真陽性率 (G検定)

1. 定義と概要

真陽性率（TPR、True Positive Rate）とは、実際に陽性であるデータのうち、正しく陽性と判定できた割合を示す指標です。

計算式は「真陽性率=TP÷（TP+FN）」で表され、TP（真陽性。実際に陽性のデータを正しく陽性と判定できた件数）を、TPとFN（偽陰性。実際は陽性なのに誤って陰性と判定してしまった件数、いわゆる見逃し）の合計で割って求めます。例えば、実際に病気を持つ患者100人のうち、検査で正しく陽性と判定できたのが90人であれば、真陽性率は90%です。

従来、検査や分類モデル（データを陽性・陰性などのクラスに振り分けるAIモデル）の性能は、正解率（予測全体のうち正しく判定できた割合）だけで語られることが多くありました。しかし病気の罹患者のように陽性データが少数派であるケースでは、正解率だけでは実力を測りきれません。

そこで予測結果と実際の結果を4つに分けて整理する混同行列（予測と実際の結果を組み合わせた表。区分の詳細は別記事に譲ります）の枠組みの中で、見逃しの少なさを測る指標として真陽性率が位置づけられています。

2. 試験対策ポイント

真陽性率という呼び名でこの用語に触れた場合も、感度（Sensitivity。真陽性率の医療分野での呼び方）や再現率（Recall。機械学習分野での呼び方）という呼び名で同じ内容を学んだ場合も、指している中身は一つです。TP÷（TP+FN）という同じ計算式を分野や教材によって違う名前で呼んでいるだけなので、設問でどの呼び名が使われても同じ指標として読み替えられる関係にあります。

計算式で混同しやすいのが適合率（Precision。陽性と予測したデータのうち実際に陽性だった割合）との違いです。真陽性率の分母はTP+FNで「実際の陽性の総数」を表しますが、適合率の分母はTP+FP（FPは実際は陰性なのに誤って陽性と判定してしまった件数で、偽陽性といいます）で「陽性と予測した件数の総数」を表します。分母に何を置くかで指標の意味が変わる点が、両者を取り違えやすい理由です。

また、真陽性率と偽陰性率（FNR。実際は陽性なのに見逃してしまった割合）を足すと1になる関係にあります。見逃しを減らして真陽性率を高めることは、裏を返せば偽陰性率を下げることと同じ意味です。

病気の検査や不正検知のように見逃しを避けたい場面では、真陽性率を高く保つ設計が重視されます。一方で、判定の閾値（陽性と判定するかどうかを分ける境界の基準値）を緩めると誤検知にあたる偽陽性も増えやすく、この兼ね合いをどう取るかが論点になります。

3. 関連概念との比較・相違点

適合率との最大の違いは、何を分母に置くかです。真陽性率が見逃しの少なさを映す指標であるのに対し、適合率は陽性と予測した中の的中率、つまり誤検知の少なさを映す指標です。見逃しを減らそうと判定を甘くすると偽陽性が増えて適合率が下がりやすく、逆に誤検知を減らそうと判定を厳しくすると偽陰性が増えて真陽性率が下がりやすいという、綱引きのような関係にあります。

真陰性率（特異度、Specificity。実際に陰性のデータのうち正しく陰性と判定できた割合）との違いは、陽性と陰性のどちらを正しく拾う力かという向きの違いです。真陽性率（感度）は陽性を漏らさず拾う力を、真陰性率は陰性を正しく除外する力を表し、判定の閾値を動かすと一方が上がればもう一方が下がる関係にあるといえるでしょう。

ここまでに出てきた指標を、分母と役割の観点で並べると次のように整理できます。

指標	分母に置くもの	主に映すもの
真陽性率（感度・再現率）	実際の陽性の総数（TP+FN）	見逃しの少なさ
偽陰性率	実際の陽性の総数（TP+FN）	見逃してしまった割合
適合率	陽性と予測した件数の総数（TP+FP）	誤検知の少なさ
真陰性率（特異度）	実際の陰性の総数	陰性を正しく除外する力

陽性側と陰性側の判定精度を軸にとったグラフがROC曲線（真陽性率と偽陽性率〔実際は陰性なのに誤って陽性と判定してしまった割合〕の関係を、閾値を変えながらプロットしたグラフ）です。ROC曲線の縦軸に置かれるのは真陽性率で、横軸の偽陽性率とあわせて、見逃しの少なさと誤検知の少なさを閾値ごとに一枚のグラフで捉える役割を担っています。真陽性率という呼び名は、このグラフの軸ラベルとしてもそのまま使われる用語です。真陰性率や偽陽性率そのものの詳しい定義は、別のテーマとして扱われます。

4. ビジネス・実務での活用シナリオ

真陽性率が実務で何を意味するかは、その場面で「陽性」が何を指すかによって決まります。代表的な三つの場面を並べると、対応関係は次のとおりです。

場面	「陽性」にあたるもの	見逃しが起きたときの影響
医療のスクリーニング検査	実際に病気を持つ人	早期の精密検査や治療の機会を逃す
金融の不正検知	実際に不正な取引	不正な取引をそのまま通してしまう
製造業の予知保全	故障の予兆がある設備	突発的な停止で生産計画全体に影響が出る

医療のがん検診などのスクリーニング検査では、実際に病気を持つ人のうち検査で正しく陽性と判定できた割合が真陽性率です。値が高いほど見逃しが少なく、早期の精密検査や治療につなげやすくなるため、初期の網羅的な検査ほど真陽性率の高さが優先されます。

金融の不正検知では、実際に不正な取引のうちシステムが正しく不正と検知できた割合が真陽性率です。値が高いほど不正の見逃しを防げますが、判定を厳しくしすぎると正常な取引まで止めてしまう誤検知が増えるため、真陽性率と業務への影響のどちらを優先するかが運用上の判断になります。

製造業の予知保全（設備の異常をあらかじめ検知して故障を防ぐ取り組み）では、実際に故障の予兆がある設備のうちセンサーが正しく異常と検知できた割合が真陽性率です。異常の見逃しは突発的な停止につながり生産計画全体に影響するため、多少の誤検知を許容してでも真陽性率を高く保つ運用が選ばれる現場が多くあります。

5. 要点まとめ

• 真陽性率（TPR）は、実際に陽性であるデータのうち正しく陽性と判定できた割合を示す指標であり、感度・再現率と同じ指標を指す別名です。
• 計算式は真陽性率=TP÷（TP+FN）で、偽陰性率と足すと1になります。病気の検査や不正検知など、見逃しを防ぎたい場面で重視される指標です。
• 適合率とは分母が異なる指標で、真陰性率（特異度）とは感度と特異度のトレードオフの関係にあります。

6. 確認問題