Kaggleの医療データから診断ツールを自作してみた話【糖尿病リスク予測 × データサイエンス入門】

はじめまして、rakuです。今回は、Kaggleで公開されている医療系データセットを活用して、糖尿病リスクを予測する診断ツールを構築したプロジェクトについてご紹介します。

「データサイエンスの勉強はしているけれど、何を作ればいいか分からない」
「成果物をブログやポートフォリオにまとめたいけど、手が止まってしまう」

そんな初学者の方に向けて、「小さく始めて、実際に動くものを作る」ための道筋を共有できればと思います。

プロジェクト概要：なぜ糖尿病予測？

糖尿病は現代病とも言われるほど、誰にでも関係する疾患です。生活習慣や体格、年齢など多くの要因が影響します。
今回は、アメリカCDC提供の大規模健康調査データ（Behavioral Risk Factor Surveillance System：BRFSS）を用いて、「あなたの糖尿病リスクを予測する」Web診断ツールを作ってみました。

使用データと分析環境

データ：Kaggle公開のBRFSS2021加工版（数万件の匿名健康データ）

環境：Google Colab + Python（pandas, scikit-learn, xgboost など）

モデル構築：

特徴量選択（SHAPで影響の大きい項目を確認）

XGBoostベースの分類モデル

SHAPにより「GenHlth（自覚的健康評価）」「HighBP（高血圧）」「Age（年齢）」「BMI（体格指数）」が特に重要と判明

モデルをAPI化 → Renderで無料公開

予測モデルを joblib で保存し、FastAPI + Uvicorn を使ってAPI化。
デプロイは無料で使える Render を活用しました。
Web診断フォームからAPIにPOSTすると、即座に予測結果（糖尿病リスク）とアドバイスが返ってきます。

※無償版Renderではアクセスに数秒かかる場合があります。

WordPress連携：診断フォームの実装

構築したAPIをWordPressブログ記事に組み込むには、以下の工夫を行いました：

HTML＋JavaScriptで診断フォームを作成

読者が選択した項目をAPIへ送信し、結果をHTMLで表示

表示されるアドバイスには、SHAPによる寄与度に基づいた説明を反映（例：「BMIが高い方はリスクが高い傾向があります」）

公開中の診断ツール（本記事）

実際の診断はこちらのブログ記事から体験できます（WordPress + API連携）
糖尿病リスク予測診断ツール｜生活習慣からAIで予測
ぜひ一度チェックしてみてください！

初学者の学びとして最高のプロジェクトだった

このプロジェクトで得られた学びは以下のとおりです：

「なんとなく作る」から「動くプロダクトを共有する」へ

APIの設計・デプロイ・セキュリティまで含めた実装力の向上

WordPressなど非エンジニア向けCMSとの連携方法を体得

今後の展望

より多くのデータを使った精度向上

読者個人の傾向に応じたアドバイス自動生成（NLP応用）

英語対応やスマホUI強化によるグローバル展開

データ・参考リンク

データ出典：Kaggle Dataset: Diabetes Health Indicators

開発環境：Google Colab + FastAPI + Render + WordPress

モデル説明：XGBoost + SHAP分析

最後に

このプロジェクトを通じて、「勉強した知識を自分の形にする」ことの楽しさを強く実感しました。
「ポートフォリオに載せられる作品を作りたい」「とにかく何か動くものを作ってみたい」という方は、ぜひ似たテーマでチャレンジしてみてください！