臨床予測モデルにおける変数選択は、従来は統計的適合度に基づいて行われてきましたが、まずは診断の正誤や検査自体のリスクを含めた『ネットベネフィット（NB）』を最大化するアルゴリズム NBvarsel が開発されました。NBvarsel は、すべての変数組み合わせをクロスバリデーションで評価し、NB を算出します。変数数が少ない場合は完全探索を、数が多い場合は後退消去（BE NBvarsel）を用いることで計算コストを抑えます。

本研究で3つの実際のケーススタディ（卵巣癌リスク、救急外来入院リスク、非腫瘍性サルモネラ菌血症）に適用した結果、NBvarsel は AIC に基づく標準的な後退消去法や LASSO 正則化と比較して、分離能（AUC）、校正（OE 比率）、ブリア評価（Brier スコア）において同等かそれより優れた性能を示しました。さらに、NB と決定曲線解析（DCA）により表される臨床的有用性も高くなり、短く実用的なモデルが得られました。

ただし、完全探索は計算量が指数関数的に増大します。候補変数が20個の場合、5‑フォールド交差検証で 5 万 以上のモデルをフィットする必要があり、実用上は候補変数を制限するか事前フィルタリングを行う必要があります。さらに、各変数に対する検査害（コスト・時間・患者負担）を設定することは主観的で施設ごとに異なるため、設定しない場合は従来法に比べて改善効果が小さくなることがあります。十分なサンプルサイズ（Riley の指針）と事前変数選択を推奨します。

NBvarsel パッケージは R で公開され、完全なコードは GitHub にて公開されています（https://github.com/LasaiBarrenada/NB_varsel）。