著者の所属・活動拠点の国は、トルコです。

掲載誌：Antioxidants

ライセンス: CC BY　対象: 公開論文　確認元: OpenAlex

研究の目的

食品の抗酸化力は、原料選びや加工、保存期間の管理、消費者向けの表示などに使われる品質の指標です。食品の抗酸化力を測定した資料として最大のものに、Carlsenらがまとめた「Antioxidant Food Table」があります。食品、飲料、香辛料、ハーブ、サプリメントなど3139品目を、FRAP法を改良した方法で測定したものです。FRAP法は、試料が鉄イオンを還元する力を測る試験法です。この表は主に、食事調査の回答に近い食品の値を手作業で当てはめ、食事全体の抗酸化力を見積もる「参照表」として使われてきました。一方で、コンピューターで扱える形のデータとして公開されたことはなく、予測モデルを比べる共通の課題（ベンチマーク）としても使われてこなかったと著者は述べています。

論文が問題として挙げるのは、機械学習の評価方法です。モデルの性能を確かめるには、データを学習用と試験用に分けます。このとき同じ食品が両方に入ってしまうと、モデルは覚えた答えを返すだけで高い成績を出せます。これを「データリーケージ（情報の漏れ）」と呼びます。著者によると、食品の抗酸化力を予測した先行研究では決定係数0.957という高い精度が報告されていました。しかしその研究では一つの食品が複数の行に分かれており、行単位で無作為に分けたため、同じ食品が両側に現れていたといいます。著者はこの表を機械で読める形にしてベンチマークを作り、評価方法の違いが見かけの性能をどれだけ左右するかを数値で示すことを目指しました。

何を、どのように調べたか

著者はまず、138ページの補足資料として公開されている表からデータを取り出し、元の資料と照らし合わせて確認しました。そのうえで、表に記された二つの情報、つまり自由記述の製品説明文と食品カテゴリーから、各製品の抗酸化力（100gあたりのmmol）を数値として予測する課題を設定しました。

データの分け方は二通りを並べて比べました。一つは先行研究で主流の、記録単位で無作為に分ける方法です。もう一つは、表記をそろえた同じ製品名が学習用と試験用の両方にまたがらないよう、製品名ごとにまとめて分ける方法（グループ分割）です。

比べた予測手法は18種類です。カテゴリーの中央値を返すだけの単純な基準、従来型の機械学習、文字単位で文章を読む深層学習（CNNとBiLSTM）、複数の手法を組み合わせる統合手法が含まれます。従来型の代表はリッジ回帰で、文章中の単語の重要度を数値化した特徴量（TF-IDF）を入力に使います。さらに、正解をでたらめに入れ替えて性能が消えるかを確かめる対照実験も行いました。学習を一切せず、同じ名前の製品の値をそのまま引き写すだけの「暗記の基準」も用意し、重複の照合がどれだけ成績に効くかを切り分けました。性能は主に決定係数（R²）で比べました。R²は予測が実測値のばらつきをどれだけ説明できるかを示し、1に近いほど良い指標です。グループ分割での比較は、乱数の種を変えた5回の試行で行われました。

主な報告結果

データ化では、3139件のうち3135件（99.9%）を機械で読める形にしました。独立した照合では、24カテゴリーのうち23カテゴリーで印刷版の資料と一致し、残る1カテゴリーの差は取り出せなかった1件によるものだったと報告されています。

評価方法の影響については、全記録の39.4%が他の記録と同じ製品名を持っており、無作為分割では見かけの性能が一貫して高く出ました。上乗せの大きさはモデルの「暗記する力」に応じて変わり、似た例を探して予測するk近傍法では、R²が0.053高くなりました。k近傍法がカテゴリー中央値より優れて見える分のうち45%は、学習をしない暗記の基準だけで再現されました。

同じ製品名が両側に入らないグループ分割では、TF-IDFを使ったリッジ回帰がR²=0.674（±0.027）を示し、5回の比較すべてで文字単位の深層学習モデル（CNNとBiLSTM）を上回りました。差の原因を探る追加の比較からは、ネットワークの構造よりも、文章を数値に置き換える表現の仕方が主な原因と考えられました。外部で事前学習された単語ベクトル（fastText）を使っても、R²は最高0.628にとどまり、リッジ回帰に届きませんでした。入力を減らした比較では、カテゴリーのみで0.503、説明文のみで0.597でした。

リッジ回帰では、どの単語が予測に効いているかも読み取れます。値を高める方向に働いた語には、クローブ、アムラ（インドスグリ）、クルミ、乾燥品を示す語がありました。低める方向の語には、生鮮の調理品、油、mgやmcgといった用量の表記がありました。ブランド名の断片も含まれており、モデルがブランド語彙を手がかりの一部にしていることも示されました。

手法の組み合わせでは、深層学習が作った表現をリッジ回帰に加えると、R²は0.629に下がりました。一方、学習した8つのモデルの予測値を等しい重みで平均する方法は、R²=0.684（±0.011）、順位の一致を示すスピアマンの順位相関0.845となり、グループ分割で観察された中で最も良い成績でした。リッジ回帰を上回ったのは5回中4回で、平均の差（+0.010）は統計的に有意ではありません。それでも、試行ごとのばらつき（標準偏差）は0.027から0.011へと2.6分の1に減りました。

この報告が示すこと

著者は、少なくともこのデータでは、モデルの構造の違いよりも、データの分け方と特徴の表し方のほうが報告される成績を大きく左右したと結論づけています。同じ食品が繰り返し登場するデータで記録単位の無作為分割を使うと、高い精度は覚えた答えの照合から生じている可能性があります。著者によれば、こうした成績の水増しをその仕組みにまで分解して示したのは、このような資料では初めてです。また、個別には劣る深層学習モデルも、予測の段階で組み合わせれば、結果を安定させる多様性として役立つと解釈されています。

著者が勧める手順は、記録単位ではなく製品名単位でデータを分けることと、重複照合とカテゴリー中央値という二つの単純な基準と比べることです。機械学習を専門としない研究者でも取り入れやすいとしており、分割の定義やコードも公開されています。リーケージは試験法の化学ではなく、同じ食品がブランドや産地を変えて繰り返し登場するデータの構造から生じます。そのため、この評価手順はDPPH法やABTS法、ORAC法など他の試験法によるデータベースにもそのまま使えると著者は述べています。

限界として、予測の対象は各製品に1回だけ行われたFRAP法の測定値で、試験法の違いや測定の誤差は反映されていません。またFRAP法は還元力を測るもので、体内での効果を示すものではありません。このモデルが予測しているのはあくまで品質の指標であり、健康への影響ではないと論文は明記しています。入力は製品説明とカテゴリーに限られ、ポリフェノールの組成データは結び付けられませんでした。検証した深層学習は小型のモデルと静的な単語ベクトルに限られ、大規模な言語モデルが良い成績を出すかは試されていません。さらに、結論は一つのデータ資源に基づくもので、他のデータセットで確かめる外部検証は行われていません。

原著論文の著者・所属：Erkan Caner Ozkat（Department of Mechanical Engineering, Faculty of Engineering and Architecture, Recep Tayyip Erdogan University, 53100 Rize, Türkiye）

※本記事は原著論文をもとに、日本語で要約・説明を加えた研究紹介です。 出典（原著論文）：Erkan Caner Ozkat. Leakage-Aware Machine Learning and Deep Learning Benchmarking of Food Antioxidant Capacity Prediction on the Antioxidant Food Table. Antioxidants（出版社：Multidisciplinary Digital Publishing Institute） 2026-09-11. DOI: 10.3390/antiox15091157. 原著ライセンス：CC BY.