Decision-aware ML for Essential Medicines Access

Improving Access to Essential Medicines via Decision-Aware Machine Learning

Chung, Bastani & Bastani et al. — Nature (2026) | DOI: 10.1038/s41586-026-10433-7

🎯 下流の配分目的に予測を整合させる decision-aware ML を Sierra Leone 全国へ実地展開：消費 +19%、月 $30 で 200 万人をカバー

① 背景と課題

低・中所得国の必須医薬品配分は、データが乏しく低品質なため従来のデータ駆動手法が機能しにくい。Sierra Leone の Free Health Care Initiative は四半期に一度しか配分せず、ある施設で深刻な品切れ、別の施設で余剰・廃棄というミスマッチが慢性化。NMSA によれば施設要求の約 42% が未充足。施設-製品ペアあたり観測は最大 37 か月しかなく、欠測は貧困地域に偏在（missing-not-at-random）する。

妊産婦死亡率は 717/10万出生（世界最悪水準）。アクセス不足が予防可能な死の主因。

既存の decision-focused learning は本規模で計算困難 or 既存パイプラインと非互換。

→ 需要予測 × 確率的最適化を、データ効率を担保する 3 技術（multi-task / catalytic priors / decision-aware）で実現

② 手法概要

DHIS2 消費 + mSupply 在庫
↓
Multi-task Random Forest
(製品カテゴリ単位で施設横断共有)
↓
Catalytic prior 注入
(WorldPop / NDVI 人口ベース正則化)
↓
Decision-aware 再重み付け
w = ∇a*(μ₀)ᵀ∇L (KKT 由来)
↓
確率的最適化 (SAA + LP)
施設レベル割当

Decision-aware

在庫不足になりやすい施設を up-weight する軽量 re-weighting

割当 LP の KKT 解は water-filling 型 a_n* = μ_n − s_n + (b − Σ)/|I|。その μ 微分が各サンプルの重みになる。

③ 計算化学パイプラインへの応用

lib/docking: VS の active learning。上位選抜に効く化合物だけ UniDockRunner/FEP で精密評価
lib/molgen: MolgenYaml サロゲートスコアラーを decision-aware 学習。生成-評価ループのヒット率改善
lib/fep: catalytic prior 流の正則化で新規スキャフォールドの ΔΔG 予測を MMGBSAEngine へ shrink
lib/md: multi-task で複数系の RMSD/水素結合特徴を共有学習しサンプリング不足系を補強

実装ギャップ: KKT 由来の sample_weight 導出・catalytic prior 注入・SAA+LP 割当層が lib に未整備

④ 主な結果 (a) 消費増 — 推定戦略横断で一貫

主指標 SynthDiD +19% (P<0.05)。DiD・マッチング・代替対照・補完すべてで 15〜27% の有意な増加で頑健。

④ 主な結果 (b) 公平性 — 弱者施設も増加

大規模施設 +36% (P<0.05)、過去に品切れた過小評価施設 +32% (P<0.01)。catalytic prior が貧困地域の予測を支え、公平な配分を実現。

④ 主な結果 (c) 運用・コンプライアンス

意思決定支援ツールとして展開（現場が override 可能）したが、実配分とアルゴリズム配分の正規化重複は高く、現場が推奨に強く従った。

0.89 〜 1.0

実配分とアルゴリズム配分の正規化重複（高コンプライアンス）

$30 / 月

サーバ費のみ・追加人員ゼロ（極めて低コスト）

約 200 万人

全国展開後にカバーする女性・5 歳未満児（推定）

→ 2023 Q3 以降、全国の全公的医療施設に拡大採用。

⑤ テイクホームメッセージ

下流の配分目的に予測を整合させる decision-aware learning を KKT 由来の軽量 re-weighting として実装、既存パイプラインに統合可能
multi-task learning + catalytic priors で低データ・データ不公平環境を克服
処置県消費 +19%、複数のロバストネスチェックで一貫
品切れは方向的に減少も有意でなく（−4.6%, P=0.12）— 品切れ最小化を目的にしないのは設計上意図的

限界: 未充足需要は直接非観測（消費量を代理目的）。単一四半期割当に限定。小規模施設の効果は非有意。