Can non-routine data collection help decision-making for gambiense sleeping sickness? Using active adaptive management to assess the potential of vector control

あなたは、霧深い海を航行し、遠く離れた安全な港を目指そうとしている船の船長であると想像してください。この霧は、影に潜む謎めいた病気を表しており、自分がどこに向かっているのか、あるいは自分の操舵がどれほど上手くいっているのかを、視界を遮ることで分からなくさせてしまいます。公衆衛生の世界では、この「霧」は、私たちのツールが実際にいかに病気と戦っているかについてのデータの欠如を意味することがよくあります。そのようなツールの一つが「ベクターコントロール（媒介生物制御）」です。これは、簡単に言えば「病気を運ぶ虫を殺す」という、少し凝った言い方をしたものです。しかし、ここには厄介な問題があります。私たちは、その虫を殺す戦略が本当に機能しているのかどうか、確信が持てないことがあるのです。お金を使い続けるべきでしょうか、それとも中止して別の方法を試すべきでしょうか？これは、科学者たちがアフリカの一部で猛威を振るう死の病、眠り病（睡眠病）を根絶しようとする際に直面するパズルです。この問題を解決するために、彼らは「能動的適応管理（Active Adaptive Management）」という巧妙な思考ツールを使用します。これは、単に一つの戦略を選んで永遠に使い続けるのではなく、ビデオゲームのように、レベルをプレイし、スコアを確認し、そこで学んだことに基づいて、そのレベルを 계속プレイするか、それとも戦術を切り替えるかを決めるようなものです。目標は、ゲームに勝ちながら、お金を節約することです。

それでは、この特定の論文の物語に飛び込んでみましょう。著者たちは、非常に現実的な問題に取り組んでいます。それは、ガンビエンセ・ヒトアフリカトリパノソーマ症、略してgHATです。これは、西アフリカや中央アフリカで見られる吸血昆虫であるツェツェバエによって広がる、眠り病です。世界保健機関（WHO）はこの病気を完全に根絶したいと考えていますが、そのためには、ツェツェバエが人に噛むのを止めなければなりません。彼らは「タイニー・ターゲット（Tiny Targets）」を使用しています。これは、殺虫剤を塗布した小さな青と黒のパネルで、ハエを引き寄せて殺すものです。しかし、ここが落とし穴です。私たちは、すべての村において、これらのターゲットがどれほど効果的に機能しているのかを必ずしも把握できていません。時にはハエが頑固であったり、環境が異なっていたりするため、ターゲットが期待したほど多くのハエを殺せていないこともあるのです。

そこで、研究者たちは大きな問いを投げかけました。「ハエの数を数えるために、追加の費用を投じて、実際にタイニー・ターゲットが機能しているかどうかを確認する価値はあるのだろうか？」このカウント作業は「昆虫学的モニタリング（entomological monitoring）」と呼ばれます。これには、特別な罠を設置してハエを捕まえ、その数を調べるプロセスが含まれます。考え方としては、ターゲットを設置した後に捕獲されるハエが減っていれば、戦略がうまくいっていると判断できます。もし同じ数のままなら、おそらくその戦略に資金を投じるのは無駄かもしれません。しかし、ハエを数えることにはお金、時間、そして労力がかかります。ですから、得られる情報は、その価格に見合う価値があるのでしょうか？

答えを見つけるために、著者たちは数学的モデルを使用しました。これは、病気とハエがどのように振る舞うかをシミュレートする、超正確なコンピュータ・シミュレーションのようなものです。彼らは単に推測したのではなく、コンゴ民主共和国のムルンバ（Mulumba）とヴァンガ（Vanga）という2つの異なる健康ゾーンで何が起こるかを検証するために、何千回ものシミュレーションを実行しました。これら2つの場所は、物語における2つの異なるキャラクターのようなものです。ムルンバは、このような種の制御にとって新しいエリアであるため、科学者たちがタイニー・ターゲットの効果について非常に不確実性を感じている場所です。一方、ヴァンガは、近くで同様の結果が見られているため、科学者たちがターゲットの効果についてかなりの確信を持っている場所です。

チームは、コンピュータ内で「能動的適応管理」の実験を行いました。彼らは、タイニー・ターゲットを2年間使用し、年に2回ハエの数を数えるシナリオをシミュレートしました。その後、2年間のデータを見て、「ターゲットを使い続けるべきか、それとも中止すべきか」を決定します。彼らは、このデータに基づいたスマートなアプローチを、他の2つの選択肢と比較しました。一つは、チェックすることなく永遠にターゲットを使い続けること、もう一つは、ターゲットを全く使わないことです。彼らは「純金銭的便益（Net Monetary Benefit）」を算出しました。これは、「病気を防ぐことで節約できた金額から、ターゲットとハエのカウントに費やした金額を差し引いたもの」を意味します。

結果、彼らは以下のことを発見しました。これは、2つの非常に異なる結末の物語です。全員が結果に確信を持てなかったムルンバでは、モニタリングは大きな勝利となりました。ハエを数えるための追加コストは、完全に価値のあるものでした。データをチェックすることで、ターゲットが機能しているかどうかを迅速に判断することができたのです。もしターゲットが素晴らしい成果を上げていれば、継続します。もし失敗していれば、早期に中止し、悪い戦略に浪費されるはずだった多額の資金を節約できました。このケースでは、「霧」は深く、モニタリングという懐中電灯が完璧にナビゲートする助けとなりました。彼らはさらに、最も効率的な方法として、約88個のトラップを使用することが、コストに対して最高の情報を得るための「スイートスポット（最適解）」であることも突き止めました。

しかし、物語はヴァンガでは異なっていました。このゾーンでは、科学者たちはすでにターゲットがうまく機能するという強い予感を持っていました。彼らが自信を持っていたため、ハエを数えることで得られる追加のデータは、彼らの考えを変えることはありませんでした。彼らはどちらにせよターゲットを使い続けるつもりだったので、ハエを数えるために支払うコストは、決定を変えることなく単なる追加費用となってしまいました。ヴァンガでは、「霧」はすでに薄くなっており、懐中電灯はあまり役に立ちませんでした。シミュレーションによれば、ヴァンガの場合、モニタリング戦略は、当初の計画通りに進める場合と比較して、かえって損失を生むことが示されました。

この論文は、モニタリングが常に正解であるとか、決して正解ではないと主張しているわけではありません。むしろ、チェックすることの価値は、あなたがすでにどれだけ知っているかに完全にかかっていると示唆しています。暗闇の中にいるなら、懐中電灯は非常に貴重です。もしすでに道が見えているなら、懐中電灯は単なる余計な出費になります。著者たちはまた、これが数学的モデルに基づいたシミュレーションであり、実際にこれらの特定の村へ行って2年間にわたりハエを数えた実世界の試行ではないことも明確にしています。彼らは過去のデータを使用してコンピュータの世界を構築したので、その結果は非常に強力な示唆ではあるものの、あくまで予測です。

この研究は、ベクターコントロール（媒介生物制御）の決定に、このような「走りながら学ぶ」数学を用いた初めての事例として、大きな一歩を踏み出しました。これまでは、人々は単に戦略を選び、あとはうまくいくことを祈るだけでした。しかし今や、私たちは「おい、この特定の場所では、ハエを数えるために資金を投じる価値がある。しかし、あちらの場所では、現金を節約してそのまま進め」と政策立案者に伝えることができるフレームワークを手に入れました。これにより、意思決定プロセスは「推測」から「計算されたゲーム」へと変わり、眠り病と戦うために費やされるすべてのドルが、最も賢明な方法で使用されるようになるのです。ツェツェバエが媒介する病気であれ、他の病気であれ、このアプローチは、私たちが単に問題に金を投げつけているのではなく、実際に問題を解決していることを確実にするための、遊び心がありつつも強力な方法を提供しています。