ガチャ(娯楽)の世界から一転、医療(生命科学・公衆衛生)の世界に目を向けると、全く同じ10個の確率分布が「病気の予測」「新薬の開発」「病院の経営」などで命を救うために活用されています。
ガチャでの例えと比較しながら、医療現場における10の確率分布の活用例を解説します。
1. 負の超幾何分布(Negative Hypergeometric Distribution)
~ 有限の患者プールからの「特定患者の抽出」 ~
- ガチャ: ボックスガチャで目玉アイテムを引き切る。
-
医療での活用: 希少疾患の治験患者の集積
- 有限な患者群(例:ある地域にいる特定の遺伝性疾患の患者50人)から、治験に適した条件を持つ患者(10人)を順番に検査して集める状況。
- 「目標の10人が揃うまでに、何人の患者にスクリーニング検査を行う必要があるか?」を予測し、治験の期間や予算を計画するのに使われます。
2. 負の二項分布(Negative Binomial Distribution)
~ 感染症の「スーパースプレッダー」の解析 ~
- ガチャ: 欲しいSSRが3個揃うまで引き続ける(ハマりの存在)。
-
医療での活用: コロナ等の二次感染者数のモデル化(過剰分散)
- 感染症において、「1人の感染者が何人に移すか」を分析する際、多くの人は誰にも移さない(0人)一方、ごく一部の人が大量に移す(スーパースプレッダー)という**極端な偏り(過剰分散)**が発生します。
- この偏りを正確に表現するために、ポアソン分布ではなく「負の二項分布」が使われます(COVID-19の $k$ 係数の解析などで有名になりました)。
3. 幾何分布(Geometric Distribution)
~ 最初の治療効果が出るまでの期間 ~
- ガチャ: 最初の1個が出るまで引き続ける(無記憶性)。
-
医療での活用: 投与サイクル数と「投薬成功(寛解)」の確率
- 「抗がん剤治療を開始して、何回目の投与サイクルで最初の腫瘍縮小(効果)が見られるか」を表します。
- 1回ごとの投与で効果が出る確率が $p$ であるとき、患者が何回目の治療で効果を得られるかの予測や、治療を諦めて別の薬に切り替える判断基準(閾値)の設計に使われます。
4. 二項分布(Binomial Distribution)
~ 治験における「有効率・副作用発生率」 ~
- ガチャ: 100連ガチャでSSRが何個出るか。
-
医療での活用: 新薬の成功率・副作用の評価
- 100人の患者に新薬を投与したとき、**「何人に効果があったか(有効率)」や「何人に発疹(副作用)が出たか」**を表す最も基本的な分布です。
- 「有効率60%の新薬を100人に投与したとき、効果が出るのが45人以下になってしまう確率(運悪く効果が低く見えてしまうリスク)」などを計算します。
5. 多項分布(Multinomial Distribution)
~ 重症度分類や症状の多段階評価 ~
- ガチャ: 10連ガチャでSSR・SR・Rが何個ずつ出たか。
-
医療での活用: 病状の重症度(軽症・中等症・重症・死亡)の分類
- 100人の感染者が発生したとき、「軽症:70人、中等症:20人、重症:8人、死亡:2人」といった、3つ以上のカテゴリに分類される患者数の予測に使われます。
- 病床数(ICUが何床必要か)や医療資材の配分計画を立てる際の基礎となります。
6. ポアソン分布(Poisson Distribution)
~ 救急外来(ER)の受診患者数や「がんの発生率」 ~
- ガチャ: 確率0.1%のガチャを1000連引く(めったに起きない事象)。
-
医療での活用: 救急車の到着予測・希少がんの発症率
- 病院経営: 「夜間救急に1時間あたり平均3人の患者が来る」とき、**「ある1時間に突然8人押し寄せて医療崩壊する確率」**を計算し、医師の待機人数を決めます。
- 疫学: 放射線被曝などによって「10万人あたり年間2人」しか発生しない希少がんが、特定地域で多発していないかを統計的に検知するのに使われます。
7. 連続一様分布(Continuous Uniform Distribution)
~ 医療シミュレーション・放射線治療計画 ~
- ガチャ: 乱数生成器(RNG)の内部処理。
-
医療での活用: モンテカルロ・シミュレーション(がん放射線治療)
- 放射線治療において、ガン細胞に正確に放射線を当て、正常な臓器を避ける計算をする際、コンピュータ上で何億本もの「放射線粒子」をランダムな方向(一様分布)に飛ばすシミュレーション(モンテカルロ法)を行います。
- また、治験で患者を「薬を飲むグループ」と「偽薬(プラセボ)のグループ」に**偏りなくランダム分け(RCT)**するプログラムにも使われます。
8. ベータ分布(Beta Distribution)
~ 検査キットの「感度・特異度」の推定 ~
- ガチャ: 過去のデータから「本当のガチャ確率」を推定する。
-
医療での活用: PCR検査やがん検診の「正確さ」のベイズ推定
- 新しい検査キットを100人の感染者に試して90人が陽性(感度90%)だったとき、「この検査キットの本当の感度は82%〜95%の間のどこかにある」という確率の曖昧さをベータ分布で表します。
- 臨床データが増えるたびに(100人➔1000人)、ベータ分布のグラフがシャープになり、検査キットの正確性の信頼度が上がっていきます。
9. 正規分布(Normal Distribution)
~ 血液検査の「基準値(正常値)」の決定 ~
- ガチャ: 10万人のユーザーが引いたSSR個数のベルカーブ。
-
医療での活用: 健康診断の「基準値(血圧、血糖値、コレステロール等)」
- 人類の身長、体重、血圧、血液検査の数値などは、綺麗な正規分布を描きます。
- 医療では、健康な人のデータの**「中央95%(平均値 $\pm 2 \times$ 標準偏差)」を「基準値(正常範囲)」**と定義しています。この範囲から外れた上下2.5%ずつの人が「要再検査」と診断されます。
10. 冪乗分布 / パレート分布(Power Law Distribution)
~ 医療費の偏り(80/20の法則) ~
- ガチャ: 5%の重課金層(Whale)が売上の80%を占める。
-
医療での活用: 国家医療費の集中と医療政策
- 国全体の医療費において、**「上位5%〜10%の重症患者・慢性疾患患者が、医療費全体の70〜80%を消費している」**という冪乗分布(パレートの法則)が成り立ちます。
- 厚生労働省などはこの分布を元に、「全員の薬代を削る」よりも「重症化しやすい生活習慣病の予防に集中投資する」方が、国全体の医療費を大幅に削減できるという政策を立てています。
まとめ:ガチャと医療の対比表
| 確率分布 | ガチャでの意味 | 医療での意味 |
|---|---|---|
| 負の超幾何 | BOXガチャの完了 | 希少疾患の治験患者の集積 |
| 負の二項 | 天井なしガチャのコンプ | 感染症のスーパースプレッダー解析 |
| 幾何 | 最初の1体が出るまで | 投薬から最初の治療効果(寛解)まで |
| 二項 | 〇連ガチャのアタリ数 | 新薬の有効率・副作用発生率 |
| 多項 | 10連ガチャの内訳 | 病状の重症度(軽症〜死亡)の分類 |
| ポアソン | 超低確率ガチャ | 救急外来(ER)の急患到着数 |
| 連続一様 | 内部の乱数判定 | 放射線治療のシミュレーション |
| ベータ | 確率サバ読みの検証 | 診断キットの感度・特異度の推定 |
| 正規 | ユーザー全体の運の偏り | 血圧・検査値の「基準値(正常範囲)」 |
| 冪乗 | 課金層(Whale)の偏り | 国家医療費の「一部患者への集中」 |
エンタメの「ガチャ」で人を熱狂させるための数学と、医療で「人の命や健康を守る」ための数学は、実は全く同じ確率統計の理論によって支えられています。