TDA Engine v2.1: A Computational Framework for Detecting Structural Voids in Spatially Censored Epidemiological Data with Temporal Classification and Causal Inference

この論文は、欠測データの欠如を単なる統計的ノイズではなく構造的な欠損として検出・分類するために、トポロジカルデータ解析、時系列分類、および因果推論を組み合わせた「TDA Engine v2.1」という計算フレームワークを提案し、その有効性を実証したものである。

要約

この論文は、**「地図に『何もない空白』があるとき、それは本当に『何もない場所』なのか、それとも『隠された真実』なのか」**を見分けるための新しい道具について書かれています。

作者は、この新しいシステムを**「TDA エンジン v2.1」**と呼んでいます。これをわかりやすく説明するために、いくつかの身近な例えを使ってみましょう。

1. 問題：地図の「沈黙」は嘘をついている？

公衆衛生（病気などの監視）の現場では、地図が作られます。通常、この地図は「病院がある場所」や「患者がいる場所」を点で示します。
しかし、**「点がない場所（空白）」**には、2 つの意味が考えられます。

• パターン A（自然な空白）： 誰も住んでいない山や湖。だから病院も患者もいない。
• パターン B（構造的な空白）： 人が住んでいるのに、病院がない、あるいは病院があっても「データが報告されていない（隠されている）」場所。

これまでの技術は、この 2 つを区別するのが苦手でした。「点が少ないから、ただの低い確率だろう」と誤解して、重要な見落とし（パターン B）を見過ごしてしまうことが多かったのです。

2. 解決策：TDA エンジンの「魔法のルーペ」

この論文の核心は、**「トポロジカル・データ分析（TDA）」**という数学の手法を使うことです。

• 従来の方法（KDE など）：
  地図全体に「霧」を吹きかけて、点の多いところと少ないところをなめらかに繋ぎます。でも、これだと「本当の穴」が埋まってしまうことがあります。
• 新しい方法（TDA エンジン）：
  地図を「点の集まり（雲）」として捉え、その**「形」を分析します。
  想像してみてください。点の集まりの中に、「点がないのに、周囲に点があるのに不思議なほど大きな穴」が開いている場所があるとします。それは、単なる「何もない場所」ではなく、「何かが隠されている（あるいはシステムが壊れている）」**可能性が高い「構造的な穴（ボイド）」です。

このエンジンは、その「穴」の形を数学的に正確に測り、「これは自然な穴か、それとも問題のある穴か」を判別します。

3. バージョン 2.1 の新機能：3 つの「探偵ツール」

このシステムは、単に「穴」を見つけるだけでなく、その穴について詳しく調べる 3 つの新しい機能を追加しました。

① 時間的な探偵（「一時的なミス」か「恒久的な問題」か）

• 例え： 店の売上データを見て、「昨日だけ売上がゼロだった」のと、「毎月 1 回だけ売上がゼロで、残りは普通」のと、「ずっと売上がゼロ」では意味が違います。
• 機能： このエンジンは、その「空白」が**「一時的なミス（偶然）」なのか、「ずっと続いている構造的な問題（システム欠陥）」**なのかを、隠れたマルコフモデル（確率の計算）を使って見分けます。
  • 恒久的な沈黙： すぐに調査が必要！
  • 一時的な沈黙： 様子見で OK。

② 原因の分類（「なぜ穴ができたのか？」）

見つかった「穴」がなぜできたのか、5 つの理由に分類します。

• 国境（BORDER）： 隣国に逃げている？
• アクセス（ACCESS）： 道が不通で病院に行けない？
• インフラ（INFRASTRUCTURE）： 病院自体が存在しない？
• システム（SYSTEM）： 病院はあるのに、データが中央に届いていない？
• 不明（UNKNOWN）： 理由がわからない（現地調査が必要）。
  これにより、現場の担当者は「何のために調査に行くべきか」がわかります。

③ 重症度チェッカー（「どの病気なら深刻か？」）

• 例え： 「マラリアの患者が 10 人いないこと」と「コレラの患者が 1 人いないこと」では、深刻さが違います。
• 機能： 世界保健機関（WHO）の基準と照らし合わせ、「この空白は、どの病気にとって致命的な欠落なのか」を計算します。これにより、限られたリソースを最も必要な場所に集中できます。

4. 実証実験：ケニアのデータで試す

このシステムは、ケニアの実際の医療施設データを使ってテストされました。

• 結果： 人工的に「データを隠した（シミュレーション）」場所を、従来の方法では半分しか見つけられなかったのに対し、この TDA エンジンは8 割以上を正確に発見しました。
• 精度： 穴の中心位置の誤差は、わずか342 メートル（サッカー場の 3 分の 1 程度）でした。

5. 重要な注意点：これは「証拠」ではなく「ヒント」

論文の著者は非常に慎重に述べています。

「このエンジンが見つけたのは、**『隠されている可能性が高い場所』**という『ヒント』です。『実際に隠されている』という『証拠』ではありません。」

つまり、このシステムは「犯人を逮捕する」のではなく、「警察に『この辺りを調べてみて』と通報する」役割を果たします。最終的な判断は、現地の状況や人間の判断が必要です。

まとめ

TDA エンジン v2.1は、地図上の「沈黙（空白）」を、単なる「何もない場所」として無視するのではなく、**「形」「時間」「原因」「深刻さ」の 4 つの視点から分析し、「本当に調査すべき隠された危機」**を浮き彫りにする、次世代の公衆衛生のための「探偵ツール」です。

これにより、医療従事者は「どこに、いつ、なぜ、どうして」リソースを配分すべきかを、直感ではなく、数学的な精度に基づいて決めることができるようになります。

技術概要

TDA Engine v2.1 技術サマリー

1. 背景と課題 (Problem)

公衆衛生監視システムにおいて、地図上の「データが存在しない領域（沈黙）」は、単なる自然な空白なのか、それとも報告システムの欠如や意図的なデータ隠蔽（検閲）による構造的な欠落なのかを区別することが極めて困難です。

従来の疫学マッピング手法には以下の限界がありました：

• カーネル密度推定 (KDE)： 空白を低確率の勾配として平滑化してしまい、明確なトポロジカルな特徴として捉えられない。
• ボロノイ図： 境界付近で生じる「エッジ効果」の問題。
• 空間スキャン統計 (SaTScan)： 症例の「クラスター（過剰）」を検出するが、「欠落（不足）」を検出する基準が不十分。
• パラメータの恣意性： 閾値設定に任意の定数（例：1.5 倍中央値）に依存しており、再現性が低い。

これらの手法は、確率的な希薄さ（自然な低密度）と、構造的な沈黙（システム的な報告失敗）を区別できません。

2. 提案手法 (Methodology)

本論文では、トポロジカルデータ分析 (TDA) を用いた新しい計算フレームワーク「TDA Engine v2.1」を提案します。これは、医療施設の点群を「サービス景観」からのサンプリングとみなし、データ欠如の幾何学的な特徴を復元するアプローチです。

2.1 中核アルゴリズム

• 距離測定関数 (Distance-to-Measure, DTM) フィルトレーション：
  • 従来の最小距離関数の代わりに、$m_0$（ここでは 0.05、つまりデータ全体の 5%）の質量を捉える半径を定義します。これにより、外れ値（検閲されたデータ）に対してロバストな距離指標を構築します。
  • 地理座標は UTM 座標系に変換し、真の地面距離を計算します。
• Kneedle アルゴリズムによる適応的閾値設定：
  • 任意の閾値を排除するため、DTM 分布の曲率（2 階微分）を解析し、「肘（Elbow）」となる点を自動検出します。これにより、データ分布自体から幾何学的に閾値を導出します。
• 統計的有意性検定：
  • 完全空間ランダム性 (CSR) を帰無仮説としたモンテカルロ置換検定を実施。検統計量として「最大 DTM 値」ではなく「総欠落面積」を使用し、ウィルソン得点区間を用いて p 値の信頼区間を算出します。

2.2 v2.1 の新機能（3 つの主要な拡張）

1. 時間的欠落分類 (Temporal Void Classifier)：
   • Fano 係数と2 状態隠れマルコフモデル (HMM)（Baum-Welch 法と Viterbi 復号）を組み合わせ、欠落が「構造的（恒久的）」「断続的」「確率的（ノイズ）」のいずれかを判別します。
   • 判定基準：構造的欠落の確率 $P_{structural} \ge 0.60$ などを閾値として使用。
2. 因果分類体系 (Causal Taxonomy)：
   • 検出された欠落領域を、道路密度、施設密度、国境近接性などの共変量に基づき、意思決定木で以下の 5 つのカテゴリに分類します。
     • BORDER（国境）、ACCESS（物理的アクセス欠如）、INFRASTRUCTURE（施設不足）、SYSTEM（データ経路の失敗）、UNKNOWN（不明）。
3. 観測対期待 (O/E) 完全性エンジン：
   • WHO の疾患別発生率基準（マラリア、コレラ、結核など 7 疾患）に基づき、観測症例数を期待症例数で割った比率 ($\rho$) を計算。
   • これにより、単なる症例数ではなく、疫学的負荷に基づいた深刻度（Critical/Moderate/Mild/Adequate）を分類し、優先順位付けを可能にします。

3. 主要な貢献 (Key Contributions)

1. 適応的閾値の確立： 任意のパラメータを排除し、Kneedle アルゴリズムによる幾何学的閾値導出を実現。
2. 定量的検証フレームワーク： 実データに人工的な検閲（80% のデータ削除）を施したシミュレーション環境を構築し、Jaccard 指数、重心誤差、回復率で精度を評価可能に。
3. トポロジカル安定性の証明： パラメータ $m_0=0.05$ が安定したプラトー領域 $[0.03, 0.07]$ に位置することを示し、結果がパラメータ調整の産物ではないことを証明。
4. 時間的・因果的ラベリング： 単なる空間的検出から、持続性と原因（アクセス、インフラ、システム等）を推定する実用的なツールへ進化させた点。
5. オープンソース実装： R/Shiny による「TDA Engine v2.1」を公開し、DHIS2 等との連携も想定。

4. 結果 (Results)

ケニアのニャンザ地域（312 の医療施設）を用いた検証シミュレーションおよび実データ適用において以下の結果が得られました。

• 検出精度：
  • Jaccard 指数: 0.82 (95% CI: 0.74–0.89)。従来の KDE (0.45) や相対リスク表面 (0.38) を大幅に上回る精度。
  • 重心誤差: 342 メートル（IQR: 187–512 m）。
  • 回復率: 0.79。
• 統計的有意性：
  • 置換検定により $p = 0.003$ (95% CI: 0.001–0.008) を達成。完全ランダム性を超えた統計的有意性を確認。
• 時間的分類精度：
  • 6 期間のデータセットにおいて、構造的沈黙のラベル付け精度が 91%（HMM 事後確率 $\ge 0.60$）。
• 因果分類精度：
  • 専門家による判定との一致率は 78% (Kappa = 0.71)。「INFRASTRUCTURE」クラスで精度 0.91、「SYSTEM」クラスで再現率 0.64。
• 実データ適用例（ニャンザ盆地）：
  • 人口密度が高いにもかかわらず施設がない 3 つの「構造的欠落」を検出。うち 2 つは「インフラ不足」、1 つは「アクセス困難」と分類され、季節的なアクセス障壁と一致する結果となりました。

5. 意義と結論 (Significance & Conclusion)

TDA Engine v2.1 は、公衆衛生監視における「データの不在」を、単なる欠損としてではなく、**幾何学的な異常（Geometric Anomalies）**として数学的に厳密に定義・検出する枠組みを提供します。

• 実用的価値： 現場調査リソースを、自然な空白ではなく「構造的な沈黙（潜在的な報告失敗）」に集中させることを可能にします。
• 倫理的配慮： 本手法は「抑圧の証拠」ではなく「調査対象候補」を提示するものであり、最終的な判断には人口密度、施設登録、文脈的知識による検証が必要であることを強調しています。
• 将来展望： 道路ネットワークに基づくコスト距離の導入、DHIS2 とのリアルタイム統合、衛星画像との融合など、より高度な監視システムへの発展が期待されます。

この研究は、疫学データ分析において「密度ベース」から「幾何学・トポロジカルベース」へのパラダイムシフトを促し、データ欠如の持続性と原因を定量化する新たな標準を確立しました。