ベイズ事後確率

計算式と考え方

ベイズの定理により、陽性という結果を得た後の確率は「(事前確率 × 感度) ÷ (事前確率 × 感度 ＋ (1−事前確率) × (1−特異度))」で求まります。有病率1%、感度95%、特異度95%の場合、1万人のうち真陽性は95人、偽陽性は495人となり、陽性者590人のうち本当に病気なのは95人、つまり約16%にすぎません。感度も特異度も95%と高性能に見えるのに、陽性でも8割以上は誤りという結果になります。これは元の有病率が低いためで、母数の大きい健常者から出るわずかな偽陽性が、患者の数を上回るからです。

有病率と陽性的中率（感度95%・特異度95%）

ベイズ事後確率の詳しい解説

ベイズの定理が示す最も重要な教訓は、検査の性能が高くても、対象集団における事前確率が低ければ陽性結果の信頼性は大きく下がるということです。この現象は基準率の錯誤と呼ばれ、直感に反するため誤解を招きやすいものです。感度95%という数字を見ると95%の確率で当たると受け取りがちですが、感度は病気の人が正しく陽性と出る割合であって、陽性の人が病気である割合ではありません。後者は陽性的中率と呼ばれ、有病率に強く依存します。同じ感度95%・特異度95%の検査でも、有病率0.1%なら陽性的中率は約1.9%、1%なら約16%、10%なら約68%、50%なら約95%と、検査そのものは何も変えていないのに結果の意味が大きく変わります。この理解が実務で効いてくるのは、無症状者への一斉スクリーニングを設計する場面です。有病率の低い集団に検査を行うと偽陽性が大量に発生し、不要な精密検査、受検者の不安、医療資源の消費を招きます。このため多くのがん検診では、年齢や危険因子で対象を絞ることで事前確率を上げ、陽性的中率を高める設計が取られています。対策としては、複数の独立した検査を組み合わせて段階的に事前確率を上げる方法が有効で、1次スクリーニングで絞り込んでから精密検査を行うという医療の標準的な流れはこの原理に基づいています。ただしこの計算は各検査が互いに独立であることを前提としており、同じ原理に基づく検査を重ねても誤りが同じ方向にそろうため、期待したほど確度は上がりません。もう一つ見落とされやすいのが陰性側の解釈です。感度が100%でない限り偽陰性は必ず存在し、症状があるのに陰性だった場合は、検査結果だけで判断せず再検査を含めた検討が必要になります。感度と特異度は判定の基準値を動かすと一方が上がり他方が下がる関係にあり、どちらを重視するかは見逃しの重大さと偽陽性の負担のどちらが大きいかで決まります。同じ論理はセキュリティ分野にも当てはまり、不正検知のアラートが大量の誤検知を含むのは、そもそも不正の発生率が低いためです。なお有病率そのものが推定値であることにも留意が必要です。対象とする母集団の設定や時期によって前提となる数値は動き、そこから導かれる事後確率も同じだけ幅を持ちます。個別の検査結果の解釈は担当の医師に相談してください。

業界・現場での使い方

よくある間違い・注意点

• 感度と陽性的中率を混同する — 感度は病気の人が陽性と出る割合、陽性的中率は陽性の人が病気である割合です。全く別の指標です。
• 低い有病率の集団に一斉検査する — 偽陽性が大量に発生します。危険因子で対象を絞ってから実施するのが合理的です。
• 陰性なら安心と考える — 感度が100%でない限り偽陰性が存在します。症状があるなら陰性でも再検査の検討が必要です。

関連する規格・法規

• 日本統計学会
• ISO統計基準

※本ツールは公的基準に基づく参考計算です。実際の設計・施工・法令適用は最新の告示・規格および所轄官庁の判断に従ってください。

よくある質問（FAQ）

関連計算ツール