人工知能（AI）が医療分野で活用されるようになったのは、ここ10〜20年の話だと思われがちです。
しかし、その原点は1970年代に開発された「MYCIN（マイシン）」というシステムにまでさかのぼります。
本記事では、医療AIの先駆けともいえるMYCINの仕組みや特徴、評価、そして実用化されなかった理由まで、わかりやすく解説します。
MYCINとは何か
MYCINは、感染症の診断と治療方針の提案を行う**エキスパートシステム（専門家の知識を再現するAI）**です。
医師が患者の症状や検査結果を入力すると、以下のような情報を出力します。
- 原因と考えられる細菌
- 診断の確信度（どの程度確からしいか）
- 推奨される抗生物質の種類
- 患者の体重に応じた投与量
- 診断に至った根拠
単なる結果提示だけでなく、「なぜその診断に至ったのか」という説明まで行える点が大きな特徴です。
MYCINの仕組み
対話型インターフェースによる入力
MYCINは、医師との対話を通じて情報を収集します。
まるで問診のように、システムが順番に質問を提示し、医師が回答していく形式です。
回答はシンプルで、以下のような内容で対応可能です。
- 「はい／いいえ」
- 数値（体温や体重など）
- 簡単な単語
さらに、医師が自然言語（英語）で質問することも可能で、柔軟なやり取りができる設計でした。
知識ベースと推論エンジン
MYCINの中核は、以下の2つの要素で構成されています。
知識ベース
- 約500の診断ルールを格納
- 医師など専門家の知見をもとに作成
- 「もし〜ならば〜」という形式のルールで構成
推論エンジン
- 入力された情報をもとにルールを適用
- 条件に合致する診断を導き出す
- 確信度を計算し、結果の信頼性も提示
この「知識」と「推論」の分離は、当時としては非常に革新的で、後のAIシステム設計に大きな影響を与えました。
MYCINの特徴と革新性
MYCINは単なるプログラムではなく、現代AIにも通じる重要な特徴を備えていました。
説明可能なAI（Explainable AI）
MYCINは診断結果だけでなく、以下のような説明も提供します。
- なぜこの細菌が疑われるのか
- なぜ他の可能性は除外されたのか
これは現在注目されている「説明可能なAI（XAI）」の先駆けといえます。
ヒューリスティック（経験則）の活用
MYCINは、医師の経験に基づく判断ルールを取り入れています。
これにより、
- 膨大な可能性の中から重要な情報を抽出
- 効率的に診断を進める
といった人間に近い思考プロセスを実現しています。
MYCINの性能評価
MYCINは、スタンフォード大学医学部で評価試験が行われました。
その結果は非常に興味深いものです。
- MYCINの正答率：約65%
- 医学部教員（複数名）：約42.5〜62.5%
つまり、専門医と同等レベルの診断精度を示したのです。
これは当時のAIとしては驚異的な成果でした。
なぜMYCINは実用化されなかったのか
これほど高性能でありながら、MYCINは実際の医療現場で使われることはありませんでした。
その理由は主に以下の通りです。
倫理・法的な問題
- 誤診が起きた場合の責任の所在が不明確
- コンピュータの判断に医療を委ねることへの抵抗
入力の手間
- 患者情報をすべて手入力する必要があった
- 現場の負担が大きい
ハードウェアの制約
- 当時は大型・中型コンピュータが必要
- 医療機関への導入が現実的でなかった
現代医療AIとの違いと共通点
MYCINと現代の医療AIには、違いと共通点の両方があります。
違い
- MYCIN：ルールベース（人が知識を定義）
- 現代AI：機械学習・ディープラーニング（データから自動学習）
共通点
- 診断支援という目的
- 医師の意思決定を補助する役割
- 説明性の重要性
近年では、MYCINのような「説明できるAI」が再び注目されており、その思想は今も生き続けています。
まとめ
MYCINは、医療AIの歴史において非常に重要な存在です。
- 感染症診断を支援するエキスパートシステム
- 知識ベースと推論エンジンを分離した革新的設計
- 専門医に匹敵する診断精度を実現
- しかし倫理・技術的課題により実用化には至らず
現在のAIは大きく進化しましたが、MYCINが示した「専門知識を活用したAI」や「説明可能性」の重要性は、今も変わりません。
医療AIの未来を理解するうえで、MYCINは今なお学ぶ価値のある重要なマイルストーンといえるでしょう。
こちらもご覧ください：DENDRALとは？AIが化学研究を変えた先駆的システムをわかりやすく解説
