデルの性能を評価。

実験結果

リサーチクエスチョン

• RQ1 五大理性モデルから得られるどの性格的特徴が、特定の精神活性物質の使用リスクと最も強く関連しているか？
• RQ2 使用パターンが相関する薬物のクラスタは存在するのか？ そして、統計的相関分析によって同定可能か？
• RQ3 性格的特徴と人口統計的要因のどの組み合わせ、および機械学習アルゴリズムの組み合わせが、使用者と非使用者を区別する分類精度を最も高めるか？
• RQ4 性格的および人口統計的データに基づく機械学習モデルは、限られたデータでも薬物使用リスクの予測において高い感度と特異度を達成できるか？
• RQ5 感度と特異度の観点から、モデルの性能は、カンナビス、エクスタシー、揮性物質など、さまざまな薬物および薬物の星団（pleiades）においてどのように変動するか？

主な発見

• 本研究では、3つの明確な相関星団（drug pleiades）を同定した。それぞれはエクスタシー、ヘロイン、ベンゾジアゼピンであり、中心となる物質に強く関連した使用パターンを示した。
• カンナビス、クラック、エクスタシー、違法ドラッグ、LSD、および揮性物質乱用（VSA）について、最良のモデルが感度と特異度の両方で75％を超えた。
• 全体として、分類性能は高く、ほぼすべての薬物および星団で感度と特異度が70％を超えており、性格的特徴の高い予測力が示された。
• 最も効果的なモデルは、多数のアルゴリズムと特徴サブセットを網羅的に探索した結果得られたもので、ロジスティック回帰とランダムフォレストが頻繁に優れた性能を示した。
• 結果から、五大理性モデルの性格的特徴に加え、衝動性および感覚寻求スコアを組み合わせることで、薬物使用リスクを強く予測できることが示された。
• 1人ずつ除外法による交差検証により、モデルの高いロバスト性が確認され、さまざまな薬物およびユーザー集団において一貫した性能が得られた。