機械学習を用いたアンチドーピング捜査における検体すり替え検出

巧妙な不正を見抜くことが重要な理由

エリートスポーツは信頼に依拠しています：選手が勝ったとき、その結果がクリーンであると信じたい。現代の薬物検査は非常に感度が高い一方で、選手の一部は尿検体を密かにすり替えるなどして検査をかいくぐろうとします。本研究は、選手が以前に採取された“クリーンな”尿を再利用した場合を機械学習で検出できることを示しています。この手口は、現在のルーチン検査では極めて見つけにくいものです。本研究は、膨大な検査データベースを静かにスキャンして改ざんの痕跡を浮かび上がらせることで、公正な競技を守る新たな方策を示唆します。

現在の検査に潜む見えにくい抜け穴

アンチドーピング研究所が通常尿検体を検査するのは、多くの禁止薬物やその代謝物が尿中で長く検出可能だからです。Athlete Biological Passport（選手生物学的パスポート）では天然ステロイドホルモンのプロファイルが年単位で追跡され、これらの値に突然の変化があれば調査が開始されます。他人の尿を差し替えるとこの長期的なパターンが乱れ、多くの場合で検出可能です。しかし真の盲点は、選手が自分自身の以前の薬物陰性の尿を密かに再利用した場合に生じます。その場合、ステロイドのパターンは履歴に完全に適合し、もし検体が別の検査所で検査されたり元の採取から長時間経っていたりしても、2つの検体が実質的に同一であることを自動的に検出する方法は現在存在しません。

尿化学を検索可能なパターンに変換する

著者らは、尿中の一連の天然ステロイドとそれらの比率が作る詳細な“指紋”に着目してこの問題に取り組みました。彼らは、2021年から2023年にかけてWADA（世界アンチドーピング機関）認定の検査所で収集された67,651件のステロイドプロファイルを収集し、男女両方の選手を含みます。各プロファイルにはテストステロンなどの主要ホルモンや関連化合物、そしてそれらの比率が含まれます。検体の再利用の実例は稀で機密扱いであるため、研究チームは実データに加えて注意深く作成した合成のプロファイル対を用いました：一部の対は小さく現実的な測定ノイズを加えて“類似”に作り、他方は異なる選手のサンプルをランダムに組み合わせて“非類似”にしました。これにより、コンピュータモデルが実務上の“ほぼ同一”がどのように見えるかを学習するためのバランスのとれた訓練素材が得られました。

賢い検出器の仕組み

システムの中核は畳み込みネットワークとして知られる人工ニューラルネットワークの一種で、画像認識で広く使われています。ここでは画像の代わりに、左右に並べたステロイドプロファイルのペアが入力となります。ネットワークは特徴を横断してスキャンし、二つのホルモンとそれらの比率がどのように連動するかといった微妙な局所的関係をとらえます。データを扱いやすく解釈しやすくするために、研究者らは主成分分析という手法も用いて全プロファイルを3次元空間に射影し、単純な距離計測で近接するマッチを浮かび上がらせました。訓練中、ネットワークは二つのプロファイルが同一の尿に由来する確率を出力することを学び、生物学的な個人差や時間経過に伴う通常の変動と真の類似性を区別します。

手法の実地検証

チームは複数の観点から手法を評価しました。まず、各年の未使用（ホールドアウト）データでテストし、訓練で見ていないプロファイルに対して期待される15%の測定不確かさの範囲で擾乱を加えました。畳み込みネットワークは一貫して非常に高い精度を示し、類似する対を正しく識別しつつ誤報を低く抑え、ロジスティック回帰、サポートベクターマシン、木ベースのモデルなどの従来手法を上回りました。次に、研究チームは800以上の“確認”サンプル――検査所がやや異なる手順で再分析した実際の尿試料――でシステムに挑戦しました。これらは繰り返し採取や再利用された検体の現実的な代理となります。再び、ネットワークは男女ともに非常に良好な感度（真の一致をとらえる能力）と特異度（誤検出を避ける能力）を示し、実際の検査所のノイズや生物学的変動に対応できることを示唆しました。

クリーンなスポーツにとっての意義

専門外の読者にとっての要点は、いまや広大なアンチドーピングデータベースを自動的にスキャンして、いわゆる新しい尿検体が実は古い検体のほぼ完全なコピーであるという兆候を検出することが現実的になりつつある、ということです。提案された機械学習フレームワークは禁止物質の既存検査を置き換えるものではなく、むしろ疑わしいほど類似した検体を精査のためにフラグ付けする強力なバックグラウンドチェックを追加します。本手法は一部でシミュレーションデータに依存し、完全に透明ではない“ブラックボックス”モデルを使用するものの、競技団体にとって実用的な新たなツールを提供します。Athlete Biological Passportシステムに統合されれば、かつて検出困難だったクリーン尿の再利用をはるかにリスクの高い行為に変え、メダルが操作ではなく実力で獲得されたという信頼を強化する可能性があります。

引用: Rahman, M.R., Piper, T., Thevis, M. et al. Detection of sample swapping in anti-doping investigations using machine learning. Sci Rep 16, 9230 (2026). https://doi.org/10.1038/s41598-026-43502-y

キーワード: アンチドーピング, 尿中ステロイドプロファイル, 検体すり替え, 機械学習, スポーツの誠実性