【世界のパラドックス】陽性のパラドックス ─ 検査で陽性でも病気でない確率が高い？

当サイトを閲覧いただきありがとうございます。 本記事は「陽性のパラドックス（偽陽性のパラドックス）」について解説します。

健康診断を受けて「陽性」と言われたら不安になるのは当然ですが、精度99%の検査で陽性が出ても、実際に病気である確率はわずか50%以下になりうるのです。数字のマジックではなく、確率論が示す厳然たる事実です。

具体例で見る

ハーバード大学医学部で行われた有名な調査では、医師や医学生に同様の問題を出したところ、約半数が正しく答えられなかったと報告されています。専門家ですら陥る直感の罠なのだと思います。

ある病気の有病率が0.1%（1000人に1人）だとします。この病気を検出する検査の精度は以下の通りです。

• 病気の人を正しく陽性と判定する確率（感度）：99%
• 健康な人を正しく陰性と判定する確率（特異度）：99%

一見すると非常に優秀な検査に思えます。しかし、10万人にこの検査を行った場合の結果を見てみましょう。

10万人のうち病気の人は100人（有病率0.1%）、健康な人は99,900人です。

病気の100人のうち、99人が正しく陽性と判定されます（感度99%）。健康な99,900人のうち、999人が誤って陽性と判定されます（偽陽性率1%）。

結局のところ、陽性と判定された人は合計で99 + 999 = 1,098人。そのうち本当に病気なのは99人だけです。

陽性と出ても実際に病気である確率は、99 ÷ 1,098 ≒ 約9%にすぎないのではないでしょうか。

なぜこうなるのか

カギは「有病率の低さ」にあります。

病気が珍しいため、検査を受ける人の大多数は健康です。精度99%の検査でも、健康な人の1%を誤って陽性と判定してしまいます。母数が圧倒的に多い健康な人のわずか1%が、数少ない本当の陽性者を数で圧倒してしまいます。

これは事前確率（有病率）が結果の解釈を根本的に左右することを示しています。検査の精度だけを見ていては正しい判断ができません。

この構造を理解するための直感的な考え方があります。「検査を受ける前に自分が病気である確率」が0.1%しかないのであれば、検査結果がどうであれ、出発点はその低い確率です。精度99%の検査は強力な証拠を提供しますが、0.1%というあまりにも低い出発点を覆すには、1回の検査だけでは不十分なのです。

ベイズの定理

このパラドックスを数学的に説明するのがベイズの定理です。

検査で陽性が出た場合に実際に病気である確率（陽性適中率）は、単に検査の精度だけでなく、有病率も考慮して計算する必要があります。有病率が低い病気ほど、陽性が出ても実際には病気でない確率が高くなります。

逆に、有病率が高い病気（例えば50%）であれば、精度99%の検査で陽性が出た場合、実際に病気である確率は99%を超えます。同じ検査でも、対象集団によって結果の意味がまったく変わるということです。

実生活への影響

このパラドックスは現実の医療に大きな影響を及ぼしています。

大規模なスクリーニング検査では、まさにこの問題が発生します。健康な人を大量に検査すると偽陽性が多発し、不必要な精密検査や不安を生みます。これが、一部の検査にリスクの高い集団のみを対象とするという方針がとられる理由の一つです。

新型コロナウイルスの流行時にも、無症状者への大規模検査の意義をめぐってこのパラドックスが議論されました。検査精度だけでなく、その集団での感染率を考慮しなければ結果を正しく解釈できません。

陽性の意味を上げる3つの方法

珍しい病気ほど陽性が当てにならないなら、どうすればよいのでしょうか。手立ては3つあります。

・対象を絞る：症状や年齢、家族歴で絞り込んでから検査する。有病率そのものを上げる ・特異度を上げる：偽陽性を減らす。感度を上げるより効果が大きい ・検査を重ねる：性質の異なる検査を組み合わせ、両方陽性の場合だけ陽性とする

意外に思われるのが2つめです。珍しい病気では、感度より特異度のほうがはるかに大きく響きます。

有病率0.1%の場合、10万人のうち病気なのは100人しかいません。感度を99%から100%へ上げても拾える人は1人増えるだけですが、一方で、特異度を99%から99.9%へ上げると、偽陽性が999人から約100人へ激減します。

母数が桁違いなので、健康な人を正しく除外する能力の方が結果を左右するという話になります。

3つめの組み合わせも強力です。無関係な仕組みの検査を2つ通せば、偽陽性は掛け算で減ります。それぞれ1%の空振りなら、両方が空振りする確率は1万分の1になります。

集団検診でまず簡易検査を行い、陽性者にだけ精密検査を実施するのは、1つめと3つめを同時に使った設計です。「精度の高い検査を全員に」より、「対象を絞ってから重ねる」方が効率がよいことになるのだと思います。

医療以外への応用

陽性のパラドックスは医療に限った話ではありません。

「テロリスト検出」：空港の顔認識システムが精度99.9%でテロリストを検出できたとしても、搭乗者100万人のうちテロリストが1人しかいなければ、アラームの大多数は誤報です。999人の無実の人が誤って止められ、現場は混乱します。

「迷惑メールフィルタ」：精度の高いスパムフィルタでも、正常なメールが圧倒的に多い場合、誤ってスパムに分類される正常メール（偽陽性）は相当数に上ります。

「裁判の証拠」：DNA鑑定で一致確率が100万分の1と言われても、容疑者が大都市の住民全体から絞り込まれていなければ、その「一致」の意味は直感とは大きく異なります。

対策：再検査の威力

陽性のパラドックスへの最も実用的な対処法は「再検査」です。最初の検査で陽性が出た後、もう一度同じ検査を受けた場合を考えてみましょう。

1回目の陽性で「病気である確率」は0.1%から約9%に上がりました。この9%を新しい事前確率として2回目の検査結果を解釈すると、2回続けて陽性が出た場合に実際に病気である確率は約91%まで跳ね上がります。これが精密検査（二次検査）の論理的根拠になっています。

有病率が変われば結論も変わる

この問題でいちばん効いているのは検査の精度ではなく、その病気がどれくらい珍しいかです。

有病率別の陽性的中率

感度99%・特異度99%という同じ検査を、有病率だけ変えて使った場合の結果を並べます。10万人が受検したとして計算しています。

検査の性能は一切変えていないのに、陽性の意味が1%から99%まで動きます。

有病率1%のところが分岐点で、ここでちょうど半々になります。それより珍しい病気では、陽性と出ても外れの方が多くなるということですね。

用語を整理しておく

この分野は似た言葉が多いので、対応を押さえておくと混乱しません。

・感度：病気の人を正しく陽性と判定する割合。見逃しの少なさ ・特異度：健康な人を正しく陰性と判定する割合。空振りの少なさ ・陽性的中率：陽性と出た人が実際に病気である割合。有病率に左右される ・陰性的中率：陰性と出た人が実際に健康である割合。珍しい病気ではほぼ100%になる

混同されがちなのが、感度と陽性的中率です。「精度99%の検査」と宣伝されるとき示されているのは前者で、受けた人が知りたいのは後者になります。

前者は検査そのものの性能なので有病率に左右されませんが、後者は同じ検査でも対象集団によって桁違いに変わります。

この区別が、集団検診と精密検査を分ける理由でもあります。まず簡易な検査で対象を絞り、有病率が高まった集団に対して精密検査をかける。表の上から下へ移動させる手続きだと考えると、二段構えの意味がよく分かると思います。

数字ではなく人数で考える

この種の問題は、確率で説明されると理解しにくく、実際の人数に直すと一気に分かりやすくなることが知られています。

たとえば次の2つは同じ内容です。

・確率での説明：有病率0.1%、感度99%、特異度99%のとき、陽性的中率は約9% ・人数での説明：1万人中10人が病気。うち約10人が陽性。健康な9,990人のうち約100人も陽性。合計110人の陽性者のうち本当の病気は10人

後者なら、健康な人の母数が桁違いに大きいことが一目で見えると思います。

心理学者ゲルト・ギーゲレンツァーは、医師を対象にした調査でこの効果を確かめています。確率で出題すると正答率は低かったのに、自然頻度と呼ばれる人数の形で出題すると正答率が大きく改善したという結果です。

・確率は割り算を経ているので、元の母数の情報が消えている ・人数なら母数がそのまま残るので、比較が視覚的にできる

医療現場での説明や、社内での数字の共有でも同じことが言えて、パーセントに直した瞬間に、いちばん大事な母数が見えなくなります。もとの人数を併記するだけで、誤解はかなり減らせると思います。

検査を受ける側の立場で考えると、私は事前確率を伝えずに陽性という結果だけを示すことのほうが問題だと感じます。同じ陽性でも、意味がまるで違ってくるからです。

確率の直感を裏切る関連パラドックス

陽性のパラドックスと同じく確率の直感を裏切る関連パラドックスです。

まとめ

本記事は「陽性のパラドックス」について解説しました。如何だったでしょうか。

精度の高い検査でも、珍しい病気に対しては偽陽性が大量に発生するという事実は、直感に反するものです。数字を正しく読むためにはベイズの定理的な思考が欠かせないことを教えてくれるパラドックスです。

パラドックスの一覧に戻りたい方は以下のリンクからどうぞ。

それでは次の記事も閲覧いただけると幸いです。

【世界のパラドックス一覧】哲学・数学・物理・経済まで有名パラドックスを完全解説senkohome.com/paradox-list/