最先端の統計手法を駆使し、データに基づいて感染症を制する 塩田佳代子さん
近年、情報化が進む中で公衆衛生などの医療分野でもデータに基づく意思決定がますます重要になっている。最先端のベイズ統計の手法を駆使した研究で感染症対策に貢献し、人々の健康を守っている米ボストン大学公衆衛生大学院アシスタントプロフェッサーの塩田佳代子さんに、データに基づく感染症対策について話を聞いた。
コロナ禍の中でいち早く信頼できるデータを示す
―感染症といえば「新型コロナ」が記憶に新しいです。流行・対策の状況などのデータを示すのにも統計的な処理が必要と思いますが、塩田さんはコロナ禍に対してどのような研究をされたのでしょうか。
まだワクチンが開発される前、2020年夏頃に累計感染者数を推計するプロジェクトに取り組みました。感染者を見積もるのによく使われる手法は抗体価の調査です。当時、私たちのチームは米国立衛生研究所(NIH)の助成金を得て全米50州の抗体価調査を行い、その中でコロナウイルスの抗体は時間と共に減少していくことを見いだしました。たとえば、ある時点で全体の30%の人が抗体を持っていたとしても、実際に感染した人はそれ以上いると分かってきたのです。
感染した直後の抗体価の増加データはありましたが、長期的な減衰については調査研究が進められているところで、データがそろうまで何カ月もかかる状況でした。パンデミックの中では、いかに早く信頼できる科学的エビデンスを示せるかが非常に重要です。コロナの死亡率を推定するにしても母数が分からなければならず、「何人が感染したのか」をいち早く知る必要がありました。そこで、米疾病予防管理センター(CDC)の2週間ごとの抗体調査データを用いて、集団レベルでどのくらい早く抗体価が減衰するのかを推定しました。
―その推定にベイズ統計を用いられたのですね。
はい。抗体価と死亡者数の時系列データをもとに、感染した人がどのくらいの期間抗体陽性になるのかを推定しました。抗体価が減衰する平均期間を90日、100日などと仮定してシミュレーションし、実際のCDC調査のデータに合致する日数を探し出しました。日数の大きい/小さい順に調べるのではなく、2日や1000日、30.0197日など1日刻みより細かい値も含めて検証し、より実際のデータに近づく値を探していく方法をとります。何百万回も試行して一番データに近づく収束値、つまり集団レベルで抗体値が減衰する期間を見つけました。そして、この値を使って抗体調査のデータを補正することで、これまでに感染した累積の人数を推定することができました。