マイシン（MYCIN） (G検定)

1. 定義と概要

マイシン（MYCIN）とは、1970年代初めにスタンフォード大学で開発されたエキスパートシステム（専門家の知識をルールとして持たせ、専門家のように判断させるプログラム）です。菌血症（血液の中に細菌が入り込んでいる状態）や髄膜炎（脳や脊髄を包む膜に炎症が起きる病気）といった血液感染症の診断と、抗生物質の処方を支援するために設計されました。

エドワード・ショートリッフェが博士論文として開発し、ブルース・ブキャナンらの指導のもとで進められました。医師の専門知識は、「もし〜ならば〜である」というルールベース（規則の集まりに従って判断する仕組み）の約600件のルールとして記述されています。

ルールを知識ベース（専門知識をコンピュータが扱える形で蓄積したデータ）に蓄積し、患者の症状や検査結果を入力すると、原因菌の推定と抗生物質の推奨を提示します。

背景には、1965年にエドワード・ファイゲンバウムらがスタンフォード大学で開発したDENDRAL（未知の有機化合物の構造を質量分析データから特定する、世界初のエキスパートシステム）があります。特定の専門分野の知識をコンピュータに与えて専門家並みの判断をさせる手法が、ここで確立されました。MYCINはこの流れを汲み、医療分野の感染症診断へ応用する形で開発された、第2次AIブームを代表するエキスパートシステムの一つです。

2. 試験対策ポイント

G検定でMYCINの論点となるのは、開発時期・開発機関・目的の組み合わせです。スタンフォード大学で1970年代初めに開発され、血液中の細菌感染症や髄膜炎の原因菌の特定と抗生物質の推奨を目的とした点を押さえておきたいところです。

推論方式も重要な観点です。MYCINは約600件のIF-THENルールを知識ベースに蓄積し、ある仮説を起点に証拠を遡って確認しながら原因菌を絞り込みます。この、結論となる仮説から出発して証拠を遡る進め方は後ろ向き推論（バックワードチェイニング）と呼ばれます。

これは、既知の事実から当てはまるルールを順に適用して結論を導く前向き推論（フォワードチェイニング）と呼ばれるDENDRALの方式とは逆向きです。両者の対比は取り違えやすい点です。

試験対策のもうひとつの柱が確信度です。確信度（certainty factor）とは、不確実な医学的知識を数値で扱うために導入された指標です。ある仮説がどれくらい確からしいかを-1から+1の範囲で数値化する仕組みで、0は根拠がない状態、つまり不確実であることを表します。

スタンフォード大学医学部で実施された評価研究（Yu et al., 1979）では、10件の髄膜炎症例についてMYCINと9名の医師の処方を、8名の評価者が比較しました。その結果、MYCINの処方は65%の評価者に妥当と判定され、5名の感染症専門医（42.5%から62.5%）と同等以上の水準でした。

この結果にもかかわらず、MYCINは臨床現場で実運用されることはありませんでした。要因は性能の問題ではなく、誤診断時の責任の所在という倫理・法的な課題や、単独稼働のシステムとして当時の医療現場に組み込みにくかった運用面の制約とされています。

3. 関連概念との比較・相違点

DENDRALとの対比は、対象領域・開発時期・推論方向という軸で整理できます。

観点	DENDRAL	MYCIN
対象領域	化学（未知の有機化合物の構造特定）	医療（血液感染症・髄膜炎の診断）
開発時期	1965年	1970年代初め
推論方向	前向き推論（フォワードチェイニング）	後ろ向き推論（バックワードチェイニング）

開発時期で見ると、MYCINのほうが後発にあたります。

最大の違いは推論方向です。DENDRALの前向き推論は、既知の事実から当てはまるルールを順に適用して結論を導きます。一方MYCINは、原因菌の候補という仮説を先に立て、それを裏付ける証拠を遡って確認する後ろ向き推論を採用しており、臨床診断の思考過程に近い進め方です。

MYCINはDENDRALの設計を踏まえつつ、確信度という不確実性を扱う仕組みを新たに加えた点でも異なります。

データから学習する機械学習型のAIとの違いは、知識の獲得方法にあります。MYCINは専門家への聞き取りをもとに、ルールを一件ずつ人手で記述する必要があり、この作業は知識獲得のボトルネック（専門家の知識を一件ずつ人手でルール化する手間がシステム構築の壁になること）と呼ばれる課題を伴いました。専門家の暗黙知をすべてルール化するのは容易ではありませんでした。

一方、機械学習型のAIはデータから統計的にパターンを学習するため、人手でのルール記述を必要としない点が根本的に異なります。

4. ビジネス・実務での活用シナリオ

MYCIN自体は臨床現場で実運用されませんでしたが、AIが確信度や判断根拠を提示し、最終的な処方判断は医師が行うという役割分担の考え方は、現代の臨床意思決定支援システム（CDSS。医師の診断や治療方針の決定を支援するコンピュータシステム）にも引き継がれています。

金融・保険分野では、融資審査や保険の引受審査など判断根拠の説明責任が重視される領域で、ルールが人間に読める形で記述されるルールベースのエキスパートシステムが現在も採用されることがあります。ブラックボックス化しやすい機械学習モデルに対し、判断過程を説明しやすい点が評価されています。

コールセンターや故障診断の分野でも、症状や現象から原因を絞り込んでいくMYCINの後ろ向き推論の考え方が応用されています。質問に答えていくと原因にたどり着くチャットボットや故障診断ツールの設計は、この発想を引き継いだものです。

5. 要点まとめ

• MYCINはスタンフォード大学で1970年代初めに開発された、血液感染症（菌血症）や髄膜炎の診断と抗生物質の推奨を行うルールベースのエキスパートシステムです。
• 約600件のIF-THENルールを後ろ向き推論（バックワードチェイニング）で適用し、確信度（-1から+1）で不確実性を数値化しました。前向き推論のDENDRALとの対比は取り違えやすい点です。
• 評価研究では専門医と同等以上の処方精度を示しましたが、責任の所在などの倫理・法的な課題や運用面の制約により、臨床現場での実運用には至りませんでした。

6. 確認問題