アスペの明日へ：内海健『自閉症スペクトラムの精神病理』感想

僕は数年前、だから割と十分に大人になってから、はじめて自閉症スペクトラム（autism spectrum disorder; ASD、自閉スペクトラム症と表記される場合もある）の診断を受けた。Google検索などしていくつかの解説を読み、自分はASDっぽくないところも多いんだよな、と思っていた中で、劇的に「自分のことが書かれている！」と思ったのがこの本 自閉症スペクトラムの精神病理: 星をつぐ人たちのために だ。

往々にして、同じ分類をされてはいても周辺と中核はけっこう違っていたりするもので、つまり大人になってからはじめて診断されたような人は、「自分はASDっぽくないところも多いんだよな」と思うような人も珍しくないのではないかと思う。そしてそのような「これができない障害」と一言で言えないところも社会への適応を難しくしてる要因の一つだったりする。

さて、『自閉症スペクトラムの精神病理』はまず「サリーとアン課題」や「心の理論」といった、基本的な概念を疑うところから始まる。

「サリーとアン課題」は「サリーはビー玉をかごに入れて、部屋を出ます。サリーがいない間に、アンはビー玉をかごから取り出し、箱の中に移します。その後、サリーが部屋に戻ってきます。サリーはビー玉を取るのにどこを探すでしょうか？」というものだ。子供にもわかりやすいよう、人形劇などで演じられるらしい。自閉症のある児童は「箱」、ない児童は「かご」と答えることが多いという。この傾向は通例、自閉症者には「心の理論」がないという仮説で説明される。サリーの立場に立って考えることが難しいため、「箱」と答えてしまうということだ。

大人になってから初めてASDと診断された人たちは、自閉症がありながら「サリーとアン課題」をすり抜けてきたような人たちに当たる。このときは一体なにが起こっているのか。

『自閉症スペクトラムの精神病理』は非自閉症者にとって心は考えて推測するものではなく直観されるものではないかという。

サリーとアンを記憶媒体AとBに置き換えても「かご」と「正解」を出すことは可能である。しかし典型的には非自閉症者はそのような推論を経由してではなく「アンは『意地悪をして』ビー玉を隠した（サリーかわいそう）」というような感覚によってサリーとアン課題をクリアしているのではないか。

もちろん自閉症がないからといって心の感覚が常に正しいわけではない。しかし直感がないと、いわば心の推測にアンカーのような重いところがない。例えるならギャンブル漫画の心理戦の負けパターンのような状態、

「これも罠……しかし罠だという読みが罠かもしれない……すべてが危険牌に見える！（ぐにゃあ）」

これは僕個人の主観的な経験と一致する。

続けて、著者（内海氏）が提示するのは「（本書における）ほぼ唯一の仮説」と呼ぶ "φ" である。これは空集合に事寄せた記号で……と説明が続くが、ここでは省略する。個人的には "φ" は数学の公理のような論証の前提というよりはむしろ、話のまとめのためのキーワードのようなものとして扱うのがいいと思う。

むしろ多くの症例（ASD者の体験談）を引いて「ASDあるある：レベル100」みたいなものが続く本だと言った方が実感にはあっている。

本書、『自閉症スペクトラムの精神病理』に不満がないわけではない。例えば、発達段階の説明をピアジェに依拠している（p.86）。ピアジェの研究は歴史的には重要なものの、発達段階説は現在では否定されていることも多い。これについては 子どもは誤解されている: 発達の神話に隠された能力 などに詳しい。

また、数学では空集合の記号はギリシア文字φではなく∅を使うことが多い。もちろん記号は個人の自由だ。しかしこういった数学用語の使い方や大澤真幸を引用した箇所（pp.186-187）など、本書はポストモダン現代思想との親和性が見られる。ポストモダン現代思想が社会運動と結びつく場合、二項対立を解体するために二項対立を再生産するようなレトリックが多用されると僕は思っている。これについては 「社会正義」はいつも正しい　人種、ジェンダー、アイデンティティにまつわる捏造のすべて に詳しい。「健常者vs.自閉症」の対立を乗り換えるためには、ポストモダンの言説は読む側に努力が必要になると思う。

さらには、過度に文学的というか、要は実験で検証されるような仮説が少ないのが本書『自閉症スペクトラムの精神』の欠点だと個人的には思っている。

一方、『自閉症スペクトラムの精神病理』と同じくASDの主観的体験にフォーカスしているが、対照的に実験で検証できる物質的な側面を重視した本に 科学から理解する　自閉スペクトラム症の感覚世界 がある。たとえば、ASD者ではいくつかの感覚野でGABA濃度の低下がみられ、そのことが感覚過敏などに影響し……それはそれでおもしろい。

しかし、僕にとって「劇的にわかる」感じは『自閉症スペクトラムの精神病理』にある。

おそらく分子生物学的に還元したとしても、ASDに関して最終的に理解したい形質（フェノタイプ）は社会の中でASDがどうしているか、どう語られているか、という側面を多分に含むはずである。

より良い「アスペ」理解のために向かうべき明日は、おそらく『自閉症スペクトラムの精神病理』的な理解と『自閉スペクトラム症の感覚世界』的な理解の両者を繋ぐところにあるのではないかと思う。

自閉症スペクトラムの精神病理: 星をつぐ人たちのために

子どもは誤解されている: 発達の神話に隠された能力

「社会正義」はいつも正しい　人種、ジェンダー、アイデンティティにまつわる捏造のすべて

科学から理解する　自閉スペクトラム症の感覚世界

論文紹介：Lipsitch et al. (2010) 観察研究における交絡およびバイアスを検出するためのツールとしてのネガティブコントロール

本文：論文紹介

実験生物学などになじみのある方には意外に思われるかもしれないが，ネガティブコントロール（ネガコン）という用語は数理統計の教科書などではあまり見たことがない．私自身はやはり実験生物学分野の人と話してはじめて耳にした記憶がある．

そんなネガティブコントロールを観察データに対する疫学的因果推論にも活用しようと訴える論文が

Lipsitch, Marca,b,c; Tchetgen Tchetgen, Erica,c,d; Cohen, Teda,c,e. Negative Controls: A Tool for Detecting Confounding and Bias in Observational Studies. Epidemiology 21(3):p 383-388, May 2010. | DOI: 10.1097/EDE.0b013e3181d61eeb

リンク：https://journals.lww.com/epidem/fulltext/2010/05000/negative_controls__a_tool_for_detecting.17.aspx

である．以下では Lipsitch et al. (2010) と略す．

Lipsitch et al. (2010) では，まず実験生物学のネガティブコントロールがどんなものか例を用いて紹介される．

あるサイトカイン（というのは，免疫系でシグナル伝達に関与する物質）が好中球（白血球の一種）によってある種の細菌の殺菌を促進するという仮説を実験で検証したいとしよう．

サイトカインあり・なしの条件で細菌を培養した結果，サイトカインありの方で細菌が減っていたとしても，専門家はそれだけでサイトカインが殺菌を促進する確固たる証拠が得られたとは考えない．

サイトカインあり・なしで変わってしまった意図しない条件，例えば温度やpHが細菌が減った原因かもしれないからだ．

そのため，このような実験をするときにはネガティブコントロールを置くことが推奨される．ネガティブコントロールは例えば「好中球をあえていれない」「サイトカインを中和する特定の抗体を加える」などの，殺菌の効果がないことがわかっている条件を指す．

仮にネガティブコントロールでも細菌が減っていたら，実験室の環境の意図しない条件によって細菌が減ることが明らかになる．

ネガティブコントロールはいわば，未観測の交絡因子を警告するアラートのようなものだ．

Lipsitch et al. (2010) はこれが観察研究にも応用できるという．

この意味は因果グラフを書いて考えると明確になる．

観察データに基づく疫学的因果推論で考える典型的な因果グラフは次のようなものだ．

調整は層別化やマッチング，その他モデリングなどさまざまな統計的手法による調整を指す．しかし，調整しきれなかった未観測の交絡因子 U があるのではないかという点は，ほとんど常に疑いうる．

ここにネガティブコントロールを加えると因果グラフは次のようになる．

Lipsitch et al. (2010) ではネガティブコントロール N の具体例として，ワクチンの効果を推定するのにインフルエンザが流行していない時期の死亡率を用いた事例や，喘息予防薬の効果を調べるのに年一回しか投与していない患者群を使用した事例が紹介されている．

さて個人的感想として，強調しておきたいのは，因果推論といっても結局推論するのは人間なんだなということだ．やみくもに変数を加えてもそれがネガティブコントロールの役割を果たす見込みは薄い．「背景知識も活用して総合的に判断しました」というような一見頼りないように見えるかもしれない議論が，ベストを尽くした結果になりうるということだ．

付録：Rによる数値例

私なりに R による簡単な数値例をやってみよう．上ではネガティブコントロールを Lipsitch et al. (2010) に合わせて N としたが，R のコード中ではサンプルサイズの n と混同しないよう Z とした．

# シミュレーションデータを生成する関数
simulate_data <- function(n, true_treat_effect = 0.8, include_U = TRUE) {
  # U: 未観測の交絡因子
  U <- rnorm(n, 0, 1)
  # L: 測定済み共変量
  L <- rnorm(n, 0, 1)
  # A: 処置割付（ロジスティック） : U と L に依存
  logit_pA <- -0.2 + 0.8 * U - 0.4 * L
  pA <- plogis(logit_pA)
  A <- rbinom(n, 1, pA)
  # Y: 主要アウトカム（ロジスティック）
  # true_treat_effect が log-oddsスケールでの処置効果
  logit_pY <- -1 + true_treat_effect * A + 0.6 * U + 0.3 * L
  pY <- plogis(logit_pY)
  Y <- rbinom(n, 1, pY)
  # Z: ネガティブコントロール
  logit_pZ <- -1 + 0.8 * U + 0.2 * L
  pZ <- plogis(logit_pZ)
  Z <- rbinom(n, 1, pZ)
  data.frame(U = U, L = L, A = A, Y = Y, Z = Z)
}

# データを生成（未測定交絡が存在）
set.seed(12345)
n <- 2000
dat <- simulate_data(n, true_treat_effect = 0.8, include_U = TRUE)

# X で調整した回帰
m_Y_obs <- glm(Y ~ A + L, data = dat, family = binomial)

# 同じ調整でネガティブコントロールを回帰
m_Z_obs <- glm(Z ~ A + L, data = dat, family = binomial)
summary(m_Y_obs)
summary(m_Z_obs)

結果は次のようになった．

Call:
glm(formula = Y ~ A + L, family = binomial, data = dat)

Coefficients:
            Estimate Std. Error z value Pr(>|z|)    
(Intercept) -1.06567    0.07021 -15.178  < 2e-16 ***
A            1.01730    0.09851  10.327  < 2e-16 ***
L            0.34715    0.05230   6.638 3.17e-11 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 2619.4  on 1999  degrees of freedom
Residual deviance: 2481.6  on 1997  degrees of freedom
AIC: 2487.6

Number of Fisher Scoring iterations: 4

> summary(m_Z_obs)

Call:
glm(formula = Z ~ A + L, family = binomial, data = dat)

Coefficients:
            Estimate Std. Error z value Pr(>|z|)    
(Intercept) -1.06618    0.06973 -15.290  < 2e-16 ***
A            0.44950    0.09954   4.516  6.3e-06 ***
L            0.18027    0.05243   3.438 0.000586 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 2441.8  on 1999  degrees of freedom
Residual deviance: 2413.2  on 1997  degrees of freedom
AIC: 2419.2

Number of Fisher Scoring iterations: 4

A からの矢印がないネガティブコントロールでも A の効果がけっこう大きな値に（「有意」に）推定されている．これが未観測の交絡因子を警告するアラートになる．