ハーバード大学の自殺予測AI——「予知医療」が直面する、倫理とアルゴリズムの死角

テクノロジーの進化が医療領域に急速に浸透する中、一つの研究成果が議論を呼んでいます。ハーバード大学の研究チームが発表した「1週間以内に自殺企図する人物を75%の精度で予測するAI」です。一見、命を救うための革新的なテクノロジーに思えますが、その背後には、データ科学の可能性と倫理的課題が複雑に絡み合っています。

自殺は全世界で深刻な公衆衛生課題です。特に若年層にとって、交通事故や病気よりも死因の上位に位置する国も少なくありません。もしAIによって高リスク者を早期に特定できれば、介入治療や心理的サポートを提供する機会が生まれます。しかし、この「予知医療」には、テクノロジー社会が直面すべき根本的な問題が潜んでいるのです。

機械学習が「予兆」をどう掴んでいるのか——データマイニングの中身

ハーバード大学の研究が高い精度を達成した背景には、大規模な医療データセットへのアクセスと、高度な機械学習アルゴリズムの活用があります。研究チームは、電子カルテ（EHR）、精神科診療記録、さらには緊急搬送データなど、複数の医療情報源を統合分析しました。

具体的には、患者の過去の精神医学的治療履歴、処方薬の種類と用量、入院・退院パターン、さらには診療の頻度変化といった特徴量（フィーチャー）を抽出。ディープラーニングやランダムフォレストなどのアンサンブル学習を用いることで、複数の因子の相互作用を捉えています。

重要な点は、このAIは単純な「リスクスコア」を出しているのではなく、多次元のデータパターンから「1週間以内」という極めて短期的な予測を実現していることです。通常、精神医学的な予測は長期的視点に立つものですが、このAIの時間軸の短さこそが、医療現場での即座の介入を可能にする武器となっています。

75%精度の功と罪——「偽陽性」がもたらす社会的コスト

75%という数字は、一見優れた精度のように見えます。しかし、予測AIの評価には「精度（accuracy）」だけでなく、より深い分析が必要です。

偽陽性（False Positive）の問題：実際には自殺企図しない人を「高リスク」と誤分類される割合。医療現場では過剰な介入や監視につながる可能性
偽陰性（False Negative）の問題：実際に自殺企図する人を見落とすリスク。どちらのエラーをより重視すべきか、医学的・倫理的判断が問われる
ベースレート問題：自殺企図の全人口における発生率は極めて低いため、たとえ高精度のAIでも、実運用では多くの誤分類が生じる可能性がある

例えば、1000人中、実際に自殺企図する人が5人だとします。75%精度のAIを運用すれば、理論上は約250人が「高リスク」と判定されるかもしれません。すると、医療機関は245人の「過剰診断」に対応することになり、限られたメンタルヘルスリソースが逼迫します。

つまり、テクノロジーの精度と、社会実装の効率性には、必ずしも相関がないのです。

プライバシー、監視、そして医療データの「所有権」問題

この研究が真に議論すべき課題は、むしろデータ倫理の領域にあります。

ハーバード大学のチームが利用したのは、電子カルテを含む「実在する患者データ」です。その患者たちは、研究者による自殺予測AIの開発に同意していたでしょうか？多くの場合、匿名化・脱識別化されたデータとして利用されていますが、完全な匿名性が保証されているわけではありません。

さらに深刻な問題は、このAIが「予測」ではなく「監視」へと転化する可能性です。一度「高リスク患者」のレッテルが貼られれば、その人物のデジタル足跡（検索履歴、SNS投稿、位置情報）までもが監視対象になりかねません。医療現場では善意でも、データが保険会社や雇用主に流出すれば、差別や不利益につながるリスクは消えません。