喫煙離脱成功の主要予測因子の特定：大規模言語モデルを用いたテキストベースの特徴量選択

科学分野:

• タバコ管理研究
• 健康研究における人工知能
• 行動科学

背景:

• 喫煙離脱は、死亡率と罹患率を減らすために不可欠である。
• 禁煙試行率は高いにもかかわらず、成功率は低いままである（約10％）。
• 成功の予測因子を特定することは、介入の効果を高めることができる。

研究 の 目的:

• 12ヶ月の喫煙離脱の主要な予測因子を特定すること。
• 喫煙離脱研究における変数選択の効果的な手法としてAI（GPT-4.1）の有効性を評価すること。
• 主要な予測変数から実行可能な洞察を導き出すこと。

主な方法:

• タバコと健康に関する人口調査（PATH）スタディのデータ（フェーズ5および6）を分析した。
• OpenAIのGPT-4.1を使用して、テキスト記述から45の予測変数の初期選択を行った。
• eXtreme Gradient Boosting（XGBoost）およびSHapley Additive exPlanations（SHAP）を用いて変数重要度を検証した。

主要な成果:

• XGBoostモデルは、全変数またはGPT-4.1で選択された変数で訓練された場合、ほぼ同等の性能を示した（AUC：約0.75）。
• 主要な予測因子には、喫煙頻度、最初の1本までの時間、社会的影響（仲間、重要な他者）、感情的依存が含まれた。
• 健康被害への懸念や電子ニコチン製品の日常的な使用も、重要な要因として浮上した。

結論:

• GPT-4.1は、喫煙離脱予測因子のための効率的かつ効果的な変数選択能力を示した。
• 特定された主要変数は既知のリスク因子と一致しており、介入のためのより的を絞ったターゲットを提供する。
• タバコ研究へのAI統合は、ターゲットを絞った離脱戦略のためのリソース配分を最適化できる。