ランダムフォレストと粒子群最適化アルゴリズムを用いた土壌温度条件下における土壌回虫症（STH）の種分布予測のための新しいハイブリッドモデル

目に見えない感染に関して地面の温度が重要な理由

ナイジェリアの多くの地域では、土壌に生息する小さな寄生虫が何百万人もの人々に感染し、幼児の発育や成人の生産性に静かに悪影響を及ぼしています。これらの感染症は、地表から数センチ下の地温がどれくらい暖かいかによって繁栄したり衰えたりします。本研究は、高度なコンピュータアルゴリズムと詳細な土壌温度データを組み合わせることで、これらの寄生虫がどこで広がりやすいかを明らかにし、保健従事者が限られた資源を最も必要な場所に集中させる手助けをする方法を検討します。

足元に潜む見えない線虫

土壌媒介性線虫は、人の糞便が環境を汚染し、人々が感染した土壌に接触することで広がる腸内線虫です。ナイジェリアでは、回虫、鞭虫、鉤虫の三種が特に子どもたちにとって大きな公衆衛生上の問題となっています。これらの卵や幼虫は地中で発育し、その発育は温度に非常に敏感です。これまでの世界的な研究は、寄生虫が繁栄する「ほどよく暖かいが焼け付くほどではない」いわゆる適温帯が存在することを示してきました。しかし、何十年にもわたる対策にもかかわらず、感染リスクが最も高い地域を特定することは難しく、部分的には感染マップが地形における土壌条件の変化を十分に捉えられていなかったためです。

地中の熱をリスクマップに変える

この課題に取り組むため、研究者らはナイジェリアの地下気候の詳細な図を作成しました。年間を通じた土壌温度の挙動を示す21種類のレイヤー（平均温度、季節変動、極値、0–5 cm深度での月別値など）を含む全球土壌データセットを活用しました。これらのレイヤーを、国際的な顧みられない病気のデータベースから得た国内での線虫感染記録の位置データと組み合わせました。多くの記録は感染が確認された場所のみを示しているため、研究チームはモデルに適地と不適地を区別させるために、慎重に選んだ「疑似非存在」地点（既知の感染がない場所）も生成しました。

陸地から学ぶハイブリッドなスマートモデル

本研究の中心となるのは、意思決定木と群れ行動という二つの発想を融合したハイブリッドなコンピュータモデルです。基盤となるエンジンはランダムフォレストで、これは土壌条件に基づいて単純な二者択一の判断を行う多数の分岐する木を育て、それらの票を集めてある地点が線虫の生息に適するかを決定します。その上に、研究チームは粒子群最適化（PSO）を組み込みました。これは鳥の群れや魚の群泳に着想を得た手法で、多数の「粒子」がモデル設定の組み合わせや土壌温度特徴の選択肢をさまよい、互いにより正確な予測をもたらす組み合わせへと推し進め合います。

限られた手がかりでより鋭い予測を

モデルを比較したところ、ハイブリッド手法は標準的なランダムフォレストや従来型の人工ニューラルネットワークの両方を明確に上回りました。通常のランダムフォレストは約87％の精度、ニューラルネットワークは約81％でしたが、最適化されたハイブリッドモデルは約91％に達し、より安定した性能を示しました。注目すべきは、群れに導かれるモデルが、利用可能な土壌温度特徴の約半分のみを用いてこの改善を達成し、線虫の生存に最も重要な数か月分や季節的な温度パターンに絞り込んだことです。統計的検定により、向上が偶然によるものではないことが確認されました。得られたナイジェリアのマップは、特に中央部やミドルベルト地域で、土壌の温度と変動が寄生虫の好む範囲に入る顕著な高適地帯を示しました。

計算コードから地域の診療所へ

専門外の方にとっても核心は明快です。土壌がどれくらい暖かくなり、その温かさが時間とともにどう変わるかという微妙なパターンをコンピュータに学習させることで、線虫感染が持続しやすい場所のマップをはるかに明確に描けるようになります。本研究のハイブリッドモデルは地中温度を実用的な行動指針に変換し、除虫薬投与キャンペーン、衛生改善、継続的な監視を優先すべき地区を示唆します。ナイジェリア向けに開発された手法ですが、同じアプローチは他国や環境条件に依存する他の疾病にも適用でき、土壌や気候の目に見えない変化を公衆衛生を守るための具体的なツールに変える可能性があります。

引用: Adekunle, T.A., Ogunwande, JM.O., Ogundoyin, I.K. et al. A novel hybrid model for species distribution prediction of soil-transmitted helminthiasis (STH) under soil temperature conditions using Random Forest and Particle Swarm Optimization Algorithm. Sci Rep 16, 9594 (2026). https://doi.org/10.1038/s41598-025-31604-y

キーワード: 土壌媒介性線虫, 種分布モデリング, 土壌温度, 機械学習, ナイジェリア