Geographical targeting of active case finding for tuberculosis in Pakistan using artificial intelligence software: a qualitative study embedded within the SPOT TB trial

結核は依然として世界で最も執拗な死因の一つであり、混雑した都市部から人里離れた村落に至るまで、あらゆる場所で蔓延している病気です。パキスタンのような結核の負担が極めて高い国では、医療従事者は、病気にかかっているもののまだ診断されていない何百万人もの人々を見つけ出すという、気の遠くなるような課題に直面しています。これらの隠れた症例を捉えるため、プログラムは移動チームをコミュニティに派遣してスクリーニング・キャンプを設置し、X線装置を用いて人々の肺に感染の兆候がないかを調べます。長年、こうしたキャンプをどこに設置するかという決定は、人間の判断、地域の地図、そして現場スタッフの経験に依存してきました。しかし、データの量が増大するにつれ、保健当局はコンピュータの方がより優れた仕事ができるのではないかと考え始めました。彼らは、人間が見逃してしまうかもしれないパターンを見つけ出すことができる技術である人工知能に目を向けたのです。スマートなコンピュータ・プログラムが、病人が見つかる可能性が最も高い地域へと医療従来を直接導き、探索をより迅速かつ効果的にできることが期待されました。

この問いが、パキスタンで行われた「SPOT-TB試験」と呼ばれる大規模な実験を推進する原動力となりました。研究者たちは、「MATCH-AI」と呼ばれる人工知能ツールを使用してキャンプの場所を選択することが、地域の知識に基づいて場所を選ぶ従来の方法よりも多くの結核症例を発見できるかどうかを検証しようとしました。このツールは、日常的な健康データと現地の状況を分析し、推奨される場所のリストを作成します。しかし、コンピュータの推奨は、それが現実の現場と一致して初めて意味を成します。この試験が症例発見において明確な全体的改善を示さなかった理由を探るため、別の研究チームは、プロジェクトの「人間的な側面」について深い調査を行いました。彼らは、実際にバンを運転し、テントを設営した医師、スーパーバイザー、コーディネーターたちにインタビューを行い、新しいテクノロジーに関する彼らの日々の経験について尋ねました。彼らの目的は、単にソフトウェアが画面上で機能するかどうかを確認することではなく、それがパキスタンの保健システムの複雑で混沌とした現実の中でどのように機能しているのかを理解することでした。

研究者たちは、人工知能ツールが「諸刃の剣」であることを発見しました。一方で、多くの現場スタッフは、自身の仕事に公平性と構造をもたらしてくれるとして、このソフトウェアを高く評価していました。ツールの導入前は、キャンプを開催する場所の選択は、個人的なコネクションや地元のリーダーからの政治的な圧力、あるいは単に馴染みのある場所に何度も戻ってくるという習慣によって左右されることがありました。ソフトウェアはこうした人間のバイアスを取り除き、純粋にデータに基づいた場所のリストを生成しました。これにより、スタッフは特定の理由で特定の地域にキャンプを設置したがる当局からの圧力を退けることができました。いくつかの事例では、ツールはこれまで見過ごされていた、あるいは遠方にあった村へとチームを導き、そこで結核の症例の集団を発見しました。例えばあるチームは、ファイサラーバードにある遠方の世帯への推奨に従った結果、5人の感染者が同居していることを発見しました。彼らは、通常の境界線を超えて探索できるソフトウェアの能力のおかげであると、この発見を称賛しました。

しかし、ツールの成功の物語は、風景の過酷な現実とテクノロジー自体の限界によって複雑なものとなりました。ソフトウェアは数値の処理には長けていますが、コミュニティで生活することで得られる「常識」を欠いていました。ソフトウェアは、モバイルバンが走行できないような、雪に覆われた山頂や川で遮断された場所など、物理的に到達不可能な場所を提案することがありました。また、治安上のリスクがある場所や、文化的な規範によって女性が遠くまで移動したり公的なキャンプを訪れたりすることが困難な場所も指摘しました。例えば保守的な地域では、スクリーニング会場にプライバシーが欠けている場合、女性は賑やかな市場にあるキャンプまで5キロメートル移動するために家を出ることを拒むかもしれません。ソフトウェアはこうした社会的障壁を理解しておらず、ただ地図上の「点」としてしか見ていませんでした。地形や人々を知っている現場スタッフは、アクセスの良さやコミュニティにとっての受け入れやすさを考慮し、コンピュータの提案を自らの判断で上書きして、適切な場所を見つけ出す必要がありました。

デジタル計画と物理的な世界の間の溝は、システムを運用するために必要なインフラストラクチャによってさらに広がりました。ソフトウェアはリアルタイムでデータを収集するためのデジタル・プラットフォームに依存していましたが、多くの遠隔地ではインターネット接続が不安定、あるいは存在しませんでした。信号が途切れるとシステムはフリーズし、現場で入力されたデータは中央サーバーと同期できませんでした。これにより、医療従事者は古い形式の紙の記録に戻らざるを得ず、都市に戻った後にそれらをコンピュータに入力し直す必要がありました。この二重の作業は、テクノロジーがスピードアップさせるはずだったプロセスを遅らせ、不満と疲労を生み出しました。さらに、最前線のスタッフは、ソフトウェアがどのようにして意思決定を行っているのかを完全には理解していませんでした。彼らは場所のリストに従うよう指示されてはいましたが、その背後にある論理についての明確な説明を受けることはほとんどありませんでした。この理解不足により、彼らがツールを信頼したり、新しいシステムに対してオーナーシップを感じたりすることが困難になり、結果として、自身の経験を優先してソフトウェアの推奨を無視するケースも見られました。

研究は、人工知能が結核スクリーニングを組織化し改善することに真の有望性を持っている一方で、現場で働く人々の深い文脈的知識に取って代わることはできないと結論付けました。テクノロジーは、バイアスを減らし、見逃されがちな領域を浮き彫りにすることができる強力な「助手」ではありますが、人間の判断に代わるものではありません。テクノロジーは、近隣地域の治安やコミュニクターの文化的感性、あるいは未舗装の道路の状態を考慮することはできません。ツールを効果的に機能させるためには、安定したインターネット接続などの信頼できるインフラに支えられ、スタッフが「何をすべきか」だけでなく「なぜそうするのか」を理解できる徹底したトレーニングが必要となります。研究者たちは、最も成功するアプローチはハイブリッドな手法、すなわちコンピュータが起点を提供し、人間のチームが地域の専門知識を用いてそれらの推奨事項を現実の世界に適応させる方法であることを見出しました。結局のところ、テクノロジーの強さは、それを支えるシステムと、それを使う人々次第なのです。