COVID-19対応のための因果関係の構築

COVID-19は2020年初めに突然現れて、科学者たちは多くの不確実性の中で迅速に対応する必要があった。最初はウイルスについての良いデータや知識があまりなかったんだ。初期のモデルの多くは、持っていたわずかな情報を基に仮定や推定を使っていた。これらの仮定を特定して確認する信頼できる方法がなかったから、私たちのチームは新しい知識ベースの構築方法を開発し始めた。この新しい方法は因果知識エンジニアリング（CKE）と呼ばれている。

CKEは、COVID-19のさまざまな側面に特に焦点を当てた因果モデルで構成される構造化された知識ベースを作るために設計されている。このプロセスで直面した課題のおかげで、情報を収集し整理する新しいアプローチを試すことができた。最終的には、CKEは特定の用途に合わせたさまざまなモデルを開発するのに役立つ知識ベースを作るための方法として機能する。

#因果知識エンジニアリングを理解する

CKEの本質は因果知識の基盤を構築することだ。この知識は、さまざまな用途に合わせた異なるモデルを作るために整理されている。簡単に言えば、CKEはCOVID-19がどう機能するか、そしてそれが人々にどのように影響を与えるかについての知識を結びつける手助けをしている。

多くのケースで、科学者たちは実世界のシステムをシミュレーションするためにモデルを構築する。私たちが使用したモデルの一種はベイジアンネットワークと呼ばれるもので、各点（またはノード）が変数を象徴し、各矢印がその変数間の関係を示すグラフィカルな表現だ。通常、これらの関係は1つの変数が別の変数にどのように影響を与えるかを示す。伝統的なベイジアンネットワークは詳細な統計データに依存しているが、私たちのCKEへのアプローチはデータが限られているときでもこれらのモデルを作成できるようにしている。

#COVID-19のコンテキスト

COVID-19が最初に広がったとき、ウイルスがどのように機能し、人々の健康にどのように影響を与えるかについて多くの未知があった。信頼できるデータが不足していたため、病気に関連する結果を分析し予測するのが難しかった。この状況を踏まえ、私たちのチームはCOVID-19について知っていることを捉えた因果知識ベースの開発に集中した。

知識エンジニアリングプロセスは、状況に応じて迅速に柔軟に働くことを要求した。私たちは既存の知識エンジニアリング手法を活用しつつ、COVID-19によってもたらされた独特の課題によりよく適応させた。私たちのCKEプロセスは、ウイルスに関する定性的な知識を収集することを可能にし、新たな情報が利用可能になるにつれて調整可能な因果モデルを作成するのに役立った。

#COVID-19ケーススタディ

私たちのCOVID-19ケーススタディにおけるCKEプロセスは、2020年の3月から7月の4ヶ月間にわたって展開された。最初はモデルの具体的なアプリケーションを考えていなかったから、さまざまな潜在的な用途に対して価値のある知識の種類を考慮する必要があった。私たちはCOVID-19の3つの主な側面、つまり診断と検査、ウイルスの初期の生物学的プロセス、重症感染から生じる合併症に焦点を当てることにした。

私たちの目標は、さまざまなアプリケーションに特化した将来のモデルを支えることができる知識ベースを作ることだった。知識ベースを構築する際、専門家の知識や新たに発見された事実が研究やデータ収集から出てきたときに統合されるようにした。

#直面した課題

COVID-19は、私たちのモデリング作業に影響を与えるさまざまな課題を提示した。まず、ウイルスそのものについての不確実性があった。COVID-19がどのように機能するかについての知識が急速に変化しており、利用可能な情報がすべて信頼できるわけではないため、困難を抱えていた。この不確実性は、発表された研究や専門家の意見から得た最新の知識を組み込むためにモデルを頻繁に更新する必要があったため、モデリングプロセスを複雑にした。

もう一つの重要な課題は、私たちのモデルのエンドユーザーが誰であるかを定義することだった。さまざまな解決策が急務だったため、私たちの研究は時にはモデルの対象となる聴衆や意思決定者に関して特定性を欠いていた。これらの課題を乗り越えながら、最初に因果知識ベースに焦点を当てることで、後に開発するモデルのためのしっかりとした基盤を提供できることに気づいた。

#新しいアプローチを開発した理由

因果モデルを作成する既存の方法はあるが、私たちは不確実な状況で研究者が迅速に知識ベースを構築するのを助けるために、より構造化された方向性のあるアプローチを開発したいと思った。因果知識ベースの開発に焦点を当てることにしたのは、信頼できるデータが限られている中で、行動可能な知識の緊急の必要性に影響されたからだ。

また、因果モデルを使うことで効果的な介入を導くのに役立ち、明確な因果関係がないまま関連性を単にマッピングするのとは違って、病気の進行を理解するのにも有用であることが分かった。そのため、COVID-19によってもたらされる課題に対処することを目指したアプリケーションモデルの作成を導くための因果知識ベースを開発することにした。

#CKEプロセス

私たちが開発したCKEプロセスは、複数のステップで構成されていて、モデラーと専門家が協力して因果知識ベースを構築する。モデラーは知識収集とモデル構築のプロセスを導く重要な役割を果たし、専門家は彼らの洞察や知識を提供する。

プロセス全体を通じて知識の量が徐々に増えていき、それが各バージョンのモデルを支える。関与する知識の種類には、COVID-19に特有の直接的な知識、関連分野からの移転可能な知識、既存の知識を使って新しい因果関係を特定するための推測的な知識がある。

#知識の収集

因果知識は、既存のモデル、発表された文献、生データ、専門家の意見など、さまざまなソースから得られる。各タイプのソースはそれぞれ独自の方法で貢献し、多様な知識を活用することで、より堅牢な知識ベースを作成するのに役立つ。

私たちのCOVID-19モデリング作業では、さまざまな分野の専門家を参加させた。彼らは正式な文献に常に記録されているわけではない貴重な洞察を持っていた。専門家と相談することで、COVID-19に関する理解を深め、彼らの視点をモデルに組み込むことができた。

#知識ベースの構造

私たちが構築した知識ベースは、階層的に整理された一連の因果モデルで構成されている。この構造の最上部には、COVID-19に関連する主な要素と関係を概説する一般的なフレームワークがある。このフレームワークの下には、病気のさまざまな側面に関する具体的な洞察を提供する個別の因果モデルがある。

知識ベース内の各モデルには、その目的や作成方法を指定する文書がある。この文書は、他の人が各モデルに存在する根底にある論理や理由を理解できるようにする。全体的には、新しい知識が統合されるにつれて将来的な更新を受け入れる柔軟な構造になっている。

#知識ベース開発における役割

因果知識ベースの開発には、いくつかの重要な役割が欠かせない。これらには次のものが含まれる：

• 因果知識ベースリーダー: 知識ベース全体を監督する役割。
• 問題オーナー: 解決すべき核心的な問題を定義し、モデリングの全体的な方向性を導く役割。
• アプリケーションリーダー: 知識ベースから派生したアプリケーションの作成に焦点を当て、ユーザーのニーズを満たすことを確保する役割。
• リソース提供者: 開発プロセスに必要な資金やその他のリソースを提供する役割。
• モデラー: 因果モデルの設計と開発に取り組み、構造や内容についての決定を行う役割。
• 専門家: 他の場所に文書化されていない知識を提供し、経験に基づいてモデルを検証する役割。

#引き出しプロセス

専門家を関与させることはCKEプロセスの重要な部分だ。私たちの目標は、構造化された会話と非構造化された会話の両方を可能にする形で知識収集を促進することだった。私たちは、グループワークショップ、1対1のディスカッション、調査など、さまざまな手法を利用して専門家の知識を集めた。

ワークショップは複数の専門家との議論のための中心的なプラットフォームとして機能し、1対1のセッションは特定のトピックについて詳しく探求する機会を提供した。調査はワークショップの前に洞察を集め、参加者が何を期待するかを理解するのを確保するための準備ツールとして機能した。

#進捗の評価と反復

モデルが開発されるにつれて、それらが意図した因果関係を捉えるのに効果的かどうかを評価することが重要だ。モデルが目的を達成しない場合は、さらなる反復が必要になるかもしれない。CKEプロセスは、新しい情報が利用可能になるにつれて構造化された評価と修正の重要性を強調している。

これらの反復を通じて、科学者たちは知識ベースのギャップを特定し、モデルの構造を洗練し、モデルが現在の理解や専門家の意見と一致していることを確認できる。

#定性的パラメータ設定の価値

定性的パラメータ設定はCKEプロセスの重要な側面だ。これは、正確な定量データに依存せずにモデル内の因果関係の定性的な性質を捉えることを含む。このアプローチにより、専門家はモデルの動作をチェックして検証でき、将来的な定量分析のための堅固な基盤を構築するのに貢献する。

定性的な洞察を発展させることで、私たちは自分たちの知識を他者と共有し、COVID-19患者の臨床的意思決定やリスク評価などの応用設定でのモデルの使いやすさを高めることができる。

#CKEプロセスの要約

私たちがCOVID-19のケーススタディのために開発したCKEプロセスは、迅速な対応の必要性とウイルスを取り巻く知識の進化する性質に影響を受けた。因果知識ベースを構築することに焦点を当てることで、さまざまなアプリケーションを支えることができるリソースを成功裏に作成した。このアプローチにより、専門家の知識、文献、データを統合して、新しい発見が出現するにつれて適応できる一貫した構造を作ることができた。

私たちの作業はCOVID-19パンデミックの緊急性によって推進されたが、このプロセスを通じて学んだ教訓や開発した戦略は、他の分野での将来のモデリング努力にも適用可能だ。CKEプロセスは、モデラーと専門家の間の協力の重要性、柔軟な構造、知識構築への反復的なアプローチを強調している。新たな課題が生じるとき、私たちの経験から得た教訓は、健康やそれ以外の領域における複雑な問題に対処するためのモデリング努力を続ける上での指針となるだろう。