Prediction Error Masquerades as Individual Treatment Response: A Placebo-Controlled Falsification Study in Pooled ALS Trials

医学研究という極めて重要な世界において、科学者たちはしばしば困難なパズルに直面します。それは、「新しい薬が特定の個人に対して効果を発揮しているかどうかを、いかにして判断するか」という問題です。臨床試験は、大規模な集団における治療の平均的な効果を測定するように設計されていますが、医師や患者が知りたいのはもっと個人的なことです。彼らは、その薬が「自分にとって」効果があったのかを知りたいのです。これに答えるために、研究者たちは「デジタルツイン」や「合成コントロール」と呼ばれる、洗練されたコンピュータモデルを開発してきました。これらのモデルは、患者の病歴を用いて、もし治療を受けなかった場合にその人が将来どのように悪化していくかを予測する「水晶玉」のような役割を果たします。患者の実際の経過を、このコンピュータによって生成された予測と比較することで、科学者たちはその差異を見つけ出そうと試みます。もし患者がモデルの予測よりも良好な経過を辿っていれば、それは薬の勝利のように見えます。逆に予測よりも悪化していれば、治療が失敗したか、あるいは副作用による害が生じたように見えます。このアプローチは、臨床試験による「ぼやけた平均値」を、回復または衰退という「鮮明な個人の物語」へと変えることを約束しています。

しかし、モーリス・アンソニー・ユーイングによるResearch Squareへの投稿論文は、この「個人の物語」が一種の錯覚である可能性を示唆しています。ALS（筋萎縮性側索硬化症）という急速に進行し、致命的な疾患に焦点を当てたこの研究は、極めて重要な問いを投げかけています。すなわち、コンピュータモデルがある患者について「期待よりも良くなった」あるいは「悪くなった」と判定したとき、それは本当に薬がその人に影響を与えた兆候なのか、それとも単なる予測のミスに過ぎないのではないか、という問いです。答えを見出すために、研究者たちは、数千人の患者の記録を含む、過去のALS臨床試験の膨大なデータベースである「PRO-ACT」を活用しました。彼らは患者がどのように衰退していくかを予測するシステムを構築し、見出された「良好な結果」や「不良な結果」が、実際に薬によるものなのか、それともモデルが予測できなかった疾患特有の自然な変動によるものなのかを検証しました。

研究者たちは、彼らの仮説を検証するために、巧妙かつ厳格なアプローチを取りました。彼らは、実際の薬を投与された患者のデータを用いてコンピュータモデルを学習させ、それとは別に、プラセボ（医学的効果のない無害な物質）を投与された患者のデータを用いてモデルを学習させました。そして、これらのモデルを、まだ見たことのない患者に適用しました。鍵となるテストは単純明快かつ強力なものでした。彼らは、実薬を投与された患者とプラセボを投与された患者に対して、全く同じ予測ルールを適用しました。もしコンピュータモデルが薬の具体的な効果を真に捉えているのであれば、プラセボ群よりも実薬群において、より多くの「レスポンダー（期待以上の反応を示した人）」が見出されるはずです。しかし、もしモデルが単に予測を誤っているだけであれば、プラセボ群には薬による変化が起こり得ないため、両方のグループで「レスポンダー」と「ノンレスポンダー」の数は似通ったものになるはずです。

結果は衝撃的であり、個別化医療の分野にとって、やや不安を抱かせるものでした。研究によると、コンピュータモデルは、実薬群において期待よりも大幅に良好、あるいは悪化した患者の大きなグループを特定しました。具体的には、実薬を服用している患者の約37パーセントが好ましい反応を示したと判定され、一方で32パーセントが好ましくない反応を示したと判定されました。しかし、研究者が全く同じテストをプラセボ群に対して行ったところ、その数字はほぼ同一でした。プラセボ群の患者の約34パーセントが良好と判定され、33パーセントが不良と判定されたのです。両グループ間の差は極めて小さく、偶然によるものである可能性が十分にありました。実際、この研究は、実薬群で見られた「改善」や「悪化」が、プラセボ群で見られるランダムな変動よりも頻繁に起こるものではないことを示しました。

この発見は、見かけ上の個別治療効果が、しばしば予測エラーに過ぎないことを示唆しています。コンピュータモデルは、薬の力を捉えられなかったのではなく、疾患の自然な経過を完璧に予測できていなかったのです。疾患の進行の仕方は人によって異なり、また診療録も決して完璧ではないため、モデルは間違いを犯します。ある患者がモデルの予測よりも衰退が緩やかであった場合、その患者はプラセボ群であり、薬を一切受けていなかったとしても、モデルはその経過を「成功」とラベル付けしてしまうのです。研究は、これらの見かけ上の成功や失敗は、薬が特定の個人に作用した、あるいは害を与えたという証拠ではなく、むしろモデル自身の不確実性を反映したものに過ぎないと結論付けました。

研究者たちはまた、結果の信頼性を確保するために、データの収集方法の詳細についても調査を行いました。その結果、実薬群の患者は、プラセボ群と比較して、医師の診察やチェックアップのパターンがわずかに異なっていることが分かりました。彼らが、こうした診察頻度の違いを考慮して分析を調整すると、両グループ間の差は完全に消失しました。予測におけるエラーの広がりは、両方のグループでほぼ全く同じになったのです。これは、当初見られた差異が薬によるものではなく、データの収集方法や疾患の自然な変動に起因していたことを裏付けています。

結局のところ、この研究は、デジタルツインや合成コントロールという成長著しい分野に対する、必要な「現実への引き戻し」として機能しています。この研究は、これらのコンピュータモデルが無用であると言っているわけではありません。それらは依然として、疾患の一般的な将来を予測することにおいては非常に有用であり得ます。しかし、研究は、もしモデルが、治療を受けていない人々に対してもこれと同じような「誤報」を出さないことを証明できない限り、特定の薬が特定の個人に作用したかどうかを判断させることはできないと主張しています。医師が患者に対し、「コンピュータの予測よりも経過が良いので、この薬は効果があった」と告げる前に、その予測手法が、プラセボ群に対しても同様の結果を出さないことをテストしなければなりません。ALSの場合、現在のモデルは、疾患の自然な混沌を、奇跡的な治療効果や隠れた危険と見誤り、ノイズの中にパターンを見出しているのです。これらの手法が、単純な予測エラーと真の治療効果を区別できるように調整されない限り、個別化治療の約束は、まだ手の届かない場所にあります。