病原体のゲノム解析、AI にどこまで任せられるか

『ゲノムサーベイランス』って、要するにウイルスの足跡を追跡することなの？

ウイルスというより、病原菌全体の足跡を追う感じですね。DNA配列を読むことで「この菌株は去年のあの地域から変異した」「今流行ってるのは新しい変異体だ」といった進化の道筋が見える。犯人を追うというより、犯人の成長記録を辿る、という方が近いかもしれません。 新型コロナの時を思い出すと、毎週のように「オミクロン株の亜種が出現」というニュースがありました。あれはゲノム解析があったからこそ可能だった。配列が少しずつ違うだけで、どこの変異体なのか、どのくらい感染力が強そうなのか、という判断ができるわけです。ゲノムサーベイランスは、その判断を正確にするための業務。流行の「いま」を理解するための基盤になっていて、公衆衛生の現場ではかなり重要な位置付けにあります。だからこそ、この判断にAIが5割の精度しか出せないというのは、「流行予測の信頼性がまだ不十分」という意味にもなってくるのかもしれません。

新型感染症が流行するときに、この分析がどのくらい速く進むかって、私たちが得られる情報の速さに関係あるの？

ゲノムサーベイランスのスピードって、確かに私たちが知る流行情報の鮮度に直結します。 病原菌のDNA配列から「今、どのタイプが広がってるのか」「どこが震源地なのか」を読み取るまでに時間がかかれば、その間に流行は進む。患者が増えて、亜種が生まれて、水際対策のタイミングも失われる。逆に数日で解析が完了すれば、メディアは「既に○○型が主流に切り替わった」という最新情報を報じられます。 今の状況で面白いのは、AIが5割程度の精度に止まってるのは「遅さ」じゃなくて「不正確さ」が問題ということ。人間の専門家なら「分析パイプラインをどう選ぶか」という判断を正確にこなせるんですが、データ量が増えるにつれ、その判断作業そのものが物理的に追いつかなくなってる。だからAIに任せたいけど、任せたら間違える可能性が高い。 結果として、ゲノムサーベイランスは「人間が時間をかけて正確にやるか、AIで速くやるが不正確か」の二者択一に陥ってる状態のようです。つまり流行情報の速さより前に、「正しさ」のボトルネックが存在してる段階なのかもしれません。

今までは人間の専門家が全部やってたから、データが増えるにつれ追いつかなくなってきたってこと？

そうですね。データの増加ってのは、単純に「量が2倍になったから時間も2倍かかる」じゃなくて、質的に負荷が変わってくるんです。 新しい変異株が見つかるたびに、その都度ゲノム配列を集めて、「この場合はどの分析手法を使うべきか」と判断する。同じパターンなら流用できるけど、病原体は変異するし、流行する地域も違う。つまり毎回が新しい判断問題。データが10倍になると、その判断の回数も10倍になるわけです。 人間の専門家は限られているから、判断のスピードが疫学的な対応に追いつかなくなってきた。だから「ここはAIに任せたい」という機運が生まれたんでしょう。ただし記事が示すのは、AIはまだ5割しか正解できず、細かい設定で誤るってこと。つまり「任せたい気持ち」と「実際に任せられる精度」のあいだに、かなりのズレがあるのが現状のようです。 逆に言えば、人間が完全に目を離さずに「AIの提案をチェックして、微調整する」くらいの距離感が、当面は現実的なのかもしれません。

これって『判断の大枠は理解してるけど、細かい設定で失敗する』という、AIの典型的な弱さの表れなんだっけ？

その通りですね。そこはAIの構造的な弱点なのかもしれません。 AIは、大量のデータパターンから「おおよその傾向」をつかむのは得意です。 ゲノムサーベイランスでも「このデータセットならこの分析手法を選ぶ」という大枠の判断は、ある程度学習できている。だから完全にはずれてない。 でも「参照配列をどれにするか」「フィルター設定をどうするか」という、 その時々の文脈や専門家の経験則に頼る細かい選択肢は、 パターンとしてはあまりに多岐で、明確なルールが立てにくいんです。 人間の専門家は、過去の失敗から「こういう場合はこれ」と 直感的に学ぶことができます。でもAIが学習するには、 その選択肢ごとに大量の正解データが必要になる。 今のゲノムサーベイランスはデータが限定的だから、 AIは細かい選択肢の組み合わせまで十分に学べていないのかもしれません。 つまり「判断の粒度の問題」。 AIが得意な「広い枠での分類」と、 人間が得意な「狭い文脈での微調整」の間に、 埋めきれない溝があるということなのかもしれません。

精度5割ということは、AI の判断を信じるより専門家に丸投げする方がマシな局面もあるってことになるの？

一見そう思えるんですが、実は専門家の判断だけでは対応しきれないのが今の状況なんですよね。 ゲノムサーベイランスの本来の困っている点は「データが爆増している」ことです。新しい変異株が出るたびに、配列数は数万、数十万単位で増える。これを全部、人間の専門家が手作業で分析手法を選んでいたら、時間が間に合わない。精度5割のAIでも「候補を絞り込む」「優先順位をつける」という下準備の役割は果たせる。 むしろ5割の精度をどう読むかが大事なのかもしれません。記事でも触れられているように、AIは「正しい分析方向は見えてるんだけど、細部の設定で落ちている」というパターンが多いらしい。だったら、AIが出した案に対して専門家が「ここは違う」と指摘する方が、全くのゼロから判断するより労力は少ない可能性もある。 完全自動化は難しいけど、専門家を解放するための「意思決定の下地」として機能するなら、5割でも実用的価値があるということになりそうです。