処方箋の調剤や検査の請求が行われるたびに、医療レセプトという膨大な台帳に新たな記録が追加されます。これまで、これらの記録は研究用ではなく払い戻しのための事務的なノイズとして扱われてきました。しかし、こうしたレセプトの時系列データから直接学習した新しい基盤モデルが登場し、疾患の発症予測や臨床試験結果のエミュレーションにおいて顕著な精度を示しています。このモデルは、各患者の履歴を診断名、処置、薬剤、受診形態といった標準化されたコードの時系列シーケンスとして処理します。これは、最新の言語モデルが文章を解析する手法に似ています。
数百万件もの診療の軌跡から統計的な関係性を学習することで、このモデルは心不全、慢性腎臓病、あるいは特定のがんといった疾患に先行するシグナルを、数年も前から特定することが可能です。レセプトデータはすでに標準化され、人口規模で収集されているため、生の電子カルテが抱えるデータの断片化やプライバシー保護の障壁を回避できる利点があります。初期の成果によれば、このモデルは異なる治療経路をたどった場合に何が起こったかをシミュレートすることも可能であり、被験者の募集やランダム化を行うことなく、一種の臨床試験エミュレーションを実現しています。
従来の臨床試験は依然として時間がかかり、高コストで、複数の疾患を抱えたり多剤併用を行ったりしている現実世界の患者を必ずしも代表していないという課題があります。レセプトデータからの観察的エミュレーションは、より迅速に、かつ広範なグループに対して効果の推定値を提供できます。ただし、研究者らは、データに現れない交絡因子や、請求業務に起因するコーディングの選択が依然として確実性を制限していると注意を促しています。
この技術の実用的な影響は、日常生活に即座に現れる可能性があります。保険会社や医療システムがこれらの予測を利用すれば、早期スクリーニングや予防プログラムの対象者を特定できるでしょう。その一方で、症状が出る前に保険の適用範囲や保険料の算出に影響を与える可能性も否定できません。レセプトデータは生物学的な事実だけでなく、医療へのアクセス、コーディングの慣行、経済的インセンティブを反映しています。そのため、これらのデータで訓練されたモデルは、誰が診断や治療を受けるかという既存の格差を増幅させるリスクを孕んでいます。保険加入歴が不連続であったり、医療利用頻度が低かったりする人々は、系統的に予測から漏れたり、過剰にフラグを立てられたりする可能性があります。
これは「日記」と「家計簿」の違いに例えることができます。日記には本人の感情が記されるかもしれませんが、家計簿にはいつ何に支払ったかという事実のみが残ります。しかし、家計簿のパターン、例えば専門医への繰り返しの訪問や特定の薬の購入、あるいは定期的な処置の後の救急請求などは、日記では見落とされる健康状態の軌跡を明らかにします。基盤モデルは、人口規模でこの「家計簿」を読み解き、事務的な記録を確率的な予測へと変換します。製薬開発者は仮説生成や市販後調査の迅速化を期待していますが、規制当局は、エミュレーションによる証拠がいつラベル表示や保険適用の判断に利用できるほど信頼できるかという課題に直面しています。
患者の多くは、自分のレセプトデータがこのように利用されていることを知らず、予測が生成された後の救済措置も限られています。既存のシステムを流れるデータを活用できるというモデルの強みは、研究の同意枠組みの外で入力データが収集されるため、監視を困難にする要因にもなります。精度は疾患や人口統計によって依然としてばらつきがあり、独立したデータセットによる外部検証も限定的です。モデルが優れた性能を発揮する場合、それは臨床医が予見しながらも定量化できなかった相関関係を検出しているためですが、失敗する場合は、生物学的な洞察の欠如ではなく、不完全または偏った過去のパターンに起因することが多いのです。決定的な問いは、技術的に予測が可能かどうかではなく、機関がこれらの予測を早期ケアの拡大に用いるのか、それとも個人の主体性を損なう形で資源配分やリスク管理の効率化に用いるのかという点にあります。
