ランダム化比較試験
Randomized Controlled Trial ・ らんだむかひかくしけん
処置をランダムに割り付けて交絡を断ち、因果効果を測る実験の黄金律
✦ 30秒で試す — 航海人を増やしても直らないずれを、くじ引きが直す重症の3人が、全員同じ組に入る確率は？予想してみる概要
ランダム化比較試験（RCT）は、参加者を「処置を受けるグループ（処置群）」と「受けないグループ（対照群）」にくじ引きのようにランダムに割り付け、両群の結果の差から処置の因果効果を測る実験手法です。新薬の効果を確かめる治験がその代表で、医学・経済学・政策評価において「エビデンスの黄金律（gold standard）」と呼ばれます。
核心はランダムな割り付けそのものにあります。誰が処置を受けるかを偶然だけで決めると、年齢・体質・意欲といったあらゆる背景要因——測定できるものも、できないものも——が2つの群に平均的に等しく分配されます。処置の有無だけが異なる、統計的に「同じ」集団のペアが作れるのです。その後の結果の差は処置に起因すると言えるようになり、因果推論の最大の障害である交絡を、設計の力で丸ごと断ち切れます。
WebサービスのA/Bテストは、この仕組みをオンラインの意思決定に応用したものです。RCTの論理を理解しておくことは、観察データの分析結果を「実験ならどうだったか」という物差しで吟味する力にもなります。
なぜ生まれたか
RCT以前、治療法の効果は権威ある医師の経験と症例報告で判断されていました。しかし「この薬を飲んだ患者はよく治る」という観察には抜け穴があります。医師が回復しそうな患者を選んで新しい治療を試していたら？ 治療を受けに来られる患者がそもそも軽症だったら？ 処置を受ける人と受けない人が最初から違っているかぎり、結果の差が処置のせいなのか元々の違いのせいなのかは、どれだけ症例を集めても区別できません。1747年に英国海軍の軍医リンドが壊血病の水兵を6組に分けて柑橘の効果を示した実験のように、比較対照を置く発想は早くからありましたが、「誰をどちらに入れるか」は人の判断に委ねられたままでした。
統計学者ロナルド・フィッシャーは1920年代、農地の肥沃度のむらに悩む農事試験でこの問題に直面し、「どの区画にどの肥料を与えるかをランダムに決める」ことで、あらゆる既知・未知の差を確率的に均す方法を定式化しました（実験計画法）。この発想を医学に持ち込んだ画期が、1948年に英国医学研究評議会がブラッドフォード・ヒルの設計で行ったストレプトマイシンの結核治療試験です。封をした封筒に入れた乱数による割り付けで「誰に新薬を使うか」から医師の判断を排除し、以後、ランダム化は臨床試験の標準になりました。2000年代には貧困対策などの政策評価にもRCTが広がり、2019年のノーベル経済学賞（バナジー、デュフロ、クレマー）はこの潮流に与えられています。「良さそうに見える施策」を「効果が確かめられた施策」に変える方法として、RCTは分野を越えて定着しました。
詳細
基本の流れ
典型的なRCTは次の手順で進みます。参加者を集めて適格性を確認し、乱数で2群に割り付け、処置群にだけ処置を施し、あらかじめ決めた評価指標（アウトカム）を両群で同じように測って比較します。
重要なのは、割り付け以降のすべての扱いを両群で揃えることです。測定のタイミング・観察の頻度・接し方が群によって違えば、せっかくランダム化で揃えた土台がそこで崩れます。また評価指標と解析方法は試験開始前に登録・宣言しておくのが現代の標準で、結果を見てから都合のよい指標を選ぶ「後出し」を防ぎます。これは多重比較やp値ハッキングへの構造的な予防でもあります。
なぜランダム化は交絡を断てるのか
因果ダイアグラムで描くと、RCTの力は一目で分かります。観察データでは「処置を受けるかどうか」に体質や重症度などの背景要因が影響し、その背景要因は結果にも影響します（交絡の分岐構造）。ランダム化は「処置を受けるか」を乱数だけで決めるため、背景要因から処置へ向かう矢印が消え、処置と結果を結ぶ裏口の経路が構造ごとなくなります。背景要因は結果には相変わらず効きますが、それは両群に等しく効くので、差を取れば消えます。
反事実と潜在結果の言葉で言えば、因果効果とは「同じ人が処置を受けた場合と受けなかった場合の結果の差」ですが、1人の人間について両方を観察することはできません。ランダム化は、処置群と対照群が互いの反事実の代役を（平均として）務められることを保証する仕掛けです。だから群間の平均の差が、平均的な因果効果（ATE）の偏りのない推定になります。
ここで「偏りがない」とは「毎回ぴったり当たる」という意味ではありません。1回の試験では、くじの偶然で重症の人が片方にやや多く入ることもあります。保証されるのは、試験を繰り返したときに推定値が真の効果のまわりに散らばり、その中心がずれないことです。偶然による揺れの大きさは標準誤差として見積もることができ、「観測された差はこの揺れで説明できる範囲か」を仮説検定で判定します。これに対して医師の判断のような系統的な選び方の偏りは、人数を何倍にしても消えません。下の部品で、2つの割り付け方を何度も繰り返して比べてみてください。
点は患者、大きいほど重症です（重症度は結果を左右しますが、新薬の効果とは無関係）。まず「医師が選ぶ」で割り付けてみてください。真の効果は +3 です。
点の大きさ = 重症度（結果に効く隠れた要因）。中段: 各群の平均重症度。下段: 推定した効果（新薬群の平均 − 対照群の平均）の履歴。青の破線 = 真の効果
質を支える設計要素
ランダム化だけでRCTが完成するわけではありません。まず割付の隠蔽です。次の患者がどちらの群に入るかを、参加者を登録する担当者が事前に知ることができてはいけません。知っていれば「この重症の患者は対照群の番だから、次の回に回そう」といった操作が入り込み、ランダム化が形だけになります。中央の登録センターで割り付けたり、中身の見えない封筒を使ったりするのはこのためです。**盲検化（ブラインド）**は、誰が処置群かを参加者や評価者に知らせない工夫で、期待や思い込みが結果や評価に混ざるのを防ぎます。薬の試験で対照群に偽薬（プラセボ）を渡すのは、「薬を飲んでいる」という認識自体の効果を両群で揃えるためです。
人数が少ない試験では、単純なくじ引きだと重要な背景要因（年齢層、施設など）がたまたま偏ることがあります。そこで層別ランダム化やブロックランダム化（4人ごとに2人ずつ振り分けるなど）で、重要な要因の内側で両群の人数を揃えます。これは実験計画法の局所管理と同じ考え方です。サンプルサイズの設計も事前に行います。検出したい効果の大きさに対して検出力が足りない試験は、効果があっても「差は確認できず」で終わる公算が高く、参加者の協力を無駄にします。
そして解析は原則として割り付けたとおりの群で行います（intention-to-treat解析、ITT）。処置を守らなかった人や途中で脱落した人を除外すると、「最後まで続けられた人」という偏った部分集団の比較になり、選択バイアスがランダム化の利点を壊してしまうからです。脱落が片方の群に多い、あるいは脱落の理由が群で違う（副作用で新薬群から抜ける、効かないので対照群から抜ける）場合はとくに危険で、脱落者の結果は欠損値の扱いとして慎重に補う必要があります。試験の報告では、募集から解析までの人数の流れを CONSORT という国際的な報告様式に沿って示すのが標準です。
無作為割付と無作為抽出は別物
よく混同されますが、「無作為に割り付ける」ことと「無作為に選ぶ」ことは別の役割を持ちます。無作為抽出は母集団と標本の関係、つまり「この結果はどの集団に一般化できるか」（外的妥当性）を支えます。無作為割付は、目の前の参加者の中で「差は処置のせいか」（内的妥当性）を支えます。多くのRCTの参加者は、同意してくれた人・条件を満たした人という無作為ではない集まりです。そのため内的妥当性は高くても、試験に参加しなかった高齢者や併存疾患のある人にも同じ効果があるとは限りません。逆に、全国から無作為抽出した大規模な調査でも、処置を自分で選んでいるなら交絡は消えません。
限界と、実験できないときの選択肢
RCTは万能ではありません。まず倫理と実行可能性の壁があります。「喫煙が肺がんを起こすか」を確かめるために人をランダムに喫煙させることはできませんし、最低賃金や金利政策を国ごとにランダムに割り付けることも困難です。次に、上で見た一般化可能性の問題があります。また、厳密なRCTは時間と費用がかかり、まれな副作用や長期の効果を捉えるには規模も期間も足りないことが多いのです。
だからこそ、実験できない場面のために観察データから因果に迫る方法が発展してきました。処置を受ける確率を揃えて比較する傾向スコア、制度変更の前後を比較群と対比する差の差法、処置に影響するが結果には直接効かない変数を利用する操作変数法などです。これらはいずれも「RCTなら得られたはずの比較」を仮定の力で再現しようとする試みであり、RCTはそれらの妥当性を測る基準点であり続けています。操作変数法は、割り付けを守らない人がいるRCTで「実際に処置を受けたことの効果」を推定するのにも使われます。
試問
新薬の臨床試験のシミュレーションです。待合室の患者を新薬群と対照群に振り分け、2群の平均の差から新薬の効果を推定します（この世界の真の効果は +3。点の大きさは結果に効く重症度で、ふつうは見えにくい要因です）。選べるのは割り付け方（医師が選ぶ／くじ引き）と人数で、推定の履歴は人数を切り替えると消えます。
点は患者、大きいほど重症です（重症度は結果を左右しますが、新薬の効果とは無関係）。まず「医師が選ぶ」で割り付けてみてください。真の効果は +3 です。
点の大きさ = 重症度（結果に効く隠れた要因）。中段: 各群の平均重症度。下段: 推定した効果（新薬群の平均 − 対照群の平均）の履歴。青の破線 = 真の効果