未来を推測する技術

あなたは、危険な岩礁の周りを航行するか、霧の立ち込める水路をリスクを冒してショートカットするかを決めようとしている船長だと想像してください。手元には地図がありますが、少しぼやけています。もしかすると、岩礁は実は砂州かもしれませんし、あるいは霧が予想以上に濃いのかもしれません。科学や医学の世界において、意思決定者が日々直面しているのは、まさにこれと同じことです。彼らは「決定モデル」という数学的な地図を用いて、患者への最善の治療法や、国家にとっての最善の政策を選択します。しかし、これらの地図は、「薬がどれくらい効く可能性が高いか」や「コストがいくらになるか」といった、未来に対する推測に基づいています。

これらの推測をより賢明なものにするために、科学者は**情報の価値（Value of Information: VOI）**と呼ばれるツールを使用します。VOIを「知識の価格設定」と考えてみてください。それは次のように問いかけます。「もし今、特定の質問に対する答え（例えば、ある薬の正確な成功率）を知ることができたとしたら、より良い選択をすることで、どれほどの金銭的または健康上の利益が得られるだろうか？」もし答えが「非常に大きい」のであれば、その答えを見つけ出すために新しい研究に資金を投じる価値があります。もし答えが「それほど大きくない」のであれば、推測はやめて、今ある最善の選択肢を選ぶべきです。

伝統的に、この価格設定を計算するために、科学者は将来に関する特定の「一つの地図」を選ばなければなりません。彼らは「霧の濃さはこれくらいだと100%確信している」と言わなければならないのです。しかし現実の世界では、エビデンス（証拠）はしばしば混沌としています。時には、データが複数の異なる地図を同時に支持していることもあり、どれか一つが明確な勝者であるとは限りません。ここで、ローワン・イスカンダルによる新しい論文が登場します。この論文は、霧を消し去ったふりをするのではなく、霧と共存する方法を提示しています。

一つの地図を選ぶことの問題点

この論文は、エビデンスがたった一つの「完璧な」地図を指し示すのではなく、むしろ**一族（ファミリー）**とも呼べる、正当化可能な複数の地図を支持している場合に何が起こるのか、という難しい問題に取り組んでいます。

あなたが謎の箱の重さを当てようとしている場面を想像してください。

• 従来の方法： あなたは一つの推測（例えば10ポンド）を選び、間違えた時のコストを計算し、重さを量るための秤を買うべきかどうかを判断します。
• 現実： エビデンスは、実際には範囲のある可能性を支持しています。箱は8ポンド、10ポンド、あるいは12ポンドかもしれません。そして、どれが正しいかを証明することはできません。もしあなたが単に10ポンドだと決めつけるなら、秤を買う価値があると考えてしまうかもしれません。しかし、もし箱が実際には8ポンドだった場合、秤を買う価値は全くなかったかもしれません。

著者は、可能性の範囲があるときに単一の推測を強いることは、目隠しをしているようなものだと主張しています。それは数学的には綺麗に見えるかもしれませんが、あなたの結論が「どの推測を選んだか」に完全に依存しているという事実を隠してしまうのです。

新しいアプローチ：「霧のエンベロープ（包絡線）」

イスカンダルは、**不精密確率的情報の価値（Imprecise-Probability Value of Information: IP-VOI）**と呼ばれる新しい手法を導入しています。一つの地図を選ぶ代わりに、この手法は、正当化可能なすべての地図を一度にテーブルの上に載せたままにします。これは、あらゆる可能な答えを包み込む「霧のエンベロープ（包絡線）」を作り出します。

論文内の「創傷処置」の例（外科的創傷の感染を防ぐための処置に関する研究）における仕組みは以下の通りです。

1. セットアップ： 研究者たちは、どのタイプの包帯を使用するかという決定について調査しました。彼らは、エビデンスを解釈する36通りの異なる方法を特定しました。ある地図は感染リスクが高いと仮定し、別の地図は低いと仮定しました。ある地図は治療法同士に関連があると仮定し、別の地図は関連がないと仮定しました。
2. 従来の結果： 単一の「標準的な」地図を選んだ場合、数学的には「完全な情報から得られる期待値（すべてのことが判明することから得られる利益）」は約152ポンド／創傷あたりとなります。これは、大規模な国家的研究を行う価値があることを示唆しています。
3. 新しい結果： 研究者が36の地図すべてを含むエンベロープを見たとき、その情報の価値は単一の数字ではありませんでした。それは74ポンドから249ポンド／創傷あたりという範囲でした。

この範囲は、より豊かな物語を伝えてくれます。

• もし決定の閾値（研究を正当化するために節約すべき金額）が50ポンドであれば、どの地図が真実であっても、研究は価値があります。エンベロープ全体がラインを超えています。
• もし閾値が100ポンドであれば、エンベロープはラインをまたいでいます。これは、答えが**「仮定に依存する」**ことを意味します。感染リスクが低い場合は研究の価値はありませんが、高い場合は価値があります。単一の地図による分析では、この不確実性を見逃し、誤った決定を下していた可能性があります。

「保証された価値」対「最善の推測」

この論文は、確信が持てない状況でも意思決定を行うための巧妙な方法も導入しています。それは**「下限期待値（lower-expectation）」**（あるいは「ワーストケース思考」）と呼ばれるルールを用いたものです。これは、「平均的な利益はいくらか？」と問うのではなく、「最悪の可能性がある地図が真実であったとしても、保証される利益はいくらか？」と問うものです。

創傷処置の例では：

• 完全な研究から得られる「平均的な」利益は152ポンドでした。
• 「保証された」利益（エビデンスが悲観的な側にある場合でも得られる価値）は122ポンドでした。

これは極めて重要な区別です。これにより、意思決定者は、その推奨事項が**堅牢（robust）なもの（あらゆる可能性において安定している）なのか、それとも脆弱（fragile）**なもの（最も楽観的な地図を選んだときにのみ成立するもの）なのかを見極めることができます。

論文の知見（および限界）

この論文の主な知見は、この新しい手法が単に異なる数字を出すだけでなく、問いの種類そのものを変えるという点にあります。

• 判明したこと： 国家規模の創傷処置のケースにおいて、「研究を行う価値がある」という結論は堅牢でした。最悪のケースの地図であっても、研究は価値があるという結果になりました。
• 判明したこと： しかし、より小さなグループ（単一の病院など）の場合、結論は仮定依存的になりました。エンベロープは、どの地図を信じるかによって決定が逆転する「損益分岐ゾーン」を示しました。
• 否定したこと： 論文は、常に「一つの最善の地図」を選んで残りを無視してもよいという考えに異を唱えています。そうすることで、誤解を招くような確信を与えてしまうことを示しています。もし単一の地図による結果が150ポンドであっても、エンベロープが74〜249ポンドであれば、自分が安全なのか、それとも危険な状態なのかを知る術はありません。
• 明確にしたこと： これは不確実性を解決する魔法の杖ではありません。論文は、この計算が計算量的に高コストであること（1つのシミュレーションではなく36のシミュレーションを実行するには多くのコンピュータパワーが必要であること）、そして結果は絶対的な証明ではなくシミュレーションであることを認めています。また、この手法は、異なる地図に対して確率を割り当てられない場合（つまり、それぞれの地図がどの程度起こりやすいかを知らない場合）のためのものであることを明確にしています。もしそれらの重みを割り当てられるのであれば、従来の方法が依然として有効です。

まとめ

この論文は、意思決定者に新しい眼鏡を手渡すようなものです。古い眼鏡は、答えがある場所に一本の鋭い線を映し出します。新しい眼鏡は、ぼやけた陰影のゾーンを見せてくれます。ぼやけたゾーンは一見すると満足感に欠けるように見えるかもしれませんが、それはより誠実なものです。それは意思決定者にこう伝えています。「これがエビデンスが支持する範囲です。もしあなたの決定がこのゾーンのどこにおいても安全であるなら、進めてください。もしあなたの決定がゾーンの端の方でしか成立しないのであれば、注意してください。あなたは事実ではなく、推測に賭けようとしているのかもしれません。」

この「エンベロープ」のアプローチを用いることで、科学者は自分が知っている以上のことを知っているふりをするのをやめ、霧が晴れたとしても真に堅牢な研究決定を下せるようになるのです。