理論編#02|EBMとEBPMの決定的違い:科学的正しさだけでは社会は動かない

出演:EBPM新聞記者・ヴェレ、EBPM新聞記者・シン

完璧なエビデンスがあれば、政策は必ず成功するのか

ヴェレ　完璧な科学的証拠が100%揃っている政策なら、迷わず実行するべきですよね。でも、想像してみてください。その完璧な証拠に忠実に従おうとした結果、社会が猛反発してパニックに陥りそうになったとしたら——どうしますか?

シン　直感に反するかもしれませんが、エビデンスが科学的に完璧であることと、それが現実の社会で機能するかどうかは、実はまったく別の問題なのです。

ヴェレ　もしデータが絶対の正解なら、政治家も経営者もみんなAIに置き換えればいいはずです。でも、現実はそうなっていません。今回のミッションは、勘や経験による意思決定から、データと根拠に基づく意思決定への巨大なシフトを徹底解剖すること。特に、医療の世界で革命を起こしたEBM(根拠に基づく医療)と、それを政策に応用しようとするEBPM(証拠に基づく政策立案)の違いに焦点を当てます。

シン　この二つは、エビデンスを使うという点では同じに見えますが、直面している壁の種類が根本的に異なります。

ヴェレ　今回も膨大な資料を読み込みました。日本の内閣府や総務省のガイドライン、政策評価の学術論文から、英国のWhat Works Network、シンガポールの先進的な予測ガバナンスのケーススタディまで。早速紐解いていきましょう。

EBMの誕生——勘と経験からデータへ

ヴェレ　まずは、すべての始まりである医療の世界のゴールドスタンダード、EBMの誕生からです。昔の医療ドラマを見ていると、天才的な外科医が「私の経験上、ここを切るべきだ」と、度胸と勘で手術の方針を決めるシーンがよくありました。

シン　1990年代に登場したEBMは、そうした属人的な世界を根底から覆しました。医学の歴史における巨大なパラダイムシフトです。個人の経験や、権威ある医師の鶴の一声ではなく、ランダム化比較試験——いわゆるRCTのような、大規模で厳密なデータに基づいて判断するようになったのです。

ヴェレ　例えるなら、紙の地図と船長の長年の勘だけで嵐の海を航海していた船が、突然、超高精度のGPSシステムを手に入れたようなものですね。

シン　的確なアナロジーです。しかも、ただGPSを手に入れただけではなく、その精度を極限まで高めてノイズを排除する仕組みも作られました。その代表が「PRISMA声明」と呼ばれる国際的なガイドラインです。

PRISMA声明——玉石混交の研究をふるいにかける

ヴェレ　PRISMA声明は、具体的にどうやってノイズを排除するのですか。単に世界中から論文をかき集めればいい、というわけではないですよね。

シン　ええ。論文の中には、サンプル数が少なすぎるものや、特定の企業に有利なバイアスがかかっているものなど、質の低いものも数多くあります。まさに玉石混交です。そこでPRISMA声明は、膨大な研究論文の中から、どの基準で論文を選び、どうやってバイアスを評価して統合したか、というプロセスを透明化する厳格なチェックリストとして機能するのです。

ヴェレ　フィルターをかけるわけですね。

シン　そうです。このフィルターを通すことで質の低いデータは弾き出され、残った質の高いデータだけを統合するシステマティックレビュー、いわゆるメタアナリシスが可能になります。これが、最も強い根拠を作り出す仕組みです。

ヴェレ　純度の高いエビデンスだけを抽出する、強力な浄水器のようなイメージですね。ただ、逆に言うと、「データさえあれば医師は要らないのでは」といった極端なデータ信仰に陥る危険はないのでしょうか。

EBMの神髄——データ・臨床経験・患者の価値観

シン　そこが、EBMの最も誤解されやすく、かつ重要なポイントです。EBMの神髄は、決してデータを盲信することではありません。質の高いデータは、あくまで「平均的に有効である」という確率を示しているに過ぎず、それを目の前の特定の患者に適用できるかどうかは、また別の話なのです。

ヴェレ　データは一般論に過ぎない、ということですか。

シン　はい。だからこそ、最高品質の科学的根拠に、医師の臨床経験、そして何より患者自身の価値観やライフスタイルを統合する。この三つが重なって初めて、真のEBMが完成するのです。

ヴェレ　データは強力なツールだが、最終的には人間の経験や価値観と掛け合わせて使うものだと。では、医療の世界でこれほど明確な成果が出たのなら、この素晴らしいシステムを国の政策にも応用すれば、無駄な予算が減って完璧な社会が作れるはずだ——そう考えるのは自然な流れですよね。

医療モデルは政策に移植できるのか——EBPMの壁

シン　まさに、その医療における成功モデルを行政や公共サービスに移植しようという野心的な取り組みが、EBPM——証拠に基づく政策立案の始まりです。しかし、そこには大きな壁が立ちはだかります。社会は、臨床試験の実験室とは違うのです。

ヴェレ　EBMとEBPMの決定的な違いは、どこにあるのでしょうか。

シン　まず、対象と指標が根本的に違います。EBPM新聞のnote記事でも比較しましたが、医療の場合、目的は「患者の健康状態の改善」という、誰もが同意できる明確な評価軸があります。血圧が下がった、腫瘍が縮小したといった測定も容易で、結果が出るまでの時間も短い。

ヴェレ　それに対して、政策の場合はどうですか。

シン　政策は、「この政策の目的は経済効果なのか、それとも富の再分配による平等性なのか」といった具合に多面的な目標を持ち、社会的な価値観が常に衝突します。

ヴェレ　確かに、教育政策なら成果が出るのは子どもが大人になる20年後かもしれません。医療なら「薬を飲んで熱が下がったか」で測れますが、政策は「この予算で社会は幸せになったか」を測ろうとしている。評価のハードルが高すぎませんか。

シン　おっしゃる通りです。それに加えて、国全体を、介入する実験群と何もしない対照群に分けるような厳密なRCTを社会政策で行うのは、倫理的にも現実的にも極めて困難です。

ヴェレ　「なぜうちの街だけ実験台にされて補助金が出ないのか」と、必ず揉めますからね。

シン　ええ。そのためEBPMのエビデンスは、統計データや観察研究、事例研究など、どうしても多様で幅の広いものにならざるを得ません。だからこそ、限られたデータから推論する高度な工夫が必要になるのです。

ロジックモデルの罠——「美しい図」は証明ではない

ヴェレ　そこで、厳密な実験が難しい日本政府がEBPMを推進する際に、強く依存するようになったツールが「ロジックモデル」です。仕事でプロジェクトの目標達成フローチャートのようなものを書いたことがある方も多いと思いますが、まさにあれですね。

シン　予算を投入する、活動を行う、産出が出る、最終的に成果につながる——という因果関係を図式化したものです。

ヴェレ　例えば、職業訓練の予算をつける、訓練プログラムを実施する、100人がスキルを身につける、その結果就職率が上がる。とても論理的で美しい図です。しかし日本の行政事業レビューを見ると、この美しい図を描くこと自体がEBPMの完了条件になってしまっている現状があるそうですね。

シン　そこが本当に危ういところです。図が完成したからといって、その政策が本当に効くとは限りません。ロジックモデルはあくまで仮説の提示、つまり入り口であって、効果の証明ではないのです。ここには、二つの大きなリスクがあります。一つ目が、「一般均衡効果」の見落としです。

ヴェレ　先ほどの職業訓練の例で言うと、どういうことですか。

シン　プログラムに参加した100人のスキルが上がり、全員就職できたとしたら、ロジックモデル上は大成功です。でも、もしその地域の労働市場全体で、求人の枠が100人分しかなかったらどうなりますか?

ヴェレ　なるほど。訓練を受けた人が優先的に採用されるだけで、訓練を受けていない別の100人の雇用を奪っただけ。つまり、失業者同士の椅子取りゲームの勝者を入れ替えただけになってしまう。

シン　まさにそれです。これを「置換効果」と言います。そして二つ目のリスクが、「スピルオーバー」——つまり外部性の問題です。政策の介入がターゲットにしていない対象外の人々に与える影響を、ロジックモデルはどうしても欄外に追いやってしまうのです。図が整うことだけで満足して検証が形骸化してしまう状態を、「スタティック(静的)」なEBPMと呼びます。

ヴェレ　計画ベースで終わってしまうわけですね。

シン　はい。だからこそ、失敗や逆効果も含めて現実のデータから学習し続ける「ダイナミック(動的)」なEBPMへの転換が、絶対に必要なのです。

世界の実践——英国What Worksとシンガポールの予測ガバナンス

ヴェレ　では、日本がロジックモデルの整合性に苦心している間、世界はどうやってその動的なEBPMを実践しているのでしょうか。

シン　英国のアプローチが非常に参考になります。What Works Networkという機関の根底にあるのは、「Evidence First, not Evidence Only」——証拠を第一にするが、証拠のみにあらず、という考え方です。

ヴェレ　潔い言葉ですね。

シン　最終的には国民の価値観や予算制約といった政治的判断が必要であることを、明言しているのです。これは重要な問いを投げかけています。政策立案者は「どう実装するか」の証拠を求めるのに対し、科学者は「なぜそうなるか」というメカニズムを研究する。このエビデンスの需給調整メカニズムの弱さが、EBPMが機能不全に陥る原因の一つなのです。

ヴェレ　だからこそ、間を取り持って翻訳するネットワークが必要になるわけですね。さらに現代のデータ活用で言えば、シンガポールの「予測ガバナンス」も注目です。

シン　はい。シンガポールのRAHSシステムです。世界中の膨大なデジタルデータやAIを駆使して、予測不可能な危機——いわゆるブラックスワンを検知しようという国家的なシステムです。過去の検証だけでなく、未来のシナリオにエビデンスを適用させている、まさに最前線です。

ケーススタディ——「三密回避」の成功とHPVワクチンの教訓

ヴェレ　ここからは、エビデンスと社会の関係を示す、生々しい現実のケーススタディを二つ見ていきましょう。まずは成功例、日本のCOVID-19対策初期です。当時の日本は、他国のような強制的なロックダウンではなく、「三密回避」という独自のクラスター対策を行いました。

シン　あれはまさに、データに基づいた見事な推論でした。「感染者の80%は他人に感染させないが、残りの20%が特定の条件下でクラスターを形成する」というエビデンスを、早期に発見したのです。

ヴェレ　強制的にすべてを止めるのではなく、急所を見極めたわけですね。一方で、教訓となる事例として挙げられるのが、HPVワクチンの積極的勧奨中止です。ここで政治的な立場を取るつもりはまったくありません。あくまで資料に記載された事実として、政策プロセスとエビデンスの関係性を客観的に見ていきます。

シン　この事例では、WHOなどの国際機関から、安全性と有効性に関する科学的エビデンスが明確に提示されていました。にもかかわらず、当時は副反応の疑いに関するセンセーショナルな報道もあり、社会的な風評とパニックに近い不安が広がりました。その結果、政策判断として勧奨中止という決定が下され、防げたはずの被害を拡大させてしまったと言われています。

ヴェレ　英国の「証拠のみにあらず」という言葉の通り、社会の不安を無視することはできない。しかし、エビデンスを無視して不安に合流すれば、取り返しのつかない結果を招く。本当に難しい綱渡りです。

シン　まさに、政策立案の最も過酷な現実です。

まとめ——データは羅針盤、舵を切るのは人間

ヴェレ　つまり、結局どういうことなのでしょうか。EBPMもEBMも、魔法の杖ではないということですよね。

シン　ええ。データはあくまで羅針盤であり、最後に舵を切るのは人間の価値判断です。

ヴェレ　ロジックモデルという「疑うための地図」を持ち、現実のデータで絶えずアップデートし続ける姿勢。これが、日常のビジネスや意思決定にも応用できる、今回最大の学びですね。

最後の問い——AIのエビデンスと人間の直感が対立したら

シン　最後に、今回の枠組みを超えた、新たな思考の種を提案したいと思います。今日、AIやビッグデータがかつてないスピードで進化し、アルゴリズムが完璧なロジックを瞬時に提示する時代になりました。しかし、もしAIが導き出した最高のエビデンスに基づく政策が、人間の直感や倫理観と真っ向から対立したとき——私たちは、データと人間性のどちらを「証拠」として優先すべきなのでしょうか。

ヴェレ　知れば知るほど、世界の見え方が変わってきます。次回もまた、あなたの好奇心を刺激する未知の領域へ深く潜っていきましょう。お楽しみに。

関連エピソード

• 理論編#01|EBPMとは何か

• 理論編#05|エビデンスとは何か

• 事例編#01|2026年版英国EBPM