使い方ガイド ⑥
⑥ モデルを作る
「この心電図の特徴から、6か月後に症状が出るかを予測する」のような予測モデルを作ります。研究で最も怖い『データ漏れ（リーク）』を自動でチェックする仕組みが組み込まれているので、安心して試せます。
モデル作りの全体像
難しそうに見えますが、AI が各ステップを手伝います。流れはこの5つです。
🤖モデル開発者（MLエンジニア）
1特徴量を選ぶHRVや波形の形など、予測の材料になる数値を用意する。
2データ漏れ検査「答えがこっそり材料に混じっていないか」を自動チェック。
3学習する被験者ごとに分けて交差検証しながらモデルを訓練。
4評価する当たり具合（ROC等）を見て、誤った例も波形で確認。
5登録する予想を凍結して再現を確認し、正式モデルとして保存。
いちばん大事：データ漏れ（リーク）検査
リークとは、予測の材料の中に「実は答えそのもの」が混じってしまうこと。これがあると、テストでは高得点なのに本番では全く当たらない、という事故が起きます。このツールは学習の前に自動でチェックします。
材料（特徴量）HRV ＋ 波形の形 ＋ PVC頻度
予測したいもの6か月後の症状再発
判定✅ リークなし — 学習に進めます
🚧 リークが見つかると、学習に進めません。 答えから作られた材料（例: 予測対象そのものを加工した値）が混じっていると警告が出て、[適用] できなくなります。これは不便ではなく、間違った結論を世に出さないための安全装置です。
学習と評価
検査を通ったら学習します。被験者ごとにデータを分けて検証するので、「同じ人のデータで覚えてカンニング」も防げます。学習後、モデルタブで成績を確認します。
当たり具合（ROC）0.78 [0.72–0.83]
確率の信頼性（ECE）0.06（小さいほど良い）
グラフ[ROC] [PR] [較正] [重要度]
しきい値スライダー0.42 → 感度0.71 ／ 特異度0.74
外した例sub_017 / win_03 … [波形を見る ▶]
「外した例」はその場で波形を開いて確認できます。なぜ間違えたかを目で確かめられます。
登録する（正式モデルにする）
良い結果が出たら、仮説と同じように評価条件を凍結して登録します。再実行してまったく同じ成績が出ることを確認してから、正式モデルとして保存します。
🧊
凍結条件を固定🔁
再現確認同じ成績か⭐
登録正式モデルへ🔮
予測に使う新しいデータへ登録したモデルは、あとから来る新しい被験者のデータに対して予測を実行できます。
安心ポイント（不正・事故を防ぐ）
🔒 凍結必須
ラベルが凍結されていないと登録できません。
🔁 再現できる
同じ条件なら何度学習しても同じ結果。
📋 全部記録
すべての学習の入出力が監査ログに残ります。