古代ギリシャの聖地デルポイ（デルフォイ）には、アポロン神の神託を授ける巫女がいた。その言葉は時に曖昧でありながら、国家の運命すら左右したという。21世紀、科学者たちはその「神託（Delphi）」の名を冠した人工知能（AI）を創り出した。このAIが告げるのは、戦争の行方や政治の未来ではない。私たち一人ひとりの、未来の健康だ。欧州の国際研究チームが科学誌『Nature』で発表したAIモデル「Delphi-2M」は、個人の医療履歴から1,000種類以上の疾患リスクを、10年以上も先まで予測するという。これは、病気になってから治す「治療医学」から、病気になる前に防ぐ「予防医学」への、歴史的な転換を告げるものとなるかもしれない。しかし、その驚異的な能力の裏には、我々が向き合わねばならない倫理的な問いと、技術的な課題が横たわっている。
神託の名を持つAI「Delphi-2M」とは何か？その驚異的な能力の核心
2025年9月、欧州分子生物学研究所（EMBL）、ドイツ癌研究センター、そしてコペンハーゲン大学からなる国際的な研究チームが、医学界とAI界を同時に揺るがす成果を発表した。それが、生成AIモデル「Delphi-2M」である。
このAIの最大の特徴は、その圧倒的なスケールと汎用性にある。従来の疾患予測AIの多くが、心血管疾患や特定のがんなど、単一の疾患リスクを予測することに特化していたのに対し、Delphi-2Mは1,000を超える広範な疾患を同時に、かつ最大で20年先までという長期間にわたって予測する能力を持つ。
この「神託」を可能にしたのは、英国が誇る大規模な生物医学研究データベース「UKバイオバンク」に登録された約50万人のうち、40万人分の膨大な医療データだ。このデータセットで訓練された後、その予測性能はデンマーク国民約190万人という、まったく別の巨大な公衆衛生データベースを用いて厳密に検証された。異なる国の、異なる医療システムで収集されたデータでもその能力が試されたのだ。
ChatGPTと同じ「Transformer」技術が心臓部
Delphi-2Mの技術的な核心は、驚くべきことに、ChatGPTのような対話型AIの基盤となっている「Transformer」アーキテクチャにある。Transformerモデルは、文章中の単語の並びや関係性を捉え、文脈を深く理解する能力に長けている。例えば、「彼は銀行の土手で釣りをした」という文で、「銀行」が金融機関ではなく「川岸」を意味することを、前後の単語との関係性から正確に理解できるのがこの技術の強みだ。
研究チームは、この言語を理解する能力を医療データに応用した。ドイツ癌研究センターのAI専門家、Moritz Gerstung氏は、このアプローチを「テキストの文法を学ぶようなもの」と巧みに表現している。
「一連の医療診断を理解することは、テキストの文法を学ぶことに少し似ています。Delphi-2Mは、医療データにおけるパターン、先行する診断、それらがどのような組み合わせで、どのような順序で発生するかを学習します」
つまり、Delphi-2Mは個人の医療履歴を一つの「物語」として読み解くのだ。「風邪」「高血圧」「糖尿病」といった一つ一つの診断（単語）が、どのような順序で、どのような間隔で現れるかという「文法」を学習することで、その物語の続き、すなわち未来に起こりうる疾患（次の単語や文章）を予測するのである。
このモデルは、単に診断名だけでなく、年齢、性別、BMI（肥満度指数）、さらには喫煙や飲酒といった生活習慣に関する情報も統合的に分析する。これらの多様な情報を「トークン」と呼ばれるデジタルデータに変換し、それらの連続したパターンから未来を紡ぎ出すのだ。
既存モデルを超えるか？驚異の予測精度とその根拠
Delphi-2Mの真価は、その予測精度の高さにある。研究チームが公表したデータによれば、多くの疾患において、既存の特化型予測モデルに匹敵、あるいはそれを上回る性能を示したという。
一つの重要な指標が「C-index」だ。これは予測モデルの性能を評価する統計的な指標で、1.0に近いほど完璧な予測を意味し、0.5は偶然と同じレベルを示す。Delphi-2Mは、5年間の予測において平均約0.85という高いC-indexを達成した。これは、多くの臨床現場で用いられる予測モデルと比較しても、非常に優れた数値である。
英国の標準的リスク評価ツール「QRISK」との比較
その実力を示す象徴的な例が、英国の家庭医が心臓発作や脳卒中のリスク評価に用いる標準ツール「QRISK3」との比較だ。提供された資料によれば、Delphi-2Mは、このQRISK3を上回る精度を示す場面があったと報告されている。
これは画期的なことだ。QRISK3は心血管疾患に特化して最適化されたツールである。一方、Delphi-2Mは1,000以上の疾患を同時に扱う汎用モデルでありながら、特定の分野で専門ツールを超える性能を発揮したことになる。これは、疾患間の相互作用や、時間経過に伴う複雑な健康状態の変化といった、これまで捉えきれなかったパターンをAIが学習している可能性を示唆している。
例えば、ある種の消化器系疾患が、数年後の心疾患リスクにどう影響するか。あるいは、若い頃の自己免疫疾患が、老年期の神経系疾患とどう関連しているか。Delphi-2Mは、こうした無数の疾患が織りなす複雑なタペストリー全体を俯瞰し、個々の糸の行き先を予測しているのかもしれない。
なぜ「神託」は未来を見通せるのか？予測の根拠を探る試み
強力なAIモデルには、しばしば「ブラックボックス問題」がつきまとう。なぜその結論に至ったのか、人間には理解できないという問題だ。医療のように人命に関わる分野では、これは致命的な欠点となりうる。医師は「AIがそう言っているので、この治療をします」とは言えないからだ。
しかし、Delphi-2Mの研究チームは、この問題にも正面から取り組んでいる。「説明可能なAI（Explainable AI, XAI）」と呼ばれる技術を用い、予測の根拠を可視化しようと試みているのだ。
Natureに掲載された論文では、SHAP（SHapley Additive exPlanations）という手法を用いて、個々の診断や生活習慣が、未来の特定の疾患リスクにどれだけ影響を与えたかを分析している。
論文に示されたある症例では、一連の消化器系（ICD-10分類の第XI章）の診断履歴が、その後の膵臓がんのリスクを19倍にまで高めていたことが明確に示されている。さらに、その膵臓がんの診断が、今度は死亡率を1万倍近くも押し上げる最大の要因となったことも可視化されている。
これは、AIが単に「膵臓がんのリスクが高い」と結論を出すだけでなく、「過去のAという診断、Bという診断が、これだけの重みでリスクを高めています」と、その思考プロセスの一端を人間が理解できる形で示せることを意味する。この「説明可能性」は、AIが臨床現場で信頼を得て、医師の意思決定を支援するパートナーとなるための、不可欠な要素と言えるだろう。
Delphi-2Mが直面する「アキレス腱」と倫理的ジレンマ
Delphi-2Mがもたらす未来は輝かしいものばかりではない。その能力が強力であるからこそ、慎重に扱わなければならない課題やリスクも浮き彫りになっている。
課題1：データセットの「偏り」というアキレス腱
最初の、そして最大の課題は、AIの学習基盤となったデータの偏りだ。UKバイオバンクの参加者は、英国の一般人口と比較して、白人が多く、平均してより裕福で、健康な傾向があることが知られている。また、参加者の募集時年齢は40歳から70歳であり、若年層や80歳以上の高齢者のデータは限られている。
この偏りは、AIの予測能力に直接影響を与える。「健康なボランティアバイアス」とも呼ばれるこの現象により、AIは特定の民族や社会経済的背景を持つ人々に対しては高い精度を発揮する一方で、マイノリティや貧困層、あるいは特定の健康課題を抱える人々に対しては、予測精度が低下する可能性がある。
英国工学技術学会のフェローであるPeter Bannister氏も、この点を指摘し、「（英国とデンマークの）両データセットは年齢、民族、現在の医療結果の点で偏りがあるため、医療の改善にはまだ長い道のりがある」とコメントしている。この「神託」がすべての人々にとって公平であるためには、より多様で代表性の高いデータセットで訓練と検証を重ねる必要がある。
課題2：「知る権利」と「知りたくない権利」
もし、あなたが20年後に特定の難病を発症する確率が90%だと告げられたら、どうするだろうか？
この問いは、Delphi-2Mのような予測技術がもたらす、根源的な倫理的ジレンマを突きつけている。ポツダム大学で医療倫理を専門とするRobert Ranisch教授は、この点に警鐘を鳴らす。
「たとえ最高のモデルであっても、それはパターンを認識するだけで、未来を予言するわけではありません。患者にとって、そのような予後が運命の宣告ではないことを明確にしなければなりません。しかし、それは予防や治療の決定への手がかりを提供する可能性があります。（中略）知りたくない権利は、依然として極めて重要です」
予測はあくまで確率であり、運命ではない。しかし、その情報が与える心理的負担は計り知れない。また、ハイデルベルク大学のMarkus Herrmann博士も、「人々は、差し迫った病気への心配や恐怖の中で人生を送らない権利、すなわち『知らないでいる権利』も持っている」と指摘する。
個人の自律性を尊重し、情報を提供するか否か、どのように提供するかについて、社会全体での深い議論と、慎重なガイドライン策定が不可欠となる。
課題3：保険や雇用における悪用のリスク
Ranisch教授は、さらに深刻な懸念も示している。「このようなAIモデルが、保険会社や雇用主などの間で、誤った欲望を掻き立てることが懸念されます」。
将来の疾患リスクという極めて個人的な情報が、保険の加入拒否や保険料の引き上げ、あるいは採用差別といった形で悪用されるリスクは、決して無視できない。予測がどれだけ正確かということ以上に、「正確に予測できるという幻想」が、人々を不当に不利な立場に追いやる可能性があるのだ。
このようなAIモデルを社会に導入する際には、その利用範囲を厳格に定め、差別や不利益が生じないようにするための法的な枠組みを同時に整備することが絶対条件となるだろう。
医療の未来はどう変わるか？「神託」が拓く新たな地平
数々の課題を抱えつつも、Delphi-2Mが切り拓く未来への可能性は計り知れない。
「予防医学」時代の本格的な幕開け
最大のインパクトは、やはり「予防医学」の分野で期待される。EMBLの共著者であるTom Fitzgerald氏は、Delphi-2Mのようなシステムが「モニタリングや、場合によってはより早期の臨床介入を導き、効果的な予防医療の実現に役立つ可能性がある」と述べている。
例えば、現在は年齢のみを基準に行われているがん検診を、Delphi-2Mによる個別リスク評価に基づいて最適化することが考えられる。リスクが高いと予測された人には、より早い年齢から、より頻繁な検診を推奨する。逆にリスクが低い人には、過剰な検査を避ける。これにより、病気の早期発見率を高めると同時に、医療全体の効率化も図れるかもしれない。
医療資源の最適化への貢献
Fitzgerald氏はまた、より大きなスケールで「逼迫した医療システム全体のリソース最適化」に貢献できる可能性にも言及している。
国や地域レベルで将来の疾患負担を予測できれば、どの分野にどれだけの医師や病床、予算を配分すべきか、よりデータに基づいた計画立案が可能になる。高齢化が進む多くの国にとって、これは喫緊の課題であり、Delphi-2Mのようなツールは、持続可能な医療制度を設計するための羅針盤となりうる。
臨床応用への長い道のり
ただし、研究者自身が繰り返し強調しているように、Delphi-2Mはまだ研究段階のツールであり、臨床現場ですぐに使えるわけではない。データの偏りの問題に加え、さらなる精度検証、そして倫理的・法的な枠組みの整備など、乗り越えるべきハードルは多い。
キングス・カレッジ・ロンドンのGustavo Sudre教授は、この研究を「スケーラブルで、解釈可能で、そして最も重要なことに、倫理的に責任ある予測モデリングに向けた重要な一歩」と評価しつつも、その道のりがまだ始まったばかりであることを示唆している。
AIという新たな「神託」は、私たちに未来を垣間見る力を与えようとしている。それは、病を未然に防ぎ、より多くの人々が健康に長生きできる社会への扉を開く鍵となるかもしれない。しかし、その扉を開く前に、私たちはその力の使い方を学ばなければならない。技術の進歩だけでは答えの出ない、人間の知恵と倫理観が今、問われているのだ。Delphi-2Mの登場は、医療の未来だけでなく、私たち自身の未来への向き合い方を問い直す、壮大な物語の序章なのである。
論文
参考文献