疾患リスク予測をどう生かすか ─ 疫学と予防医学の視点
疾患リスク予測はなぜ必要なのか？因果推論との違いを整理し、予測モデルが臨床・政策で意味を持つ3つの条件を疫学者の視点から考察するシリーズ第1回。
遺伝子とリスク予測
妊娠高血圧腎症の発症リスクを、妊婦とそのパートナーの遺伝的リスクまで加味して予測する論文を発表しました。妊娠高血圧腎症の発症リスク予測モデルの開発には、かれこれ五年間（計三論文）取り組んできましたが、本論文は「遺伝情報」という新領域に踏み出した、世界に先駆ける研究成果となりました。予防医学を目指すうえで、個人の遺伝的体質は避けて通れない必須要素であり、今後もさまざまな分野で応用されることを願っています。
研究の原点、「なぜ予測するのか」
さて、本論文は自分の研究の一区切りとなるものでしたが、常に頭を悩ませていた問いがあります。
「なぜ疾患発症リスクを予測する必要があるのか？」
データを扱っていると、ある意味で本能的に「予測」したくなるもので、私の研究のスタートもその本能に導かれたものでした。しかし、当時医学部生だった私には、妊娠高血圧腎症の予測モデルが産科領域でなぜそこまで重要視されるのか、理解できていませんでした。
それでも、先行研究で数多くの予測モデルが報告されている事実は、そこに何らかの意義があることを示しています。
疫学研究の主流 ── 因果推論という考え方
疫学研究のメインストリームは、**因果推論（causal inference）**に基づく研究です。
予測モデルを主題とする論文は、臨床よりもデータサイエンス寄りのものが多く、臨床論文では因果推論の“おまけ”的に扱われることもしばしばです。
因果推論研究の核心は、
「もしこの暴露・介入がなかったら（あったら）どうなるか」
を問うことにあります。これは臨床での意思決定や医療政策の策定に直結する重要なリサーチテーマです。
例えば、
- この投薬で血圧が 5 mmHg 下がる
- 軽い運動でも循環器疾患リスクが 3% 減る
といった知見は、直感的に臨床の場で役立つと想像できます。
リスク予測と因果推論の違い
では予測モデルはどうでしょうか。個人のリスクが分かれば臨床は変わるのでしょうか。
多くの場合、予測モデルの臨床応用はハードルが高いです。とくに頻繁に見かける誤解は、
予測モデルで介入効果を論じてしまうこと
です。
例
肺がん発症リスク予測モデルを作成し、
- 基礎特性
- 喫煙状況
- 血清サイトカイン値
を変数に用いたとします。
ある喫煙者の 10年後リスクが 5% と推定されました。ここで喫煙状況を「喫煙なし」に書き換えると、モデルはリスクを 4% と更新しました。
しかし、この 1%差は「禁煙でリスクが1%減る」ことを意味しません。
理由は、
- 禁煙に伴うサイトカイン変動が反映されていない
- 実際の介入過程とモデルが乖離している
ためです。
リスク予測的なアプローチは一部（g-method など）を除き、因果推論の原則を満たしていません。
介入効果を知りたいなら、最初から因果推論を用いるべき
予測モデルの回帰係数や寄与度を介入効果とみなしてはいけない
リスク予測が意味を持つとき
私の理解する予測モデルの意義は、以下の3点に集約されます。
- 疾患リスクを提示することで、個人の行動変容が見込まれるとき
- 疾患リスクに応じて、医療介入が変わるとき
- 疾患リスクが医療政策を左右するとき
つまり、
患者・医療者・為政者がリスク情報に基づいて意思決定を変えるかどうか
に尽きます。