Measuring and reducing intervention misalignment in next best action selection for care management: a within-patient natural experiment

あなたはケアマネージャー、つまりスクラブを着たスーパーヒーローであり、高血圧、不安、食料不足、そして通院手段の欠如といった複数の問題を同時に抱える患者を助ける任務を負っています。あなたには、一人あたりわずか15分しかありません。すべてを一度に解決することはできません。まず取り組むべき「たった一つのこと」を選ばなければなりません。これが「次なる最善の行動（Next Best Action）」問題です。

長年、システムは全員に同じスナックを配る自動販売機のようでした。患者がやってくると、コンピュータは「はい、行動健康リファラルをどうぞ！」とか「はい、ケアアクセス調整チケットをどうぞ！」と提示します。しかし、それはその患者が回復するために本当に最も必要としているスナックであるかどうかを、実際には見ていません。

この論文の著者であるSanjay Basu、Parth Sheth、Sadiq Patelは、この「自動販売機」がいかに間違ったものを提供しているかを測定することに決めました。彼らはこの間違いを**介入のミスマッチ（intervention misalignment）**と呼んでいます。これは、患者が最大の健康上の恩恵を受けるために期待される行動とは異なる行動が提供されてしまう割合のことです。

大な事実：自動販売機は壊れている

研究チームは、2023年から2025年にかけて3つの州における34,971人のリスクが高まっているメディケイド受給者を調査しました。彼らは「患者内自然実験（within-patient natural experiment）」と呼ばれる巧妙な手法を用いました。これは次のように考えてください。ケアプログラムが（患者の健康状態の差ではなく、ロジスティクスの都合により）異なるグループに対してわずかに異なるタイミングで展開されたため、研究者は、ある人が助けを得る「前」と「後」のその人自身の健康状態を比較することができました。これにより、推測に頼ることなく、その患者が実際に何を必要としていたかを突き止めることができたのです。

衝撃的な事実はこうです。現在のシステムでは、**27.0%**の患者（つまり4人に1人以上）に対して、誤った「次なる最善の行動」が提示されていました。

しかし、本当の物語は「何が間違っていたのか」にあります。現在のシステムは、「ケアアクセス調整」と「行動健康リファラル」の2つに執着していました。これら2つで、全アクションの**80.3%**を占めていたのです。

一方で、患者たちの実際のニーズは、別の何かを求めて叫んでいました。データによれば、患者たちは交通手段、食料安全保障、住居、および経済的給付といった社会的ニーズから最も大きな恩恵を受けるはずでした。

• 現在のシステムが交通手段を最優先事項として選んだのはわずか1.9%でしたが、患者のデータはそれが最優先となるべきであったことを5.1%示していました。これは25.5倍の乖離です。
• 食料安全保障については、システムがそれを選んだのは1.9%でしたが、患者はそれを5.2%必要としていました。これは17.3倍の乖離です。
• 住居についても、12.5倍の乖離がありました。

この論文は、これが単なる「貧しい人々はより多くの助けを必要とする」という単純な勾配によるものではないと明確に主張しています。ミスマッチはすべての所得水準や人種において高く、システムが最も困窮している人々だけでなく、すべての人に対して社会的なニーズを体系的に無視していることを示しています。

解決策：PEARL

研究者たちは単に問題を指摘しただけではありません。彼らはPEARL（Policy Evolution through Aligned Retrospective Learning：整合された回顧学習による政策進化）と呼ばれる新しい「自動販売機」を構築しました。

PEARLは、過去の「自然実験」から学ぶ、非常に賢いコーチのようなものです。これには3つの秘密の成分があります。

1. 患者内のシグナル（The Within-Patient Signal）： 各患者の特定の履歴（かつてその人に何が効果的だったか）から学びます。
2. グループ層別化された公平性（Group-Stratified Fairness）： 特定のグループを誤って優遇したりしないようにします。
3. 14人のエキスパートによるルーター（A Fourteen-Expert Router）： 14種類の異なる「エキスパート」（高血圧や住居など、各支援の種類に応じた専門家）が、最善の動きについて投票します。

PEARLをテストしたところ、劇的な変化が見られました。

• 介入のミスマッチを**27.0%からわずか2.0%**へと減少させました。
• これは、完璧なスコアへの**92.6%**の減少です。
• 論文では、「患者内のシグナル」だけでも大部分の役割を果たし、ミスマッチを**4.4%**まで下げたことが記されています。しかし、「公平性」の部分を取り除くと、システムは実際には以前よりも悪化し（**38.7～42.2%**へ上昇）、公平性が単なる「あれば嬉しいもの」ではなく、システムが機能するために不可欠であることを証明しました。

彼らが否定したもの

この論文は、自らの主張が及ばない範囲についても非常に慎重に述べています。

• すべての人に対する魔法の杖ではありません： 彼らは13種類の異なるポリシーをテストしました。「保守的なQ学習（Conservative Q-learning）」（一種のAI）のようなものは、全体的な入院回数は改善しましたが、「誤ったアクション」の問題は解決しませんでした。イベント発生率は減少させましたが、ミスマッチ率は**32.0%**という高いまま維持されました。
• 単に「親切」であることではありません： 公平性の調整なしに過去の決定を単純に模倣する（行動クローニング）ことは、事態を悪化させました。
• Camden Coalitionの試行： 著者らは、全員が全く同じ強度の支援を受けた有名な過去の試行（Camden Coalition）を再分析しました。その結果、その試行では90.9%の患者が「誤った」アクションを受け取っていたことが分かりました（全員に同じものが提供されたため）。シミュレーションでは、もしPEARLが使用されていたならば、再入院率が15.1パーセントポイント低くなっていた可能性があることを示しました。しかし、著者らは、これは彼らのモデルに基づいたシミュレーションであり、Camdenの試行が確実に成功したであろうという証明ではないことを明言しています。

どれほど確かなのか？

著者らは自分たちの数字にかなりの自信を持っていますが、限界についても正直です。

• 彼らは「二重に頑健な反事実的モデリング（doubly robust counterfactual modeling）」と呼ばれる堅牢な手法を用いてミスマッチを測定しました。
• 彼らは20種類の感度分析（ルールを少しずつ変えて結果が維持されるかを確認する作業）を実行しましたが、PEARLはほとんどのケースで**2.0%**に留まりました。
• 彼らは11.92というE値を算出しました。これは、「私たちの結果が間違っているとすれば、実際に測定したどの要因よりも、アクションとアウトカムの両方を予測できるほど強力な隠れた要因が11.92倍存在しなければならない」ということを意味する高度な指標です。これは非常に大きな数値であり、彼らは結果が現実であると確信しています。
• しかし、彼らは「患者内自然実験」は「ケアを受けること」対「受けないこと」の効果を測定しているのであり、完璧なラボ環境における「住居 vs 食料」のような直接対決を測定しているわけではないことを認めています。彼らは選択の「質」を測定しており、その選択がリアルタイムで機能することを証明するための新しい臨床試験を行っているわけではありません（ただし、まさにそれを行うための新しい試験を計画しています）。

結論

この論文は、「介入のミスマッチ」が修正可能な、実在する測定可能な現象であることを結論づけています。現在のシステムは、たとえそれが患者にとって最も必要なことであっても、食料や住居といった社会的ニーズを大幅に無視しています。PEARLのような、患者自身の履歴に耳を傾け、すべての人を公平に扱う手法を用いることで、この不一致を解消できます。

著者らは現在、この新しい「アクションの選択方法」が実際に病院への訪問を減らすかどうかを確認するため、24のケアチームにわたる大規模な実験の準備を進めています。それまでは、もし患者を助けたいのであれば、推測するのではなく、患者が何を最初に必要としているかを伝えるシグナルに耳を傾ける必要がある、というデータが示唆しています。