月: 2026年10月

  • 【科学】バックプロパゲーションとは?3分でわかる仕組みと将来性

    【科学】バックプロパゲーションとは?3分でわかる仕組みと将来性

    バックプロパゲーション(Backpropagation、誤差逆伝播法)は、人工知能の「ニューラルネットワーク」が自分の間違いから学習するための計算手法です。今の生成AIチャットボットから、スマホの顔認証まで、私たちが「AI」と呼ぶものの多くは、この仕組みの上に成り立っています。基本だけでも理解しておくと、最新のAIが実際には何をしているのかがぐっと見えやすくなります。

    元論文情報

    タイトル: Learning representations by back-propagating errors
    著者: David E. Rumelhart, Geoffrey E. Hinton, Ronald J. Williams
    掲載誌: Nature, Vol. 323, pp. 533–536(1986年)
    DOI: 10.1038/323533a0

    バックプロパゲーションとは

    ひとことで言えば、バックプロパゲーション(誤差逆伝播法)は、ニューラルネットワークの答えがどれくらい間違っていたかを繰り返し計算し、どの向きに修正すればよいかを求める手法です。ニューラルネットワークは、ニューロンに緩くヒントを得た処理単位を何層にも重ね、「重み」と呼ばれる調整可能なつながりの強さでつないだ構造をしています。作られたばかりのネットワークの重みは小さなランダムな値から始まるため、最初の予測はたいてい的外れです。バックプロパゲーションは、その出発点を、写真の中の猫を見分けたり、文章を翻訳したりできるネットワークへと鍛え上げていく手続きです。

    押さえておきたい区別が一つあります。バックプロパゲーションは「各つながりが誤差にどれだけ影響したか」を計算するだけで、その情報をもとに重みを実際に調整するのは、勾配降下法(Gradient Descent)と呼ばれる別のステップです。日常的には「バックプロパゲーション」が学習プロセス全体を指す言葉として使われがちですが、厳密にはこの二つは連携して働く別々の工程です。

    仕組み:順伝播と逆伝播

    バックプロパゲーションによる学習は、二つの「パス(経路)」で進みます。まず順伝播(フォワードパス)では、写真や文章、センサーの数値列といった入力が、ネットワークの層を順番に通り抜けて予測を生み出します。その予測は、損失関数(Loss Function)と呼ばれる指標を使って正解と比較され、予測が正解からどれだけ離れていたかが数値として表されます。

    バックプロパゲーションは、ネットワークに「何を考えるべきか」を教えるのではありません。「どれだけ間違っていたか」と「次に少しでもましになるには、各つながりをどちらに動かせばよいか」を教えているのです。

    数式の前に、簡単なたとえを挟みます。工場の生産ラインで完成品に不良が見つかったら、担当者はラインの終わりから逆向きにたどり、各工程が問題にどれだけ関わっていたかを報告し、その情報を一つ前の工程へ渡していきます。逆伝播(バックワードパス)がやっていることも、これとよく似ています。ただし数学の力で正確に行う点が違います。出力層から入力層に向かって、連鎖律(チェーンルール)と呼ばれる微積分の技法を層ごとに適用し、各層は自分の計算が次の層に与えた影響と、戻ってきた誤差の情報を組み合わせて勾配(グラディエント)を作り出します。勾配とは、ある重みを少しだけ動かしたとき、損失がどれくらい敏感に変化するかを示す指標です。

    バックプロパゲーションにおける順伝播と逆伝播の流れを示す図
    順伝播で予測と損失が計算され、逆伝播では連鎖律を使って層ごとに勾配を求め、重みを更新する。

    すべての重みの勾配が求まったら、勾配降下法がそれを使って重みを実際に更新し、誤差が小さくなる方向へ動かします。この「順伝播→逆伝播→更新」のサイクルを数百万回と繰り返すことで、ランダムな重みから出発したネットワークが、データの中の本物の構造を少しずつ反映するようになります。バックプロパゲーションの魅力は効率の良さです。重みを一つずつ個別に実験して確かめるのではなく、ごく少数の順伝播・逆伝播を行うだけの時間で、全ての重みの勾配をまとめて計算できます。

    歴史となぜ今注目されるか

    バックプロパゲーションは新しい技術ではなく、有名になるずっと前から数学的な土台は探求されていました。核となる「自動微分の逆モード」は、フィンランドのセッポ・リンナインマー(Seppo Linnainmaa)が1970年の修士論文で考案したものにさかのぼります。アメリカのポール・ワーボス(Paul Werbos)も1974年の博士論文で、近い発想をニューラルネットワークへ応用することを提案しました。広く知られるようになったのは、ラメルハート・ヒントン・ウィリアムズの3名が1986年にNature誌へ発表した論文がきっかけです。この論文は、人間が逐一設計しなくても、ネットワークがデータから有用な内部表現を自動で見つけ出せることを示しました。

    その後しばらく、バックプロパゲーションで学習するネットワークは、データと計算力の制約から研究上の対象にとどまっていました。状況が変わったのは2012年です。アレックス・クリジェフスキー(Alex Krizhevsky)らが、指導教員のジェフリー・ヒントンとともに、バックプロパゲーションと大規模画像データセット「ImageNet」、GPUの計算力を組み合わせた「AlexNet」を発表しました。AlexNetはその年のImageNet画像認識コンペティションで他を大きく引き離し、現在のディープラーニング・ブームの引き金になったと広く評価されています。今日の生成AIチャットボットを支える大規模言語モデルも、根本では同じアルゴリズムの発展形で学習しています。

    バックプロパゲーションの歴史を示す年表(1970年から2020年代まで)
    出典: リンナインマー(1970年)、ワーボス(1974年)、ラメルハート・ヒントン・ウィリアムズのNature論文(1986年)、AlexNet/ImageNetの成果(2012年)をもとに作成。

    最近バックプロパゲーションが改めて注目を集めているのは、「脳もこれと似たことをしているのだろうか」という、少し違う角度の問いからです。2026年10月、MITマギガバン脳研究所のチームが米国科学アカデミー紀要(PNAS)に発表した研究は、あるコンピュータモデルを提案しました。ランダムに接続された人工ネットワークが、生物のシナプスにヒントを得た「局所的な学習ルール」だけを使い、大域的な誤差信号なしに順伝播とフィードバック経路の両方を自分自身で組み立て、試されたタスクではバックプロパゲーションに迫る学習能力を示した、というものです。研究チームはこれを「検証可能な仮説」と位置づけ、実際の脳がこの通りに動くと証明したわけではないと慎重に断っています。それでも、神経科学者を40年近く悩ませてきた問いが改めて浮かび上がります。バックプロパゲーションは今日のAIを動かす力を持ちますが、生物の脳が同じことをしている証拠はまだないのです。(関連記事: 脳は自ら学習回路を組み立てる?――MIT、AIと脳をつなぐ40年来の謎に新仮説)

    暮らしの中のバックプロパゲーション

    数式自体は裏側に隠れていますが、バックプロパゲーションで学習したネットワークの成果は、すでに日常生活のあちこちに入り込んでいます。スマートフォンの顔認証機能や、写真を自動でグループ分けするアルバムアプリの多くは、バックプロパゲーションや関連する勾配ベースの手法で学習したネットワークの上に成り立っています。音声アシスタントも、おおむね同じように学習したネットワークに支えられています。生成AIチャットボットも同様で、「事前学習」の段階では言語モデルが次の単語を予測し、実際の単語と見比べて誤差を測り、それを減らす方向へ重みを調整する作業を繰り返します。その後の段階で、指示への従い方やフィードバックへの応答がさらに磨き上げられます。

    覚えておきたい区別があります。バックプロパゲーションが働くのは主に学習のときで、私たちがツールを使うたびに毎回働くわけではありません。学習を終えたネットワークは、通常すでに調整済みの重みを使って予測するだけで、勾配の計算や更新はそのつど行いません。大変な作業は、しばしば数十億件もの訓練例を使って、あらかじめ済ませてあるのです。

    次に注目すべきこと

    バックプロパゲーションそのものは、すでに成熟し、よく理解された技術です。だからこそ、残された問いはその限界と代替手段のほうに移っています。一つは科学的な問いです。MITが示した自己組織化する学習回路や、フィードバックアラインメント、予測符号化と呼ばれる関連手法が、実際の神経組織での検証に耐え、より大規模な課題でもバックプロパゲーションに匹敵する性能を出せるのか、という点です。もう一つは実用上の問いです。AIモデルが巨大化し続けるなか、研究者たちは精度を保ちながら計算資源を減らす学習方法を探しています。次のブレークスルーは、バックプロパゲーション自体を速くすることではなく、ネットワークがそれに頼らず学習する方法から生まれるのかもしれません。

    Xsciens編集部の読み解き

    バックプロパゲーションは、ネットワークが自分をどう調整すべきかを正確に計算するための「帳簿づけの技術」と捉えるのが一番しっくりきます。人工であれ生物であれ、脳が実際に「どう考えているか」の理論ではありません。

    • よくある誤解。「ニューラルネットワーク」という名前のせいで、脳の学習をそのまま真似ていると思われがちですが、人工的な「ニューロン」はあくまで生物のニューロンに緩くヒントを得ただけの存在です。標準的なバックプロパゲーションの逆伝播計算は、順伝播で使ったつながりに対応する重みの情報を正確に使う必要がありますが、実際のニューロンがこれと同じ仕組みを再現している証拠はありません(フィードバックアラインメントのような、この要件を緩めた代替手法が研究されていること自体が、この問題がいかに特定の条件を要求しているかを物語っています)。人工ニューロンと生物のニューロンの「似ている感じ」は、あくまで緩やかなたとえ話であり、どちらも実際に何を計算しているかを正確に説明するものではありません。
    • 限界と未解決の問い。バックプロパゲーションは必ず人間が与えた「正解」が必要だ、という誤解がよくありますが、これは正確ではありません。必要なのは微分可能な学習目標であり、それは人がラベル付けした正解から得られることもあれば、文章の次の単語を予測するような自己教師あり学習の課題や、強化学習的な報酬から得られることもあります。バックプロパゲーション自体が説明しないのは、なぜあるネットワーク構造は未知のデータにもうまく対応でき、別の構造はそうならないのか、あるいはAIシステムが何を学ぶべきかをそもそもどう決めるのか、といった点です。これらは決着のついていない、今なお活発に研究されている問いのままです。
    • 次に注目すべきこと。MITチームによる2026年10月の研究は、大脳皮質の上行経路と下行経路をつなぐ「4つのシナプスから成る配線パターン」があれば、実際の神経回路も同じような学習能力を自己組織化できるかもしれない、という検証可能な仮説を具体的に提示しています。これはモデルが示した予測であって、脳組織で確認された事実ではありません。神経科学者たちが実際にこの配線パターンを見つけられるかどうか、そして局所的なルールに基づく学習が、これまでより大幅に大きな問題でもバックプロパゲーションに匹敵する性能を出せるかどうかが、注目すべき二つのポイントです。
    • 編集部から――脳の仕組みにヒントを得た、この「局所学習」の研究がこのチームの期待通りに育てば、私たちが日々使うAIアシスタントは、使うたびに一から説明し直す無機質な道具ではなく、一人ひとりの使い方に静かに寄り添っていく存在に変わっていくかもしれません。そこへ至る道筋として考えられるのは、研究室を出たあとも学習を続け、普段使いの中の経験から少しずつ賢くなっていくようなシステムでしょう。ただし、自分で学び続けられるというその能力こそが、注意して見ておくべき点でもあります。何を静かに学び取っているのかを確かめる手立てがなければ、妙な情報や誤った経験から、見当違いのくせを身につけてしまうこともあり得るからです。これはまだ初期のコンピュータ上の実証実験であり、完成した製品ではありません。もしAIアシスタントが「前より自分のことを分かってくれている」と感じる場面が増えてきたら、ときどき「それは、どんな経験から学んだ結果なのだろう」と考えてみる価値はありそうです。

    この読み解きの参考: Quanta Magazine — Artificial Neural Nets Finally Yield Clues to How Brains Learn、arXiv — Brain-Inspired Machine Intelligence: A Survey of Neurobiologically-Plausible Credit Assignment

    出典: IBM — What Is Backpropagation?、TechTarget — What Is a Backpropagation Algorithm?、Rumelhart, Hinton & Williams, Nature (1986)、Seppo Linnainmaa、Computer History Museum — AlexNet Source Code、Xsciens — 脳は自ら学習回路を組み立てる?――MIT、AIと脳をつなぐ40年来の謎に新仮説

    関連記事:脳は自ら学習回路を組み立てる?――MIT、AIと脳をつなぐ40年来の謎に新仮説 / 人は何かを選んだ後、脳の中の「情報の並べ方」を組み替えていた / 認知オフローディングとは?3分でわかる仕組みと注意点

  • 【科学】脳の覚醒システムは想像より緻密な配線だった――青斑核をマウスで地図化

    【科学】脳の覚醒システムは想像より緻密な配線だった――青斑核をマウスで地図化

    やる気や注意力、ストレス反応に関わる脳内物質「ノルアドレナリン」は、脳幹にある小さな神経細胞の集まり「青斑核(せいはんかく)」から主に供給されています。この仕組みは長らく、同じ信号を脳じゅうに一斉に流す「霧笛(フォグホーン)」のようなものと考えられてきました。ところがアレン研究所を中心とする研究チームがマウスで調べたところ、青斑核の神経は行き先ごとにおおむね役割を分けた「郵便網」に近い姿をしていることが、科学誌Natureで報告されました。うつ病やADHDの薬の一部はノルアドレナリンの働きに作用します。この配線図は、将来この仕組みをより選択的に調べ、働きかける手がかりになる可能性があります。

    原論文情報 / Original Paper
    原題(Title): Topographic structure and function of locus coeruleus noradrenaline neurons
    著者(Authors): Zhixiao Su, Polina Kosillo, Kanghoon Jung ほか
    掲載誌(Journal): Nature(2026)
    DOI: 10.1038/s41586-026-11026-0

    青斑核とはどんな場所か

    青斑核は脳幹にある小さな神経核で、「青い斑点」という愛称で呼ばれます。脳や脊髄の広い範囲にノルアドレナリン(英語名ノルエピネフリン)を送る主な供給源で、覚醒・注意・気分の調整に関わります。うつ病やADHDの薬の一部は、このノルアドレナリンの働きに作用します。アルツハイマー病の初期にも青斑核の変化が報告されていますが、その時期や意味はまだ研究が続いています。

    教科書的には、青斑核は脳全体に一様な信号を流す霧笛のような存在と説明されることが少なくありませんでした。ただし、構造の違いを示唆する研究は以前からありました。たとえば2020年のNature Reviews Neuroscienceの総説は、青斑核の神経の一部のグループが特定の認知過程を担いうると結論づけ、2023年のeLife論文はマウスの青斑核に電気的・形態的に大きく二つの細胞タイプがあることを報告しています。今回の研究は、そうした違いが配線・遺伝子・活動の面でどう整理できるかを、構造全体にわたって地図にしたものです。

    小さな構造を多面的に測る

    なぜこれほど小さな構造を地図にするのでしょうか。脳のほぼ全域に枝を伸ばす神経核は、外から眺めるだけでは理解しにくいからです。どの神経がどの領域と通信しているかが分からなければ、薬やストレス、行動が青斑核全体に働きかけているのか、一部だけなのかを区別できません。まず解剖学的な地図があって、はじめて機能をそれに照らして検証できます。

    研究チームは、それぞれ違う問いに答える複数の手法を組み合わせました。全脳の画像化で神経がどこへ枝を送るかを調べ、遺伝子の解析でどの遺伝子を使っているかを調べ、神経1個ずつの詳細な再構築で枝分かれをたどりました。さらに、マウスに学習課題をさせながら神経の活動を記録しています。アレン研究所によれば、画像化した神経は約35,000個、遺伝子の働きを調べた細胞は約400,000個、形を完全に再構築した青斑核の神経は約100個です。これらはそれぞれ別の測定・別の試料で、40万個の神経を端から端までたどったという意味ではありません。研究は米国立衛生研究所(NIH)のBRAIN Initiativeの支援を受けました。

    測定の規模と、青斑核の軸索の平均・最長の長さを示す棒グラフ
    出典: アレン研究所の発表とSu et al., Nature (2026)をもとに作成。数値は発表の概数。

    接続の地図と、遺伝子の勾配

    再構築の結果、青斑核は位置によって緩やかに整理されていることが分かりました。上側(背側)の神経は主に大脳皮質や前脳へ、下側(腹側)の神経は主に脳幹や脊髄へ軸索を伸ばします。しかも2つの部屋に分かれているのではなく、遺伝子の使い方も背側から腹側へなだらかに変化し、投射先のパターンと対応していました(論文要旨の要約による)。

    印象的なのは、これらのパターンがそろっている点です。青斑核の中での神経の位置は、その軸索がどこへ向かうかや、隣の細胞と遺伝子の使い方がどう違うかを予測する手がかりになり、場合によっては学習中の振る舞いとも関係していました。

    とても長い細胞、そして選択的

    青斑核の軸索(細胞から信号を送り出す長い繊維)は、マウスで総延長が平均約35センチでした。最も長いものは合計70.32センチで、アレン研究所はマウスで測定された単一の神経としては最長だとしています。この神経は大脳皮質の広い範囲にノルアドレナリンを届ける一方、小脳・脳幹・脊髄には放出しません。

    アレン研究所のカレル・スヴォボダ氏は「ノルアドレナリンの仕組みは、霧笛というより宛先を絞った郵便網にずっと近いことを示唆している」と述べています。学習の仕組みに関心のある方には、本サイトの脳が自ら学習回路を組み立てる可能性を示したMITの仮説の記事も参考になります。

    一斉放送と、大脳皮質・脊髄へ向かう2つの経路を対比した模式図
    マウスで報告された結果をもとにした模式図。縮尺は不正確。

    経路が違えば、役割も違う

    活動の記録からは、経路ごとの役割の違いがうかがえました。大脳皮質へ向かう背側の神経は、マウスが悪い結果のあとに選択を切り替えるときに活発になり、「報酬予測誤差」も反映していました。報酬予測誤差とは、動物が期待した報酬と実際に得た報酬との差のことで、次の選択を導く手がかりになります。一方、腹側の神経は、報酬が得られるかもしれない合図をマウスが無視しているときに、背景の活動が高くなっていました。著者らは、これが潜在的に重要な合図への反応の違いを反映している可能性を示唆しています。

    こうした差を運ぶ信号は、いわば学習の教師役になりえます。ドーパミン系だけでなくノルアドレナリンの経路にも見つかったことから、著者らは両者が互いを補う学習信号を出している可能性を考えていますが、これはまだ仮説です。The Transmitterによると、チームは次にこの2つの物質の相互作用を調べる予定です。

    論文に関わっていない研究者も、先に公開されたプレプリント版についてコメントしています。ヘルシンキ大学のネルソン・トータ氏は、この分野の「基本をなす堅実な研究」で、古くから続く構造の基本的な問いに答えると評しました。エディンバラ大学のレベッカ・ジョーダン氏は、青斑核が脳の領域ごとに調整した情報を送れる可能性を指摘し、ニューヨーク大学のロバート・フロムキ氏は、遺伝子プロファイルが特定の細胞タイプを記録・操作する助けになると述べています(The Transmitterによる)。

    独立した2025年の総説は、さらに背景を補ってくれます。げっ歯類では、腹側の青斑核神経が脊髄への投射を通じて痛みを和らげ、青斑核と前頭前野の回路を活性化すると痛みや不安様の行動が増えたという研究がまとめられています。別々の実験の結果ですが、行き先によって青斑核の経路の効果が異なりうるという見方とは整合します。

    意味と、気をつけたい点

    ノルアドレナリンに関わる薬は通常、脳全体に作用します。経路ごとの地図があれば、将来、無関係な回路への影響を避けながら働きかける道が開けるかもしれません。ただしアレン研究所はこれを今後の可能性としており、実証された成果ではないとしています。研究はすべてマウスで行われ、ヒトの青斑核が同じように整理されているかはまだ示されていません。また、ここで見つかった経路のどれかを単独で治療できると示したわけでもありません。今のところ、これは医療の進歩ではなく、良くできた地図です。

    一般の読者にとっての収穫は控えめですが確かです。脳の覚醒・注意のシステムは、「全員に同じ信号」という従来のイメージよりずっと細かく組織されている、ということです。こうした基礎知見は、後の研究者により良い標的とより良い問いを与えることで、ゆっくりと実を結びます。

    Xsciens編集部の読み解き

    脳の仕組みを一つの音量つまみとみなす見方より、行き先の異なる配線の網と捉えるほうが実態に近いことを示唆する研究です。この見方が人でも確かめられれば、集中力や気分の治療、学習支援、脳の加齢変化の早期発見が、脳全体を調整する方法から必要な配線だけを狙う方法へ移り、将来の薬や診断の精度を左右する可能性があります。

    • 確かなのは「地図」、まだ仮説なのは「各経路の役割」です。配線の行き先、遺伝子の使い方の勾配、記録された活動は直接の測定です。そのため、青斑核を一斉放送とみなす前提に立った過去の解釈は、見直しの対象になります。一方、背側の神経を「学習信号」、腹側を合図への反応の違いに結びつける読みは、活動と行動の対応から導いた解釈で、ノルアドレナリンとドーパミンの協調も仮説です。これらが、これから実験で検証される主張です。
    • マウスの地図は設計図で、ヒトでの確認がこれからの段階です。完全に再構築された神経はアレン研究所によれば約100個で、画像化した約35,000個や遺伝子を調べた約400,000個は別々の測定です。2025年の独立した総説も、証拠の多くがげっ歯類由来だと述べています。裏を返せば、この地図は「ヒトの脳で何を探せばよいか」を具体的に示す案内図になり、分野が進むべき方向もはっきりします。
    • 次に期待できる研究は三種類です(編集部の予想)。①一つの経路だけを止める、または動かして、行動が変わるかを見る因果の実験。今回の研究が残した問いです。②ノルアドレナリンとドーパミンを同時に記録し、学習での役割分担を確かめる研究。The Transmitterによると、チームが次に取り組む予定です。③死後脳や画像など、ヒトの脳で同じ背側―腹側の並びを探す研究です。
    • 編集部から――「脳の化学物質を一括で上げ下げする」発想から、「必要な一本の配線を調律する」発想へ。この地図が指し示す未来は三つあります。
      ①薬の設計。今のノルアドレナリン系の薬は、集中に関わる皮質への経路も、体の覚醒に関わる経路も、まとめて動かします。背側から腹側へ遺伝子の使い方が段階的に変わると分かったことは、その違いを目印に経路を選び分ける足がかりになりえます。集中に効く部分だけを動かし、動悸や緊張を伴う部分は動かさない、という設計思想が現実味を帯びてきます。
      ②学習の理解。背側の神経が「選択を切り替えるとき」と「期待が外れたとき」に反応したことは、失敗から立て直す瞬間にこの系が教師役の一部を担っている可能性を示します。もしそうなら、フィードバックを返す最適なタイミングという形で、教育やリハビリの設計に手がかりが生まれるかもしれません。AI研究にとっても、「価値を学ぶ信号」と「やり方を変えろという信号」を別の配線に分ける発想は参考になるでしょう。
      ③脳の変化の早期発見。青斑核の変化はアルツハイマー病の初期に報告されています。地図を物差しにして、どの経路から傷むのかを調べられれば、変化をより早く、より細かく捉える道が開くかもしれません。ただし今回の研究はこの点を調べていません。
      以上は編集部の見通しで、マウスの地図からヒトへの道はこれからです。読者として使える見方は一つ。「脳の〇〇を狙う新薬」という報道に出会ったら、どの経路を、ヒトで確かめたのかを見てください。そこが、地図が治療に変わったかどうかの分かれ目です。

    この読み解きの参考: McKinney他, eLife (2023)、Hao他, Int. J. Mol. Sci. (2025)、The Transmitter (2026)、Poe他, Nature Reviews Neuroscience (2020)

    出典: アレン研究所、Su et al., Nature (2026)、ScienceDaily

  • 【科学】魚油DHAは脳の指標を変えたが記憶は守れず――2年間の臨床試験

    【科学】魚油DHAは脳の指標を変えたが記憶は守れず――2年間の臨床試験

    魚油に含まれる主要なオメガ3脂肪酸「DHA」を高用量で2年間飲み続けても、記憶力のテスト成績は上がらず、記憶に関わる海馬の縮小も遅れませんでした。一方で、脳と脊髄を包む脳脊髄液ではDHAの指標が確かに上昇していました。認知症予防を期待して魚油を飲む高齢者は多いだけに、「栄養素が脳の周りに届くこと」と「記憶を守ること」は別だと示す結果です。

    原論文情報 / Original Paper
    原題(Title): CNS target engagement of high-dose DHA supplementation in older adults at risk for dementia: a randomised, double-blind, placebo-controlled trial
    著者(Authors): Yassine HN ほか
    掲載誌(Journal): eBioMedicine 2026;129:106316
    DOI: 10.1016/j.ebiom.2026.106316

    試験の中身:365人を2年追跡

    第IIa相の臨床試験は、南カリフォルニア大学(USC)で2018年9月から2024年5月にかけて行われました。対象は55〜80歳の認知症のない365人で、DHAの摂取量が1日200mg未満と少なく、認知症の危険因子を1つ以上持つ人たちです。約47%はAPOE ε4(アポイー・イプシロン4)を持っていました。これは遅発性アルツハイマー病の最も強い一般的な遺伝的リスク要因ですが、持っていても必ず発症するわけではありません。

    参加者はDHA 1日2グラムか偽薬(プラセボ)のどちらかに無作為に割り付けられ、24か月飲み続けました。本人にも研究スタッフにもどちらかは知らされていません(二重盲検)。資金は米国国立老化研究所とアルツハイマー病創薬財団が提供し、結果は2026年6月にオンライン公開されました。

    1段階目:指標は動いた

    主要な問いは、高用量DHAが中枢神経系でのDHAの利用しやすさを示す生化学的な指標を実際に変えられるか、でした。確かめるため、一部の参加者は腰椎穿刺(背中から針を刺す検査)を受け、脳と脊髄を取り巻く脳脊髄液(CSF)を採取しました。

    6か月時点で、CSF中のDHAとアラキドン酸(AA、オメガ6脂肪酸の一種)の比は、DHA群で0.17上昇し、プラセボ群で0.02低下しました。差は0.19(95%信頼区間0.16〜0.21)です。赤血球中のオメガ3の割合を示すオメガ3指数も4.9%から11%に上がりました。CSFの上昇は、APOE ε4の有無に左右されませんでした。

    2段階目:成果は動かなかった

    認知機能と脳の構造は副次評価項目でした。記憶や思考力の標準的な検査(RBANS)の点数は、DHA群で2.76点、プラセボ群で2.67点上がりました。海馬の体積は、推定で年あたりDHA群が左0.75%・右0.55%縮み、プラセボ群は左0.63%・右0.67%縮みました。研究者らは、どちらの指標でも群間に有意差はなかったと報告しています。副作用も両群で同程度で、重い副作用がサプリのせいとされた例はありませんでした。

    DHA群とプラセボ群の比較: 脳脊髄液のDHA/AA比、RBANS得点、海馬体積の変化
    図1. DHAで脳脊髄液の指標は上がったが、認知機能と海馬の体積は両群で似た結果だった。出典: Yassine ほか, eBioMedicine 2026、Healioをもとに作成。

    つまり、はっきりした生化学的な反応があっても、2年間の認知機能や脳構造の測定でDHA群はプラセボ群を上回りませんでした。

    「効果なし」をどう読むか

    注意点はいくつかあります。参加者の約38%が、主に新型コロナの影響で脱落しました。これは統計的な検出力を下げ、しかも脱落者は残った人と背景が異なったため、結果に偏りが生じた可能性もあり、小さな効果までは否定できません。参加者は比較的若く、高学歴で、認知機能が保たれていたため、24か月では誰にも大きな衰えが見えにくかった可能性もあります。試験したのはオメガ3の1種類・1用量だけで、原因が複数ある病気に対し、単一のサプリでは足りないのかもしれません。

    著者らは、今後は脳がDHAをどう処理するか、どんな人で反応が異なるかの理解を優先すべきだとしています。筆頭研究者のヒュセイン・ヤシーン氏は、体を動かし、よく眠り、バランスの良い食事をとることが、アルツハイマー病のリスクを下げる最も強力な手段だと述べました。また、今回の結果は「魚を食べても意味がない」ことを示すものではありません。試験されたのは食事ではなく、高用量のサプリです。

    流れ図: DHA投与、血中オメガ3指数の上昇、脳脊髄液のDHA/AA比の上昇、海馬体積と認知機能に差なし
    図2. サプリの効果をステップごとに追うと、最後のつながりで途切れた。Xsciensによる模式図(Yassine ほか, 2026をもとに作成)。

    これまでの研究との関係

    以前の無作為化試験の結果も、同じ方向を向いています。2012年のCochraneレビューは、3件の試験・認知データのある3,536人(60歳以上の認知機能が保たれた人)を調べ、オメガ3サプリに認知面の利点は見つからないと結論しました。VITAL-Cogの分析(2つの認知サブ研究で計4,218人)でも、海洋性オメガ3を1日1グラム、約2〜3年飲んで、全般的な認知機能に有意な効果はありませんでした。ただし、どちらも認知症そのものを防げるかどうかは明らかにしていません。

    一方、観察研究では、魚介類をよく食べる人は認知機能低下のリスクが低い可能性が示唆されていると、米国国立補完統合衛生センター(NCCIH)は紹介しています。この疑問が問われ続ける理由の一つです。現時点では、認知機能が保たれた高齢者が記憶を守る目的だけで高用量DHAを飲むことを支持する根拠は、十分ではありません。

    Xsciens編集部の読み解き

    この試験の核心は、高用量DHAが脳脊髄液の指標を高めた一方、この集団では認知機能にも海馬の縮小にも測定可能な差を生まなかった点にあります。

    • 測ったものと解釈を分けて読む。脳脊髄液のDHA/AA比の上昇は直接測定された値で、試験の主要評価項目でした。認知機能と脳の体積は副次評価項目です。両群とも検査の点数が約2.7点上がっていますが、繰り返し受けた検査への慣れが一部を占める可能性があり、その程度は試験からは分かりません。ここで言えるのは「群間に差がなかった」ことで、「衰えを防げた」ことではありません。
    • 限界と注意点。脱落が約38%あり(完了者と脱落者の背景も異なる)、参加者は認知機能が保たれた高学歴の集団で、観察期間は24か月、用量も1種類、第IIa相試験です。小さな効果までは否定できず、試験で測っていない認知症そのものの予防については何も言えません。
    • 次に注目したい点。脳でのDHAの扱いが異なる人など、特定の集団で効果が出るのか(現時点では仮説です)、衰えに敏感な指標を使った長期追跡、そして別の集団での再現です。
    • 編集部から――脳のために魚油を飲んでいる人は、この結果から記憶面の見返りを過度に期待しないほうがよさそうです。前向きに見れば、DHAが脳脊髄液の指標を動かすことが確かめられたので、次は「それがなぜ記憶の改善につながらないのか、誰になら効くのか」という、より鋭い問いに進めます。ただし、これは認知機能が保たれた人での1つの試験にすぎません。オメガ3が有害だとも、食卓の魚に意味がないとも示していません。筆頭研究者が挙げる生活習慣の基本は、カプセルと同じくらい気にかける価値があるでしょう。心臓の健康など別の目的で飲んでいる場合は、変更の前にかかりつけ医に相談してください。

    この読み解きの参考: Sydenham ほか, Cochrane レビュー(2012)、Kang ほか, VITAL-Cog(2022)、NCCIH: Omega-3 Supplements

    出典: eBioMedicine(Yassine ほか, 2026)、Healio、News-Medical、ScienceDaily(USC発表)

  • 【科学】使用中は分解せず、水に触れて効く――酵素内蔵プラスチック、深海でも実証

    【科学】使用中は分解せず、水に触れて効く――酵素内蔵プラスチック、深海でも実証

    プラスチックに生分解を助ける酵素を練り込み、乾燥した環境での使用中は分解を抑えながら、環境中で摩耗や断片化によって酵素が水に触れると分解を促す――そんな新しい生分解性プラスチック素材を、NEDO(新エネルギー・産業技術総合開発機構)と東京大学、海洋研究開発機構(JAMSTEC)、群馬大学の研究チームが開発した。水深5,503mの深海でも重量減少が確認され、その速さは酵素を入れない場合に比べて大幅に高まったという。海洋プラスチック汚染への対策として期待される成果だ。

    原論文情報 / Original Paper
    原題(Title): Enzyme-embedded polyesters for accelerated biodegradation in the deep sea
    著者(Authors): QiuYuan Huang ほか
    掲載誌(Journal): Nature
    DOI: 10.1038/s41586-026-11192-1

    「濡れると効く」酵素内蔵という発想

    毎年推定800万トンものプラスチックごみが海に流出しているとされ、自然環境では分解に300年以上かかるものも少なくない。研究チームはこれまでの事業で、水深757〜5,552mの深海底でも生分解性プラスチックが微生物によって分解されることを世界で初めて示していたが、速いものでも完全分解には数年かかっていた。深海は低温・高圧であるうえ、対象のプラスチックを分解できる微生物の働きも限られ、分解が進みにくいためだ。

    今回のチームが選んだ道は、プラスチックの「材料」そのものではなく「仕組み」を変えることだった。熱で軟らかくしたプラスチックに、カビの一種由来の「HiCクチナーゼ」(ポリエステルの結合を切る働きを持つ酵素)や南極酵母由来の「CaLBリパーゼ」(脂肪の分解に関わる酵素で、今回はプラスチック分解に活用)といった天然の分解酵素を練り込んだ。これらの酵素は水がない環境では働かないため、乾燥した環境での使用中は分解を抑えながら、従来の素材に近い強度を保つ。ところが環境中で摩耗や断片化が起き、内部の酵素が水に触れると、そこから分解が加速していく。いわば「水に触れたらスイッチが入る」設計だ。

    水深5,503mでも進んだ分解

    チームは沿岸(水深2〜6m)と、757m・855m・1,292m・5,503mなど複数の深海地点にプラスチックのフィルムを沈め、重量減少の進み方を比較した。水深757m・水温4℃・水圧7.6MPa(大気圧の約75倍)という環境でも、酵素を練り込んだ一部の素材は5カ月以内にほぼ完全に分解した。酵素を入れない素材が同じ期間でわずかしか重量が減らなかったのとは対照的だ。最も深い5,503m地点では、酵素入りのPBSA(ポリブチレンサクシネートアジペート、以下PBSA)は18カ月で重量が約30.5%減少し、酵素なしの同じ素材(約1.6%)を大きく上回った。ただし分解の進み方は素材によって差があり、すべての素材が同じ速さで重量を減らしたわけではない。

    深海水深5,503mでの酵素あり・なしプラスチックの重量減少率比較グラフ
    出典: Huang et al., Nature (2026) のデータをもとに作成

    強度を保ったまま、分解は速く

    気になるのは、分解しやすくした分、製品としての強度が落ちていないかという点だ。研究チームによると、酵素の添加量を0.1重量%程度に抑えれば引張強度への影響はほとんどなく、深海向けに使った3重量%程度でも、強度や伸びの低下は研究チームが「実用上利用できる範囲」と評価する程度にとどまるという。水深757mでの重量減少速度を比べると、1日・1平方センチメートルあたりの重量減少量(特定の素材・条件での値)は、酵素を練り込んだ素材が約97マイクログラムだったのに対し、酵素なしはわずか約0.9マイクログラムで、その差はおよそ100倍に達した。これとは別に、NEDOは今回の技術全体の成果を代表する値として、酵素なしに比べて「分解速度を約30倍に高めた」と発表している。約30倍と約100倍はどちらも誤りではなく、比較する素材・条件が異なる数字だ。

    酵素を材料に組み込むことで、従来は分解が進みにくかった深海でも、生分解性プラスチックの重量減少を大幅に速められる可能性が示された。

    マイクロビーズにも効果

    今回の技術は、直径20〜300マイクロメートルの試験用マイクロビーズにも適用され、沿岸・深海を問わずさまざまな海洋環境で分解が進むことが確認された。これは化粧品などに実際に使われているビーズそのものでの確認ではなく、マイクロプラスチックサイズの粒子を想定した試験モデルでの結果だ。マイクロプラスチックは粒が細かいほど生き物に取り込まれる可能性があるとされ、いったん環境中に広がると回収は難しい。製品の設計段階から分解しやすさを組み込めれば、環境中に流出したプラスチックの残留を減らす新たな対策になりうる。実際の製品への応用や、環境中での汚染低減効果については、今後の検証が必要だ。

    酵素内包プラスチックが使用中は安定で水に触れると分解する仕組みを示す模式図
    出典: NEDOプレスリリースの説明をもとに作成

    実用化までに残る課題

    研究チームは今後、実際の使用環境を想定した長期的な耐久性・安全性の検証や、多様な生分解性プラスチック素材への適用拡大、酵素を練り込む工程の効率化とコスト低減、量産に向けたスケールアップに取り組むとしている。深海での分解にはなお数カ月から十数カ月を要しており、「流出すれば一瞬で消える」わけではない点には注意したい。それでも、既存の生分解性プラスチックが深海で分解に数年を要していたことを踏まえれば、今回の成果は海洋プラスチック汚染対策の有力な選択肢になりうる。

    Xsciens編集部の読み解き

    この研究の核心は、素材そのものではなく「水に触れて初めて働く」という仕組みを作った点にあります。

    • 「30倍」と「100倍」は比較条件が異なる。NEDOが示す「約30倍」は技術全体の成果を代表する値である一方、本文で紹介した「約100倍」は水深757mでの重量減少速度という特定の素材・条件での比較です(水深5,503mでのPBSAは18カ月で重量減少率が酵素あり約30.5%・酵素なし約1.6%、水深757mでは1日あたりの重量減少量が酵素あり約97マイクログラム・酵素なし約0.9マイクログラム)。どちらも誤りではありませんが、一つの倍率だけで条件全体を代表させて読まない方が安全です。
    • 対象素材とスピード感には限界がある。今回検証されたのはPBS・PBSA・PCL・PBATというポリエステル系の生分解性プラスチックで、ペットボトルやレジ袋に使われる一般的なポリエチレン・ポリプロピレンには直接応用できません。また深海での重量減少には早くても数カ月、素材によっては1年以上かかっており、「流出すればすぐ消える」わけではありません。
    • 次に注目したいのは実環境での長期検証。今回示されたのは実験的な沈設試験の結果で、研究チーム自身が今後、実使用環境での耐久性・安全性の検証や量産技術の確立を課題として挙げています。分解を速める技術が、実際に海洋プラスチックの残留量をどれだけ減らせるかも、これから検証していく必要があります。
    • 編集部から――普及すれば、プラスチック製品を選ぶときの罪悪感が一つ減りそうです。食品包装や漁具のような身近な製品に広がれば、使い心地を落とさずに海洋プラスチック問題へ貢献できる選択肢が増えるでしょう。ただし、「分解するから」とごみの出し方まで雑になってしまっては本末転倒です。技術が進んでも、ごみを減らす工夫は私たち消費者の側にも引き続き求められます。

    この読み解きの参考: Chamley et al., “Polymer material biodegradation in the deep sea. A review,” Science of The Total Environment (2024)、環境省 環境ラベル等データベース「海洋生分解性プラマーク」制度

    出典: NEDOニュースリリース、Huang et al., “Enzyme-embedded polyesters for accelerated biodegradation in the deep sea,” Nature (2026)

  • 【科学】超分子ポリマーとは?3分でわかる仕組みと将来性

    【科学】超分子ポリマーとは?3分でわかる仕組みと将来性

    超分子ポリマー(Supramolecular Polymer)とは、強く固定された化学結合ではなく、弱く可逆的な結びつきで部品同士がつながった、鎖のような材料のことです。この「弱いけれど数が多い」設計のおかげで、傷を自ら修復したり、形を変えたり、生きた細胞の振る舞いに影響を与えたりできます。だからこそ材料科学者たちは、より大きく精密に制御された超分子ポリマーの開発を競っています。

    超分子ポリマーとは何か

    ペットボトルのプラスチックのような普通の高分子(ポリマー)は、モノマーと呼ばれる小さな繰り返し単位が、共有結合によって端から端まで溶接のようにつながった長い鎖です。共有結合は電子を共有して結びつく強い化学結合で、一度できるとそう簡単には切れません。

    超分子ポリマーは、この永続的な「溶接」を一時的な「握手」に置き換えたものです。部品となる分子同士は、水素結合、芳香環が重なり合うスタッキング、金属イオンを介した架橋、電気的な引力といった非共有結合でつながります。一つひとつは弱くても、鎖に沿って何千個と連なることで、安定して機能する材料になります。身近な例では面ファスナー(マジックテープ)が近く、フックとループの組は一つだけならすぐ剥がれますが、たくさん並べば厚手のジャケットもしっかり留められます。超分子ポリマーも分子のスケールで同じことが起き、弱い結合が大量に集まることで強くてなお可逆的な材料として振る舞います。

    IUPAC(国際純正・応用化学連合)が2013年に示した用語推奨では、この自己組織化の過程そのものに「超分子会合(レーン会合)」という呼び方が好まれ、「超分子重合」という表現は推奨されていません。ただしこれは現象の呼び方の話であり、材料の呼び名を否定するものではなく、2026年のノースウェスタン大学の論文タイトルにも使われているとおり「超分子ポリマー」という呼称は今も広く使われているため、本記事でもこの一般的な意味で用います。

    自己組織化の仕組み

    超分子ポリマーの結合は可逆的なので、個々の結びつきは絶えず切れたりつながり直したりしています。これにより材料は周囲の状況に応じて自らを調整でき、必ずしもバラバラに崩れるわけではありません。破損部分の表面同士が再び接触でき分子が十分動ける状態であれば、可逆的な結びつきが損傷箇所をまたいでつなぎ直されることがあり、これが一部(すべてではありません)の超分子材料に見られる自己修復の仕組みです。米国プラスチック技術者協会(SPE)の2024年の概説によれば、同じ動的な結合のおかげで一部の超分子ポリマーは通常のプラスチックより加工しやすい場合がありますが、必要な温度や圧力は分子設計によって変わります。

    化学者たちは、鎖が制御された長さで成長を止める方法も編み出してきました。その一例が2026年10月にノースウェスタン大学が発表した「自己キャップ型超分子重合」です。条件が整っている間は鎖の柔らかい末端が開いたまま新しい部品を取り込み続け、やがて折れ曲がって末端にふたをすることで成長を止めます。後から部品を加えれば成長を再開でき、研究者は鎖を好きな長さまで伸ばし、異なる性質の区間を配置できます。結びつきが弱すぎれば短く不安定な塊しかできず、強すぎれば組み替えられる柔軟性が失われるため、このバランスを取りつつ鎖同士の予期せぬ融合や分解を防ぐことが、精密な超分子設計を難しくしている要因です。

    なぜ今注目されているのか

    超分子ポリマーの研究自体は1980年代後半から続いています。1988年に化学者の相田卓三らが、円盤状の分子が非共有結合で連なり一次元の集合体を作る成果を報告したのを皮切りに、1989〜1990年には化学者ジャン・フレシェやノーベル賞学者ジャン=マリー・レーンのグループが水素結合による液晶性の超分子ポリマーを実証し、1997年には化学者バート・マイヤーの研究が、非共有結合の集合体でも本物の高分子のように力学的にふるまえることを示しました。それ以降に変わったのは「精密さ」です。超分子ポリマーは長年、長さが不揃いで制御しづらく、用途に向けて性質を狙い通りに設計することが難しいという課題を抱えていました。

    この課題に挑んだのが、材料科学者サミュエル・I・スタップが率い、博士研究員のマイケル・ドアらが参加したノースウェスタン大学のチームで、2026年10月1日に学術誌Scienceで研究成果を発表しました。自己キャップ型の手法により、分子量が数十億ダルトンに達する鎖の作製に成功。大学側の比較によれば、これは一般的な合成高分子や既知で最大級の天然タンパク質のおよそ100倍の重さに相当し、最も長い鎖は細胞一個分の幅よりも大きくなりました。研究者らによれば、この鎖は試験管の中で数カ月間、くっついて塊になったり融合したり徐々にバラバラに戻ったりすることなく、試験した条件下で制御された長さを保ち続けました。これは従来の超分子ポリマーが苦手としてきた点です。

    「これは、材料が細胞とどのようにコミュニケーションできるかについて、まったく異なる考え方をもたらすものです」。ノースウェスタン大学のサミュエル・I・スタップ氏は、この成果についてこう述べています。

    自己キャップ型超分子重合と、電荷を区分けした鎖が神経細胞に結合する仕組みを示した図解
    出典: Dore et al., Science(2026年)およびノースウェスタン大学のプレスリリースをもとに作成

    応用例――自己修復材料から神経細胞まで

    超分子ポリマーの中心にある可逆的な結合は、すでにいくつもの用途を見据えています。自己修復コーティングや建設・自動車・航空宇宙向けの部品は、小さなひび割れを部品交換なしに自ら修復し、機器の寿命を延ばせる可能性があります。刺激応答型のものは体内のpH変化などに触れたときだけ薬剤を放出するドラッグデリバリーの担体として研究が進み、水を含んだ超分子ハイドロゲルは細胞を育てる足場として組織工学で使われています。腐食や摩耗に強い適応型コーティングや、生体組織のようにしなやかに動くソフトロボティクスへの応用も試みられています。

    ノースウェスタン大学の研究は、ここに印象的な新例を加えました。研究チームは培養皿の神経細胞にいくつかの電荷パターンを試したところ、正の電荷だけの鎖は細胞に害を与え、負の電荷だけの鎖はほとんど影響を与えず、電荷をランダムに混ぜた鎖も目立った反応を示しませんでした。うまく機能したのは一つの設計だけで、短い正の区間を二つの長い負の区間で挟んだ構造です。これが負に帯電した神経細胞の表面に結合しました。この条件では、7日後に測定されたカルシウム活性(細胞内シグナル伝達の指標であり、神経細胞全体の機能を直接示すものではありません)が約4倍に上昇し、14日後にはより多くのシナプス結合が形成されていました。しかもこれは、通常使われる生体由来の成長因子を一切加えずに起きた変化です。研究者らは、これはあくまで培養細胞での実験であり動物や人間での試験はまだで、神経修復への医療応用は長期的な見通しにとどまると注意を促しています。

    関連する最新動向

    市場調査会社Transparency Market Researchの推計では、超分子ポリマーの世界市場規模は2024年時点でおよそ2億9,150万ドルとされ、2031年にかけて年平均約6.5%の成長が見込まれています。ただし科学的により重要な今後の節目は、ノースウェスタン大学が示したような数十億ダルトン規模の精密な鎖を、培養皿での実験を超えてスケールアップし、生きた動物で試験できるかどうかという点でしょう。

    上で紹介した「10億ダルトン」規模の鎖が、どのように神経細胞の活動を高めたのかについては、関連記事: 細胞より長い「10億ダルトン」の人工集合体を合成――神経細胞のカルシウム活性を4倍に高めた新素材でも詳しく紹介しています。

    出典: ノースウェスタン大学 Weinberg College、EurekAlert!プレスリリース、IUPAC Gold Book

  • 【科学】マルカリアン501に隠れたブラックホール連星か――最短100年で合体の可能性

    【科学】マルカリアン501に隠れたブラックホール連星か――最短100年で合体の可能性

    ヘルクレス座にある銀河「マルカリアン501(Mrk 501)」の中心で、これまで知られていなかった2本目のジェットが見つかった。研究チームは、これを超巨大ブラックホールの近接連星の証拠とみている。もしこの解釈が正しければ、これまでで最も接近した超巨大ブラックホール連星の候補の一つとなり、条件次第では最短およそ100年で合体する可能性もあるという。銀河の成長を左右するプロセスの最終段階を、人間の時間スケールで追いかけられるかもしれない、めったにない機会だ。

    原論文情報 / Original Paper
    原題(Title): Detection of a second jet within the nuclear core of Mrk 501
    著者(Authors): S. Britzen ほか
    掲載誌(Journal): Monthly Notices of the Royal Astronomical Society (MNRAS)
    DOI: 10.1093/mnras/stag291

    そこにあるはずのない、もう一本のジェット

    マルカリアン501は、地球から約4億5000万光年離れたヘルクレス座の銀河で、電波天文学者にとって数十年来なじみ深い観測対象だった。この銀河は「ブレーザー」と呼ばれるタイプに属し、中心のブラックホールがほぼ地球方向へ高エネルギー粒子の細いジェットを噴き出しているため、電波やガンマ線で際立って明るく見える。これまでの研究は、この一本のジェットをもとに銀河中心部を調べてきた。

    ドイツ・ボンのマックス・プランク電波天文学研究所(MPIfR)のシルケ・ブリッツェン氏が率いるチームは、過去の電波画像を調べ直し、既知のジェットとは反対側に、画像ごとに位置を変えながら中心部を回り込むように見える、淡いジェット状の構造を見つけた。既知のジェットとは違う場所に淡く現れるため、これまで見過ごされてきたとみられる。

    12年分の電波観測スナップショット

    この構造が画像のノイズではなく実在するかを確かめるため、研究チームは2011年9月から2023年7月にかけて取得された、超長基線電波干渉計(VLBA)による43ギガヘルツの観測83エポック分を再解析した。VLBAは米国各地の電波望遠鏡群をまとめて運用し、一台の超高解像度望遠鏡のように機能させる手法だ。さらに、より古い15ギガヘルツ・8ギガヘルツのデータとも比較し、観測の歴史をさかのぼって検証した。

    83回分の画像を通して見ると、この2本目の構造は位置を変えながら繰り返し現れ、中心部の周りを回り込むように動いているように見えた。これとは別に、銀河中心核の明るさも周期的に上下していた。どちらの振る舞いも、単純な一本の安定したジェットでは説明しにくい。もう一つの大質量天体が最初のブラックホールの周りを公転し、周囲の物質の流れを周期的に乱していると考えると、説明がつきやすくなる。

    2022年の画像に写った、部分的な光の輪

    2022年6月24日に撮影された1枚の画像は、とりわけ興味深い手がかりとなった。中心核の周囲に部分的なリング状の構造が写っていたのだ。研究チームはこれを「アインシュタインリング」の可能性があると解釈している。アインシュタインリングとは、背景の光が手前の大質量天体の重力で円状に曲げられて生じる現象だ。2本目のジェットからの光が、2つのブラックホールがほぼ同じ視線方向に並んだ際に、主役のブラックホールの重力で一時的に曲げられたのではないか、という説明が提案されている。

    研究チームはこのリングを、確定的な証拠ではなく仮説を補強する材料として扱っている。地球から見て2つの候補ブラックホールはあまりに近接しているため、イベント・ホライズン・テレスコープを含む現在のどの望遠鏡も、両者を分離した2つの点として見分けることはできていない。

    マルカリアン501のブラックホール連星候補を示す図。候補となる公転周期121日、距離、質量の推定範囲、合体までの推定期間を示す
    出典: Britzen et al. 2026, MNRAS およびマックス・プランク電波天文学研究所のデータをもとに作成。

    4か月の公転周期、まだ確定ではない

    2つの手がかりは似た短い周期を示すが、完全には一致しない。2本目の構造が似た位置に戻ったタイミングからは約146日(誤差プラスマイナス22日)、中心核の明るさの変化からはより短い約121日という周期が得られたが、研究チームは後者について確実性は低いとしている。論文はこの約121日を暫定的な公転周期として採用しつつ、2つの測定値が完全には一致していないことも明記している。

    2つの超巨大ブラックホールがわずか4か月で公転を一周するには、両者が途方もなく接近している必要がある。研究チームは、質量がほぼ等しいと仮定した場合、両者の距離はシュヴァルツシルト半径(事象の地平面の大きさに相当する指標)の27〜128倍程度と見積もる。それぞれの質量を太陽の1億〜10億倍と仮定した場合の数値だ。マックス・プランク電波天文学研究所自身の発表では、これを身近な単位でおよそ地球ー太陽間の250〜540倍と表現している(想定する質量によって変わる)。

    これほど巨大な天体にしては驚くほど小さな間隔だ。多くの銀河には過去の銀河衝突で生じたブラックホールのペアが残され、数百万年かけて互いに近づくと考えられているが、最後にどう距離を詰めるのかを理論でうまく説明できず、「ファイナル・パーセク問題」と呼ばれる長年の謎になっている。今回の接近が確認されれば、その最終段階を示す貴重な具体例になる。

    最短約100年後の合体、その条件とは

    この接近距離をもとに、研究チームは、質量や質量比についてある仮定を置いた場合、連星の軌道が縮んで最短およそ100年で合体しうると見積もる。これは確定した秒読みではなくモデル依存の推定値で、実際の質量が推定範囲の重い側に近ければ、合体までの時間はかなり長くなる。

    研究チーム自身、この結果全体を確定事実ではなく一つの解釈として慎重に位置づけている。論文の表現は一貫して「〜のようだ」「〜と矛盾しない」「〜の可能性が高い」といった言い回しで、「証明された」とは書かれていない。121日と146日という周期推定値の食い違いも解消されていない。直接観測されているのは2本目のジェット状構造とその位置変化、明るさの周期変動、一度だけ写った光の輪であり、「連星が公転している」という描像は、それらを最もうまく説明できると研究チームが考えた解釈にあたる。

    見届けるのは合体か、それとも接近の過程か

    連星という解釈が確認されれば、マルカリアン501は重力波観測の重要な標的になる。2つの超巨大ブラックホールが近づく過程では、極めて低い周波数の重力波が放出されると予想される。LIGOのような地上の検出器には遅すぎて捉えられないが、高速自転する中性子星「パルサー」からの規則正しい電波パルスのタイミングのずれを追う「パルサー・タイミング・アレイ(PTA)」という手法なら検出できる可能性がある。

    2023年には欧州パルサー・タイミング・アレイをはじめとする複数のPTA観測チームが、重力波による「背景雑音」の存在を示す証拠を初めて報告した。これは宇宙に無数に存在するブラックホールのペアからの信号が混ざり合って生じていると考えられている。マルカリアン501のような、性質がよくわかったペアを一つ特定できれば、個別の発生源を見分ける手がかりになりうるが、それは容易な作業ではない。

    「2つの巨大な天体が合体へとらせん状に近づいていく中で、重力波の周波数が着実に上がっていく様子を見られるかもしれません。超巨大ブラックホールの合体が進んでいく過程を目撃できる、またとない機会です」と、共著者のヘクトール・オリバレス氏は述べている。

    この可能性こそが、今回の発見を遠い一つの銀河の興味深い話以上のものにしている。超巨大ブラックホールの合体は宇宙の歴史を通じてありふれた現象と考えられているが、これほど最終段階に近く性質がよくわかった候補を、研究者たちはこれまで手にしたことがなかった。マルカリアン501のペアが実在するかはまだ確定していないが、それを探る試みはすでに、ジェットや明るさ、重力波信号の可能性を数年〜数十年という人間の時間スケールで追跡する動きにつながっている。

    Xsciens編集部の読み解き

    この記事の主役は「合体まで100年」という見出しの数字より、「見つかった構造が連星以外で説明できないか」という検証の過程にあります。

    • 観測されたことと解釈を分けて読む。直接観測されているのは、2本目のジェット状構造の位置変化、中心核の明るさの周期的な変動、2022年6月24日の画像に写った部分的なリング状の構造の3点です。「連星が公転している」という描像は、それらを説明するための解釈にあたります。
    • 数字の確からしさに差がある。周期は、構造の再出現から約146日(誤差プラスマイナス22日)、明るさの変化から約121日と、2つの推定が食い違っています。「最短約100年で合体」も、質量などの仮定に依存するモデル上の推定値で、質量が重い側なら合体までの時間はかなり長くなります。
    • 次に注目したい点。追加の電波観測で周期が一つの値に収束するか、そしてパルサー・タイミング・アレイによる低周波の重力波の探索で、個別の発生源として手がかりが得られるかどうかです。

    この読み解きの参考: 原論文(MNRAS, DOI)、マックス・プランク電波天文学研究所 プレスリリース

    出典: マックス・プランク協会、マックス・プランク電波天文学研究所、Britzen et al. 2026, Monthly Notices of the Royal Astronomical Society

  • 【科学】AIは不要な医療検査をほぼ回避――医師の意見が割れる場面ではつまずく

    【科学】AIは不要な医療検査をほぼ回避――医師の意見が割れる場面ではつまずく

    人気のAIチャットボットに、偶然見つかった小さな甲状腺結節について超音波検査が必要かどうか尋ねてみると、医療ガイドラインが「様子見でよい」としているにもかかわらず、検査を勧められる可能性が実は低くない。大規模な新しいベンチマーク研究によると、商用AIモデルは「控えるのが正解」の場面では不要な医療検査・治療をほとんど勧めない。しかし、人間の医師同士でさえ「何が必要か」で意見が割れるわずかな症例群では、AIも同じようにつまずくことが分かった。

    原論文情報
    タイトル: Overuse and False Restraint in Large Language Model Recommendations for Choosing Wisely Scenarios
    著者: Dean Ariel, MD, MPH 他
    掲載誌: Annals of Internal Medicine
    DOI: 10.7326/ANNALS-26-01667

    研究の実際の内容

    研究チームは、イスラエルのクラリット・ヘルス・サービスおよびベン=グリオン大学ネゲブ校のディーン・アリエル医師(MD, MPH)らが主導し、米国の長年のキャンペーン「Choosing Wisely」が示す15の推奨事項から225の臨床シナリオを作成した。Choosing Wiselyは、「ほとんど役に立たず、時に害をもたらす」として医師・患者に再考を促す検査・治療のリストを提供するキャンペーンである。各シナリオは、例えば健康な成人が定期的な心臓検査を希望するケースや、偶然発見された小さな甲状腺結節を持つ患者のケースなど、具体的な患者の状況を描写している。

    15の推奨事項それぞれについて、研究者は「控えるのが正解」となる10パターンと、「実際には対応が必要」となる5パターンのシナリオを作成した。そして225のシナリオすべてを6つの商用大規模言語モデルに入力し、各モデルが各シナリオに3回ずつ回答する形で、合計4,050件の回答を得た――そのうち2,700件が「控えるべき」シナリオ、1,350件が「対応すべき」シナリオに対するものである。この内訳は重要だ。「不要なケア」を測定できるのは150件の控えるべきシナリオ(6モデル×3回)であり、「誤って必要なケアを控えてしまうケース」を測定できるのは75件の対応すべきシナリオである。以下で紹介する2つのエラー率は、この2つの異なる母集団から算出されたものであり、4,050件全体から算出された単一の値ではない。

    Choosing Wiselyは2012年から続く取り組みで、「各診療分野の専門医学会自身に、自分たちの会員が注文しすぎている検査・治療を指摘してもらう」というシンプルな発想に基づいている。現在、同キャンペーンのリストは数百の推奨事項に及び、単純な風邪への抗生物質投与を避けることから、合併症のない腰痛への画像検査を避けることまで幅広くカバーする。この基準を「正解」の物差しとして使うことで、各シナリオの正解は研究者自身の判断ではなく、各処置の実際の価値を最もよく知る専門家たちの見解に基づくものとなっている。

    「過剰ケア」は低水準、ただし例外あり

    「控えるのが正解」のシナリオ全体で見ると、AIモデルが潜在的に不要なケアを勧めたのはわずか5.4%の回答にとどまった。テスト対象となった15のChoosing Wisely推奨事項のうち8つでは、モデルは一度も不要な検査・治療を提案しなかった――この結果は、画像検査、臨床検査、定期スクリーニングを含むさまざまなシナリオで一貫していた。

    「控えるのが正解」の場面で、AIチャットボットが不要なケアを勧めた割合は全体で5.4%だった――ただしこの平均には、約半数近くで判断を誤ったいくつかのシナリオが隠れていた。

    一方で、モデルは「ケアを控えすぎる」方向に振れすぎることにも慎重だった。実際には検査・治療が必要だったシナリオで、モデルがそれを勧められなかった――研究者が「誤った抑制(false restraint)」と呼ぶパターン――のはわずか0.6%の回答にとどまった。つまり、圧倒的に多い失敗モードは「やりすぎ」であって「やらなすぎ」ではなかったが、いずれの失敗も頻度としては少なかった。

    AIモデルがつまずいた点

    5.4%という平均値の裏には、モデルが通常よりはるかに苦戦した2つの「控えるべき」シナリオが隠れている。最も成績が悪かったのは、心配な所見のない、偶然発見された小さな甲状腺結節に対する超音波検査だった。この症例に対してAIモデルが不要な検査を勧めた割合は42.8%に上った。次に悪かったのは、症状のない低リスクの成人に対する定期的な心電図(ECG)スクリーニングで、モデルが不要な検査を勧めた割合は28.3%だった。

    「誤った抑制」の側で最もリスクが高かったのは前立腺特異抗原(PSA)検査だった。このシナリオでは、実際には適切だった検査をモデルが誤って見送った割合が3.3%に上り――それ自体は低い数字だが――研究対象となったカテゴリーの中では最も高い割合だった。

    AIチャットボットが不要なケアを勧めた割合を示すグラフ。全体で5.4%、甲状腺超音波検査で42.8%、定期心電図検査で28.3%、PSA検査の誤った抑制で3.3%
    出典: Ariel et al., Annals of Internal Medicine (2026) のデータを基に作成

    なぜ医師自身の意見も一致しないのか

    著者らは、AIが「壊れている」こととは関係のない、ありうる説明を指摘している。甲状腺結節に関しては、そもそも医学会同士の意見が一致していないのだ。異なる専門ガイドラインは、結節のサイズやリスクプロファイルに応じて「検査する価値がある」とする線引きが異なっており、現実の一般開業医たちもこの同じ論争的な判断を、それぞれ違う方向で下している。大規模言語モデルは、公表された医学文献や実際の臨床テキストを大量に学習しているため、まさにこの意見の不一致を学習してしまった可能性がある――ただし、この研究自体はどの学習データがエラーの原因になったかを証明したわけではなく、エラーが人間の指針が割れている箇所にちょうど集中していることを示したにすぎない。

    これは、AIが単にルールを学習し損ねたという話とは明らかに異なる。モデルの誤りはランダムではなく、人間の医師たちを分断させているのと同じ、論争的な判断の分かれ目に沿って生じているということを示唆している。

    患者と医師にとっての意味

    この研究に付随して発表された論説では、マウントサイナイ医科大学アイカーン校のデボラ・コレンシュタイン医師と、VAメリーランド・ヘルスケアシステムおよびメリーランド大学のダニエル・モーガン医師が、仮想的なシナリオに基づくベンチマークを過大評価しないよう注意を促している。実際の臨床判断には、患者の既往歴全体、身体診察、そして対話が関わる――チャットボットに渡された一段落のテキストだけでは完結しない。この論説は、AIの実際の臨床的価値に関するいかなる主張も、書かれた仮想症例ではなく、実際の患者との診療で検証される必要があると論じている。

    それでも、ここでの賭け金は現実のものであり、むしろ高まりつつある。患者は医師の診察の前後を問わず、AIチャットボットにセカンドオピニオンを求める機会を増やしており、臨床医の中にもすでにAIツールを検査依頼のトリアージに活用している者がいる。AIモデルが人間の盲点を修正するのではなく引き継いでしまえば、それは患者が最も明確で確信のある答えを必要としているまさにそのグレーゾーンにおいて、静かに同じ過剰検査を再強化しかねない。この種のリスクは、他の研究者が別の文脈で指摘してきたより広いパターンとも重なる。バークレー大学のある研究では、AIに頼って問題解決を助けてもらうことが、人の持続力や判断力を静かにすり減らしうることが示されている。難しく曖昧な判断をデフォルトでチャットボットに任せてしまう際には、このことを念頭に置く価値がある。

    この研究は実世界でのコストを測定していないが、リスクの輪郭は想像しやすい。もし実際のチャットボット利用において同様の誤りが十分な頻度で起きれば、結局は重要でなかった所見をめぐる不要な追跡検査、生検、そして患者の不安の積み重ねにつながりかねない。ただしそれはあくまで仮説であり、今回のベンチマークが実証したものではない。

    「多肢選択式テスト」の限界

    Choosing Wiselyのシナリオは、設計上、きれいな多肢選択式テストに近い――定評あるガイドライン機関による「正解」が確立された、明確な臨床状況である。しかし実際の医療判断の大半はもっと複雑で、患者の不安、家族歴、保険適用、そして短いテキストプロンプトでは捉えきれない無数の詳細によって形作られる。研究の著者ら自身は、5.4%という過剰使用率を「安心材料ではあるが、不完全」と位置づけている――今日の主要なAIモデルが「理由なく検査しない」という広範な原則をある程度吸収していることを示す強い証拠である一方、集団自体の判断が割れている場面では、モデルも欠点を含めて依然として「多数派の判断」をデフォルトにしてしまうという警告でもある。

    現時点での実践的な教訓は、「AIチャットボットは医療相談全般に安全かどうか」という話よりも、「その盲点がどこにあるか」という話に近い。このベンチマークでは、モデルが本当に必要なケアを見送ることはまれだった一方、一握りのグレーゾーンのシナリオでは不要な検査が現実の問題として残った。この研究は仮想の症例を用いたものであり、実際の患者ではないため、こうしたパターンが実際の診察室でどう現れるかを明らかにするにはさらなる研究が必要である――だからこそ、境界線上の検査についてのチャットボットの回答は、最終的な答えとして扱うのではなく、実際の医師に相談する際の材料として受け止めるべきだろう。

    Xsciens編集部の読み解き

    この研究から持ち帰りたいのは「AIは信頼できる/できない」という二択ではなく、「どの場面で頼ってよく、どの場面で医師に確認すべきか」という地図です。

    • 5.4%という平均に安心しすぎない。全体の過剰推奨率は低い一方、甲状腺結節の超音波検査では42.8%、低リスク成人の心電図スクリーニングでは28.3%と、特定の場面に誤りが集中しています。平均値だけを見ると、この偏りが見えなくなります。
    • 2つのエラー率は母集団が違う。過剰推奨率は「控えるのが正解」の回答、誤った抑制(0.6%)は「対応が必要」の回答から算出されています。2つの数字を同じ土俵で比べることはできません。
    • AIの揺らぎは医学界の揺らぎと重なる。誤りが目立った場面は、専門家の間でも線引きが分かれる領域でした。AIの回答がぶれるときは、医学的な合意そのものが固まっていない可能性があると読めます。ただし、この研究は仮想シナリオが対象で、実際の診察での効果やコストは検証されていません。

    この読み解きの参考: 原論文(Annals of Internal Medicine, DOI)、Newswise プレスリリース

    出典: American College of Physicians / Newswise プレスリリース、AuntMinnie、Annals of Internal Medicine(DOI)

  • 【科学】水素をつくる触媒、0℃付近で最も長持ちに――理研が酸化マンガンで発見

    【科学】水素をつくる触媒、0℃付近で最も長持ちに――理研が酸化マンガンで発見

    氷点下でも凍らない「過冷却水」の中で、水素をつくる触媒がなぜか一番長持ちする――理化学研究所(理研)の研究チームは、水の電気分解で水素を生み出す酸化マンガン触媒について、0℃付近で劣化が最も抑えられ、さらに冷やすと逆に劣化が速まるという、一筋縄ではいかない挙動を発見した。再生可能エネルギーで作る「グリーン水素」の普及を左右する触媒の寿命に、温度という新しい切り口が見えてきた。

    原論文情報 / Original Paper
    原題(Title): Cooling Water to Near Freezing Breaks the Activity-stability Trade-off of Water Oxidation Electrocatalysis
    著者(Authors): Wardhana, A. C. ほか
    掲載誌(Journal): Nature Chemistry
    DOI: 10.1038/s41557-026-02274-8

    電気分解触媒が抱える弱点

    太陽光や風力でつくった電気を使い、水を水素と酸素に分解する「水の電気分解」は、二酸化炭素を出さずに水素を作る「グリーン水素」技術の主役として世界中で開発が進んでいる。水素は発電や製鉄、輸送燃料など幅広い分野で化石燃料の代わりになりうるため、脱炭素社会の鍵を握る存在だ。しかし電気分解で酸素を発生させる側の電極は、触媒にとって非常に過酷な酸化環境にさらされる。使い続けるほど触媒そのものが少しずつ溶け出して劣化してしまい、交換や補修の負担が水電解の運用コストを押し上げる一因になってきた。

    反応速度か、触媒の寿命か

    化学反応は一般に温度が高いほど速く進む。これは「アレニウス則」と呼ばれる化学の基本法則で、電気分解の反応速度を上げたいなら温度を上げるのが定石とされてきた。ところが温度を上げれば触媒の劣化も同時に速まってしまう。逆に温度を下げれば触媒は長持ちしやすくなるが、今度は反応そのものが遅くなる。つまり「反応を速くするか、触媒を長持ちさせるか」のトレードオフから逃れられない、というのがこれまでの前提だった。

    0℃付近が一番長持ちする発見

    理研の中村龍平チームディレクター(東京科学大学 地球生命研究所教授)らの研究グループは、酸化マンガン(MnO2)を触媒に使い、電解液の温度を80℃から氷点下12℃まで変えながら、酸素の発生速度と触媒の劣化具合(マンガンが溶け出す量)を詳しく測定した。その結果、温度を80℃から0℃付近まで下げていくと、酸素発生の速度も触媒の劣化速度もともに遅くなるが、劣化の方がより大きく抑えられることが分かった。つまり0℃付近では、酸素発生反応の速度低下を伴うものの、触媒の劣化をそれ以上に抑え、寿命を延ばせる条件が存在していたのだ。実際に一定の電流を流し続けて寿命を調べる実験でも、触媒は0℃付近で最も長く持ちこたえ、さらに冷やすと再び寿命が縮むという、山型の関係がはっきり確認された。

    「アンチアレニウス」現象の正体

    さらに意外だったのは、0℃より低い温度での挙動だ。0℃以下では、冷やすほど逆に触媒の劣化が速くなる「アンチアレニウス」挙動が現れた。マイナス8℃の電解液は2℃のときより濃いピンク色を示したが、これは劣化に伴って生じる過マンガン酸イオンの増加と整合する変化だという。

    0℃以下では、冷やすほど逆に触媒の劣化が速くなる――通常の化学反応とは逆の「アンチアレニウス」挙動が確認された。

    鍵を握るのは、0℃以下でも凍らずに液体のままでいる「過冷却状態」の電解液だ。ラマン分光法で水の分子構造を調べたところ、過冷却状態では水素結合のつながり方が0℃以上の水と大きく異なっており、研究チームはこの構造変化がマンガンの溶出に影響し、劣化を加速させている可能性があると考えている。

    触媒の耐久性を高めるには、これまで材料そのものの組成や構造を工夫するアプローチが重視されてきた。硫黄を使った新素材で太陽光から水素をつくる研究のように、安価な水素製造を目指す技術開発の多くも、材料面の工夫が中心だ。今回の研究の特徴は、材料を変えるのではなく、反応環境の「温度」を調整することで触媒の活性と安定性のバランスを制御できる可能性を示した点にある。

    水電解触媒の安定性は電解液の温度0℃付近でピークになる概念図
    理化学研究所プレスリリース(2026年10月21日)の記述をもとに作成

    低温環境から宇宙への応用

    研究チームは、温度を新たな設計の手がかりとして使えば、触媒の「活性」と「安定性」を両立させる設計指針が開ける可能性があると見ている。この知見は、寒冷地や極地で稼働する電気化学システムの設計に加え、地球外天体などの低温環境で起こる電気化学反応を理解する手がかりにもなりそうだ。研究チームはこの発見を、国連の持続可能な開発目標(SDGs)のうち、安全な水の確保とクリーンエネルギーの普及にも貢献しうるとしている。成果は2026年10月21日、学術誌ネイチャー・ケミストリーに掲載された。

    まとめ:温度という新しい設計軸

    触媒の性能は、材料の組成や構造だけで決まるわけではない。温度という身近な条件を変えるだけでも、反応と劣化のバランスは変わりうる――それが今回の発見の核心だ。すぐにグリーン水素の価格が下がるわけではないが、触媒を「何でつくるか」だけでなく「どのような環境で使うか」から設計するという新しい視点は、今後の電解槽開発における一つの指針になりそうだ。

    Xsciens編集部の読み解き

    直感に反する「冷やすほど長持ちし、冷やしすぎると逆に劣化する」という山型の関係が、この研究の核心です。

    • 「長持ち」は「速い」ではない。0℃付近では酸素発生の速度も落ちています。劣化の抑えられ方のほうが大きいため寿命は延びますが、「遅くなる代わりに長持ちする」という取引が前提になっています。
    • 一般化の範囲に注意。測定の対象は酸化マンガン触媒で、温度は80℃から氷点下12℃までです。ほかの触媒や、実際の電解槽の運転条件で同じ山型の関係が成り立つかは、この記事の範囲では示されていません。
    • 「すぐに安くなる」わけではない。記事も述べているとおり、グリーン水素の価格がすぐに下がるわけではありません。今回の価値は、触媒の材料だけでなく「使う環境」からも耐久性を設計できると示した点にあります。0℃以下で劣化が速まる原因も、水の構造変化が影響している「可能性」の段階です。

    この読み解きの参考: 理化学研究所 プレスリリース、原論文(Nature Chemistry, DOI)

    出典: 理化学研究所プレスリリース「0℃付近で長寿命化する水の電気分解触媒」、Nature Chemistry (DOI: 10.1038/s41557-026-02274-8)

  • 【経済】AIを「使いこなせている」は3割弱――仕事を奪われる不安、40代以上にも広がる

    【経済】AIを「使いこなせている」は3割弱――仕事を奪われる不安、40代以上にも広がる

    生成AIがこれだけ話題になっても、「自分はAIをうまく使いこなせている」と胸を張れる人は、まだ全体の3割に満たないらしい。電通総研が2026年10月19日に発表した年次調査「クオリティ・オブ・ソサエティ指標2026」によると、AIの活用度には大きな世代差がある一方で、「AIに仕事を奪われるかもしれない」という不安は、前年の2025年調査と比べて若年層だけでなく40代以上にも広がり、年代による差が縮まったことが分かった。働く人の暮らしや将来設計に関わる話として、ポイントを整理する。

    原論文情報 / Original Paper
    発表タイトル(Title): “Quality of Society Index 2026”(クオリティ・オブ・ソサエティ指標2026)
    発表機関(Authors): 株式会社電通総研 ヒューマノロジー創発本部 Quality of Societyセンター
    発表元(Journal): 電通総研 プレスリリース
    DOI: https://www.dentsusoken.com/news/release/2026/1019.html

    この調査は、電通総研のシンクタンク組織であるQuality of Societyセンターが2019年から毎年実施しているもので、2026年6月23日から30日にかけて、18〜79歳の男女12,000人を対象にインターネット調査として行われた(調査機関は電通マクロミルインサイト、標本誤差は信頼区間95%・回答割合50%の場合で最大±1.3ポイント)。人々の意識の変化を長期的に追いかけている定点調査であり、今回初めてAIの活用度やAIエージェントへの受容度についての質問が加えられた。

    「使いこなせている」はまだ3割弱

    「自分は、AI(人工知能)をうまく使いこなせていると思う」という問いに対して、「使いこなせている」と回答したのは全体の29.8%にとどまった。年代別に見ると若い層ほど自信を持っている傾向ははっきりしており、最も高かった18〜29歳でも46.6%と、半数には届いていない。電通総研は、対話型生成AIが身近になってきた一方、活用についてはまだ試行錯誤の段階にある人が多いと分析している(ただし29.8%はあくまで「使いこなせている」という自己評価の割合であり、実際の活用度を客観的に測った数値ではない点には注意したい)。

    自信ある人ほどAIエージェントに前向き

    調査では、AIエージェント――利用者の目的に応じて、資産運用などの金銭管理や、出会いのきっかけづくり、レストラン・旅行の予約といった作業を代行する自動支援サービス――を、実際にそうした場面で任せられるかどうかも尋ねている。その結果、「AIをうまく使いこなせている」と回答した人の方が、3つの場面すべてで「任せることを受け入れられる」と答えた割合が高かった。自信がある人ほどAIエージェントにも前向きという関連が見られるものの、これはあくまで回答傾向の相関であり、自信が受容度を高めたと言い切れるわけではない。

    不安は7.8ポイント増、年代差縮小

    一方で、使いこなせているかどうかに関わらず広がっているのが、仕事を奪われることへの不安だ。現在働いている人(2026年はn=5,734、2025年はn=5,708)を対象に尋ねたところ、「不安を感じている」と答えた割合は30.9%で、前年の23.1%から7.8ポイント増えた。前年は不安を感じる人が若年層に偏っていたのに対し、今年は40代から70代でも不安を感じる割合が増加し、結果としてどの年代も3割前後まで近づいた。電通総研はこの背景として、この1年で職場におけるAI活用が進んだ可能性を挙げているが、これは調査機関による解釈であり、今回の調査結果だけで因果関係が実証されたわけではない。

    仕事を奪われる不安を感じている就労者は30.9%――1年で7.8ポイント増え、年代による差は縮まった。
    AIを使いこなせている割合と、仕事を奪われる不安を感じる割合の変化を示す棒グラフ
    出典: 電通総研「クオリティ・オブ・ソサエティ指標2026」のデータをもとに作成

    過去のAI実験とも共通する問題意識

    「使いこなせている」という自信を持てる人がまだ少数派にとどまる一方、「仕事が奪われるかもしれない」という不安だけは年代を超えて広がりつつある。本サイトで以前紹介した、カリフォルニア大学バークレー校などの研究チームによる実験では、AIの助けを借りて問題を解いた人が、その後AIなしで取り組んだ課題で成績を落とす傾向が報告されていた。あちらは特定の課題での成績を測った実験、今回は人々の意識を尋ねた調査と、裏づけの種類は異なるものの、AIとの距離感に戸惑う人が広い年代で増えているらしい、という共通の手がかりとして読める。

    職場のAI浸透と学ぶ機会の課題

    職場でのAI活用が今後も広がるなら、企業には従業員がAIの使い方を具体的に学び、安心して試行錯誤できる環境を整えることが求められそうだ。今回の調査だけでは、不安が増えた原因や、学ぶ機会が実際に足りているかどうかまでは分からない。それでも、AIを使いこなせているという自信が広く行き渡っていない一方で、仕事への不安が年代を超えて強まっていることは、企業がAI導入と人材育成をセットで考える必要性を示唆していると言えるだろう。

    出典: 電通総研「クオリティ・オブ・ソサエティ指標2026」プレスリリース、同調査レポート(PDF)

  • 【科学】閉経は「緩やかな坂」ではなく「崖」だった――100万人データが示す体の変化

    【科学】閉経は「緩やかな坂」ではなく「崖」だった――100万人データが示す体の変化

    100万人以上の女性から集めた3億件以上の検査データを分析したところ、閉経は少しずつ訪れるのではなく、骨や肝臓など体のあちこちで複数の検査値が最終月経の前後で急激に変化する「生理的な崖」のような現象であることがわかった。この変化がいつ、どの程度起こりやすいかを集団レベルで示した今回の研究は、ホルモン補充療法が骨や肝臓関連の数値の急な変化をやわらげる可能性があることも示している。

    ここでいう「崖」とは、100万人を超える集団の検査値の平均に表れる急激なパターンを指し、ある一人の女性の健康が突然悪化することを意味するものではない。一人の人生という時間軸では変化はゆるやかでも、100万人分のデータを重ねて平均を取ると、最終月経の前後に変化がくっきりと集中して見えてくる、という話だ。

    原論文情報 / Original Paper
    原題(Title): Population-scale reconstruction of menopause dynamics reveals a physiological cliff at the final menstrual period
    著者(Authors): G. Pridham、Y. Hayut、N. Lavi-Shoseyov ほか
    掲載誌(Journal): Nature Medicine
    DOI: 10.1038/s41591-026-04614-0

    100万人、3億件の検査データ

    研究を率いたのは、イスラエル・ワイツマン科学研究所のシステム生物学者ウリ・アロン氏らのチームだ。出発点は意外に実務的な問題だった――ほとんどの医療記録には、女性の最後の月経が正確にいつだったかが記録されていない。そのため長年、年齢がその代わりに使われできたが、これは不完全な目安にすぎない。同じ51歳でも、閉経までの道のりは人によって何年も違うからだ。

    研究チームが編み出した手法は、天文学でぼやけた望遠鏡画像を鮮明にする技術を応用したものだ。一人ひとりの閉経日を言い当てるのではなく、100万人以上の女性から得た3億件以上の血液・尿検査データを数学的に「ぼかし除去」し、最終月経の前後で各検査値が平均としてどう動くかという、くっきりとしたタイムラインを浮かび上がらせた。

    分析には、米国の大規模健康調査NHANES(1999〜2022年)と、イスラエルの医療保険組合クラリットが跮療記録(2004〜2024年、30〜70歳の女性約130万人分)という独立した二つのデータセットが使われた。従来の研究の多くは数百人規模を数年追跡する小規模な縦断研究で、老化と閉経特有の変化を見分けにくかった。暦年齢ではなく「最終月経からの経過時間」でデータを並べ直すことで、二つの国と医療制度を通じて共通するパターンが浮かび上がった。

    「崖」――半数以上の検査値が変化

    米国のデータセットで追跡した90種類の日常的な検査項目のうち、52項目で統計的に有意な急激な変化が、最終月経の前後という狭い時間帯に集中して見られた。何年もかけてゆっくり変化するのではなく、短い期間に変化が集中していたのだ。影響を受けた項目は、性ホルモン、骨代謝、肝機能、腎機能、血中脂質、一般的な血液化学など多岐にわたる。

    重要なのは、同じデータセットの男性には、同年代でこれに相当する急激な変化が見られなかったことだ。男性の値は数十年かけて緩やかに変化していた。研究チームはこれを、この「崖」が単なる老化の指標ではなく、閉経という移行期そのものに特有の現象であることを示す証拠だと捉えている。

    研究チームはこのパターンを、最終月経からおよそ1年以内に起こる「階段状の生理的な崖」と表現している。

    ホルモン変化は閉経の何年も前から

    最終月経時に起きる「崖」は、物語の始まりではない。ホルモンの変化はそれよりずっと前、静かに始まっている。卵子の残り数の目安となる抗ミュラー管ホルモン(AMH)は最終月経のおよそ15年前から急速に低下し始め、卵胞刺激ホルモン(FSH)はおよそ14年前から上昇し始める。そしてエストロゲンの主要な形であるエストラジオールは、およそ12年前から低下し始める。

    AMH、FSH、エストラジオールが最終月経の12〜15年前から変化し始めることを示す棒グラフ
    出典: Pridham et al., Nature Medicine (2026) のデータをもとに作成

    つまり最終月経が訪れる頃には、これらのホルモン系はすでに10年以上前から変化を続けてきたことになる。最終月経はホルモン変化の出発点というより、骨・肝臓・心血管系へと変化が一気に波及する「加速点」と見るほうが近い。

    骨・肝臓・心臓にも大きな変化

    90項目全体では、変化の大きさは標準偏差で0.1〜1.4に及んだ――検査値がどれだけ動いたかを示す統計的な尺度であり、パーセンテージでの変化量ではない。変化が特に大きかったのは骨密度を含む骨関連の検査、肝機能検査、コレステロールなどの脂質指標で、いずれもエストロゲンへの感受性が高い組織だ。同じ分析では、骨粗しょう症や心血管疾患と新たに診断される割合も最終月経の前後で増加の勢いを増していた。70歳までに女性のおよそ4人に1人が骨粗しょう症になるという一般的な統計も踏まえると理由がうかがえるが、この研究単独で因果関係が証明されたわけではない。

    すべての変化が悪い方向を向いているわけではない。鉄や赤血球関連の指標はむしろ改善し、貧血も減少していた――月経による出血がなくなるという単純な事実と整合的な、数少ない「良い方向」への変化の一つだ。ただしこれは、ある女性の骨密度やコレステロール、肝機能の検査値が決まったタイミングで必ず変化するという証明ではなく、個人差は集団平均の周りに大きくばらつく。

    ホルモン補充療法は崖を緩和できるか

    ホルモン補充療法(HRT)を利用している女性では、比較対象の80項目のうち約半数で非利用者より有意に変化が小さく、特に骨・肝臓・腎臓関連の指標で顕著だった。アロン氏はメディアの取材に、同療法が「骨の崖のほとんどと、心臓関連マーカーの崖の多くを消し去っているように見える」と述べている。ただし臨床試験ではなく観察研究による比較であり、利用者の割合も少ないため、効果そのものか利用者側の特性によるものかは切り分けられない。HRTは誰にでも適するわけではなく、特定のがんや血栓症の既往、未治療の高血圧がある女性には適さない場合があり、効果の確認には今後の無作為化比較試験が必要だという。

    「早めに手を打つことで加齢に伴う変化を和らげられるか」という問いは、長寿研究の分野でたびたび登場するテーマでもある。今回とは別の研究だが、「MIND食」で脳の老化がゆっくりになるとする12年間の研究もその一例だ。どちらのケースでも、本当のところを確かめるには、今後の前向き臨床試験が欠かせない。

    専門家が指摘する「まだ分からないこと」

    研究に関わっていない外部の専門家たちは、データの規模を評価する一方で表現には慎重さを求めている。ハーバード大学医学大学院のジョアン・マンソン氏は、この研究が「最終月経前後に起きる根本的な生理学的変化を裏付けている」と評価した。ピッツバーグ大学のレベッカ・サーストン氏はホルモン補充療法を「魔法の弾丸ではない」と述べ、生活習慣や人とのつながりの大切さも強調する。メルボルン大学のマーサ・ヒッキー氏は、「崖」という表現が「女性の不安をあおりかねない」とし、大多数の女性に劇的な心身の衰えが起きることを示す研究ではないと注意を促している。

    この研究自体は観察研究かつ横断的な分析であり、因果関係の証明ではなく、閉経特有の変化と通常の老化を完全には切り分けられない。元データにも欠落は多く、HRT利用グループも小規模だ。示されたのは、閉経に伴う変化がいつ現れ、その後の健康にどうつながるかを調べる新しい手がかりであり、研究チームは予防的ケアを検討できる期間を最大10年近くさかのぼれる可能性があるとする。それが実際の検査や治療のタイミングにつながるかは今後の課題だ。

    Xsciens編集部の読み解き

    この研究の新しさは、ホルモン変化が最終月経の10年以上前から始まっていること、そして男性の同年代では同様の急変が見られなかったことを、2つの独立したデータで示した点にあります。

    • 「崖」は集団平均の話。100万人分のデータを最終月経からの経過時間でそろえて平均したときに見える急変です。一人ひとりの検査値が同じタイミングで必ず急変するという意味ではなく、個人差は平均のまわりに大きくばらつきます。
    • 変化の大きさの単位に注意。0.1〜1.4という数字は標準偏差で表した検査値の動きで、パーセンテージではありません。「骨や肝臓の数値が何割変わる」と読むのは誤りです。
    • ホルモン補充療法の比較は観察研究。利用者のほうが変化が小さい傾向はありましたが、療法そのものの効果か、利用者側の特性の違いかは切り分けられません。外部の専門家も「魔法の弾丸ではない」「崖という表現が不安をあおりかねない」と慎重な見方を示しています。

    この読み解きの参考: 原論文(Nature Medicine, DOI)、ScienceAlert の解説記事

    出典: Nature Medicine、ScienceAlert、Newsweek