人が自ら命を絶ったあとには、たくさんの答えのない問いが残される。「なぜそんなことを？」「どうして予測できなかったんだろう？」「もっと早く助けてあげられたのでは？」

だが、もし自殺が外から容易に診断できるものなら、いまのような大問題にはならなかっただろう。2014年、米国の自殺率は過去30年間で最も高くなり、若い成人世代の死因としては2番目に多いものとなった。だが、もし人の頭の中に入り込み、陰鬱な思考を実行に移す可能性があると予測できたとしたらどうだろう？

研究者たちは脳スキャンと人工知能（AI）を利用して、まさにその実現に取り組んでいる。2017年10月30日付けで『Nature Human Behavior』誌に掲載された論文で、カーネギーメロン大学とピッツバーグ大学の研究チームは、自殺志願者の生死についての考えが通常とどう異なるかを、fMRIで計測した脳活動パターンから解析した。そして機械学習アルゴリズムにパターンを読み込ませ、自殺企図のシグナル（例えば「死」という単語を見たときの前頭葉の活性化）を特定できるようにした。

その結果、この分類演算によって、自殺志願者を90パーセント以上の精度で特定することに成功した。さらに、自殺を考えただけの人と、実際に自殺未遂に至った人とを区別することさえできた。

ただし、よく知られるとおり、このようなfMRI研究にはいくつか欠点がある。サンプルサイズが小さいため（この研究の参加者は34人）、アルゴリズムが参加者たちのなかから特定の集団を見つけることには長けていたとしても、より大規模な集団を対象とした場合にもうまくいくかどうかは定かではないのだ。

またfMRI研究では避けられない問題だが、2つのことが同時に起きたからといって、2つに因果関係があるとは限らない。さらに、循環論法という批判にも応えなければならない。研究者は往々にして、脳のある部位がある機能を担うと決めつけてから、その部位を活性化する刺激を取捨選択し、それをもって主張の根拠としがちなのだ。

単語に関する問いへの反応をチェック

今回、研究チームはまず、最近セラピストに自殺願望を訴えた18～30歳の17人を対象とした。その後、チームは神経学的異常のない17人の対照群の参加者を集め、fMRIスキャンを受けさせた。スキャンの最中、実験参加者は30種類の単語をランダムに提示された。10種類は一般的にいってポジティヴな単語、10種類はネガティヴな単語で、残りの10種類は、とくに死や自殺に関連するものだった。

実験者は参加者に対して、次のような質問を行うことで、眼前のスクリーンに提示される単語について3秒間考えるよう促した。「あなたにとって『トラブル』とはどういう意味ですか？」「『気楽』についてはどうですか？ その中心的概念は何ですか？」。それぞれの単語について、研究チームは参加者の脳血流量を記録し、脳のどの部位が活動したかを記録した。

その後、研究チームは脳スキャン画像を機械学習の分類システムに取り込んだ。それぞれの単語について、どの画像が自殺志願者のもので、どの画像が対照群のものかをアルゴリズムに学習させ、この際にランダムに1人分を学習用の画像セットから取り除いた。そして、アルゴリズムが2つをうまく区別できるようになってから、取り除いていた画像について判別させた。30単語すべてについて同じことを繰り返し、毎回参加者1人分を除外しておいた。最終的に、分類システムは脳スキャン画像から、その人に自殺願望があるかどうかを91パーセントの精度で判別した。

ここで、識別精度の一般性を検証するため、チームはさらに21人の自殺志願者の画像を追加した。これらは、脳スキャン画像が不明瞭だったため、メインの分析から除外されていた参加者のものだ。もっとも差異が明瞭だった6単語（死、残酷、トラブル、気楽、良い、称賛）を利用した場合、分類システムは自殺志願者を87パーセントの精度で特定した。

カーネギーメロン大学の心理学者で、論文の筆頭著者であるマーセル・ジャストは、「ノイズの多いデータを利用しても優れた結果が得られたことは、モデルの一般性を証明しています」と語る。ただし彼は、この方法で将来の自殺企図を監視し予測できるかについては、さらなる検証が必要だとも述べた。自殺リスクのある集団とない集団を比較することと、脳スキャン画像からその脳のもち主が自殺を試みる確率を算出することは、イコールではない。

fMRIのデータは実用的ではない？

とはいえ、研究は後者の方向に進んでいる。現在のところ、患者が自殺を考えているかどうかを医師が知るには、セラピストに患者が話した内容を尋ねるしかない。だが、セラピストに自殺願望を打ち明けない患者は多い。

ある研究では、入院中または退院直後に自殺した人の80パーセント近くが、最後に診察したメンタルヘルス専門家に対し、自殺願望はないと話していた。このことからも、よりよい自殺予防ツールが必要なのは明らかだ。AIを活用してギャップを埋める絶好のチャンスと言ってもいい。

ただ、こうしたツールに関して、fMRIデータの出番はおそらくないだろう。単純な話、fMRIは実用的ではないのだ。スキャンするには数千ドルの費用がかかり、それを保険でカヴァーできるのは明確な医学的根拠がある場合、すなわち、「どこが悪いのか診断するには患者を巨大磁石に入れるしかない」と医師が認める場合だけだ。

fMRIを利用した神経科学の研究論文が多数発表される一方で、病院でのfMRIの使用は非常にまれな症例に限られている。まさにそれが理由で、ほとんどの病院はこの医療機器をもっていない。そのため、ジャストは今回の研究を、患者の頭に電気センサーを装着して再現しようと考えている。

脳電図（EEG）機器の価格はfMRIの100分の1だ。自殺企図を予測する脳スキャンシグナルと、脳電図の計測値の対応関係がわかれば、医師たちははるかに安価な方法で、高リスク患者を特定できるようになるはずだ。

電子カルテのデータからの予測にも成功

もっと利用しやすいデータから、差し迫った自殺の兆候を読み解こうとしている研究者もいる。フロリダ州立大学とヴァンダービルト大学の研究チームは、機械学習アルゴリズムに、過去20年間に自殺を図ったことのある3,250人の電子カルテを読み込ませた。そしてアルゴリズムに、脳活動パターンではなく、年齢、性別、処方薬、既往歴などのデータから、自殺企図の有無を判断させた。その結果、ある人が将来自殺を図るかどうかを、85パーセントの精度で予測することに成功した。

ヴァンダービルト大学の内科医で医療情報学者でもあるコリン・ウェルシュは、このように語る。「わたしは臨床医ですが、これらの情報はいずれも単独では注意を喚起するものではありません。しかしコンピューターは、自殺リスクを予測する特定の特徴の組み合わせを発見することができるのです」

ウェルシュは、自身も開発にかかわったこのアルゴリズムを、患者のモニタリングツールとして大学の地元ナッシュヴィルの医師や医療従事者が利用できるようにするべく、改良に取り組んでいる。「実用性のためには、すでに日常的に収集されているデータを利用するものである必要があります。新たな検査も、新たなイメージング研究もなしです。わたしたちが医療記録に注目したのは、すでにそれに基づいてさまざまな治療が施されているからです」

さらに上流でも、さまざまなデータマイニングがおこなわれている。公衆衛生学者は、自殺企図の増加傾向を見逃すまいと、Google検索の履歴を読み漁っている。フェイスブックは、ユーザーの投稿やライヴ動画を監視し、自傷行為リスクに関連する単語の組み合わせに目を光らせている。

米退役軍人局は現在、声の特徴から抑うつ状態や気分変動を示すシグナルを受動的に拾うアプリを試験運用［日本語版記事］している。グーグル傘下のライフサイエンス企業Verilyは、スマートウォッチと採血によって、同じようなバイオマーカーを見つけ出そうとしている。

こうした取り組みはすべて、インターネットやソーシャルメディアを含め、悩む人々が存在するまさにその場所に援助の手をさしのべることを目的としている。そうした人々が自ら病院を訪れたり、fMRI装置に入ってくれるのを待ってはいられないのだ。