タービン故障の検出など、予知保全のユースケースでは、壊滅的な事態を防ぐために、実際の故障をできるだけ多く特定することが最も重要な課題となります。AAIA™学習ガイドでは、このような高リスクシナリオにおいては、リコールが最も適切な指標であると強調しています。なぜなら、リコールは正しく識別された真陽性の割合を測定するからです。
「再現率は、陽性事例（例えば、故障）を見逃すことがコストや危険性を伴うシナリオにおいて非常に重要です。再現率が高いほど、多少の偽陽性が発生しても、実際の問題のほとんどがモデルによって検出されることが保証されます。」精度は陽性予測の正確さを、特異度は真の陰性を測定し、正確度はデータが不均衡な場合に誤解を招く可能性があります。したがって、D（再現率）が最も適切です。
参考資料：ISACA Advanced in AI Audit™ (AAIA™) 学習ガイド、セクション：「AIの運用とパフォーマンス」、サブセクション：「評価指標と予測精度」