10th PCF-Jについて
2022-10-09
今回のPCF-Jは、広義のIVIVCがテーマです。
In vitroデータからのin vivo予測について、第一線の研究者にご講演をいただきます。
In vitroデータからのin vivo予測においては、多くの場合、in vitroデータと数理モデルを組み合わせて、in vivoを予測します。
今回、講演を依頼する際に、組織委員として留意した点は、in vivoデータに対して化合物毎にパラメータフィッテイング（以下、フィッテイング）を行っていないことです。また、もし行っていた場合、得られた血中濃度推移は「記述」であり、「予測」ではないことを明示していることです。
フィッテイングの罠は、たとえどんなに優秀な研究者であっても、それを知らなければ陥ってしまいます。逆に、私のように劣等な頭脳の持ち主でも、しっかりと「教育」を受けていれば、陥ることはありません。
（惑星ごとの）フィッテイングゆえに、人類は２０００年以上、天動説を信じていました。現在では、小学生でも地動説が正しいと知っています（１６００年ごろに人類の脳が突然変異して賢くなったわけではありません。ギリシャ時代にも優秀な方は多数いました。）。
予測と記述の違いや、過剰学習（自由度/パラメータ数）については、数理モデルの教科書には必ず記載されている基本事項で、罠にはまりやすいので注意喚起されています。薬学であれば、QSARの教科書には必ず記載されています。
フィッテイングが特に恐ろしいのは、モデル内の他のパラメータの誤りをも同時に隠蔽して見えなくしてしまうことです。それをもって、「正しい”予測”が出来た」という発表をしてしまうと、モデルのすべてのパーツが正しいと言っていることになります。そうすると、発表者は、その後、誤りを認めることが出来なくなってしまいます。なぜなら、「どうして誤ったパラメータを用いて正しい”予測”が出来たのか？」と疑われてしまうからです。特に、非開示部分（ブラックボックス）がある場合には、捏造と疑われてしまっても仕方がありません。
したがって、一度フィッテイングで得られた結果を、”予測”として発表してしまうと、その研究者はそれを取り下げることはありませんし、パラメータの誤りを認めることはありません。（説得を試みるのは、かえって事態を悪化させます。Back-fire効果と呼ばれる心理状態になり、信者はますます盲信するようになるからです。）
天動説の信者が、地動説を受け入れることはなかったようです。
https://oekakids.hateblo.jp/entry/2016/11/10/001656
もちろん、パラメータフィッテングを行っていなくても、たまたま偶然、予測値と実測値が近くなってしまうことがあります。また、完璧に正しいパラメータがわかるまでモデリングを行うわないというのでは、科学が進歩しません。そこで大切なのが、モデルの開示と系統的検証です。
まぐれ当たりかどうかを調べるには、バイアスがかからないように選択された多数の実測データで検証を行う必要があります（系統的検証,systematic validation）。
また同時に、第３者が検証できるように、モデル式とパラメータをすべて開示する必要があります。
GUT frameworkでは、モデル式とパラメータをすべて開示し、系統的検証を行っているのは、みなさまご存知の通りです。
パラメータフィッテングの不幸な被害者を減らしていくには、とにかく教育しかありません。
今回のPCF-Jで、正しい理解が広がればと思います。
以前もブログもご参照下さい。
https://www.c-sqr.net/c/pcfj/reports/447954
https://www.c-sqr.net/c/pcfj/reports/449614
https://www.c-sqr.net/c/pcfj/reports/453261
In vitroデータからのin vivo予測について、第一線の研究者にご講演をいただきます。
In vitroデータからのin vivo予測においては、多くの場合、in vitroデータと数理モデルを組み合わせて、in vivoを予測します。
今回、講演を依頼する際に、組織委員として留意した点は、in vivoデータに対して化合物毎にパラメータフィッテイング（以下、フィッテイング）を行っていないことです。また、もし行っていた場合、得られた血中濃度推移は「記述」であり、「予測」ではないことを明示していることです。
フィッテイングの罠は、たとえどんなに優秀な研究者であっても、それを知らなければ陥ってしまいます。逆に、私のように劣等な頭脳の持ち主でも、しっかりと「教育」を受けていれば、陥ることはありません。
（惑星ごとの）フィッテイングゆえに、人類は２０００年以上、天動説を信じていました。現在では、小学生でも地動説が正しいと知っています（１６００年ごろに人類の脳が突然変異して賢くなったわけではありません。ギリシャ時代にも優秀な方は多数いました。）。
予測と記述の違いや、過剰学習（自由度/パラメータ数）については、数理モデルの教科書には必ず記載されている基本事項で、罠にはまりやすいので注意喚起されています。薬学であれば、QSARの教科書には必ず記載されています。
フィッテイングが特に恐ろしいのは、モデル内の他のパラメータの誤りをも同時に隠蔽して見えなくしてしまうことです。それをもって、「正しい”予測”が出来た」という発表をしてしまうと、モデルのすべてのパーツが正しいと言っていることになります。そうすると、発表者は、その後、誤りを認めることが出来なくなってしまいます。なぜなら、「どうして誤ったパラメータを用いて正しい”予測”が出来たのか？」と疑われてしまうからです。特に、非開示部分（ブラックボックス）がある場合には、捏造と疑われてしまっても仕方がありません。
したがって、一度フィッテイングで得られた結果を、”予測”として発表してしまうと、その研究者はそれを取り下げることはありませんし、パラメータの誤りを認めることはありません。（説得を試みるのは、かえって事態を悪化させます。Back-fire効果と呼ばれる心理状態になり、信者はますます盲信するようになるからです。）
天動説の信者が、地動説を受け入れることはなかったようです。
https://oekakids.hateblo.jp/entry/2016/11/10/001656
もちろん、パラメータフィッテングを行っていなくても、たまたま偶然、予測値と実測値が近くなってしまうことがあります。また、完璧に正しいパラメータがわかるまでモデリングを行うわないというのでは、科学が進歩しません。そこで大切なのが、モデルの開示と系統的検証です。
まぐれ当たりかどうかを調べるには、バイアスがかからないように選択された多数の実測データで検証を行う必要があります（系統的検証,systematic validation）。
また同時に、第３者が検証できるように、モデル式とパラメータをすべて開示する必要があります。
GUT frameworkでは、モデル式とパラメータをすべて開示し、系統的検証を行っているのは、みなさまご存知の通りです。
パラメータフィッテングの不幸な被害者を減らしていくには、とにかく教育しかありません。
今回のPCF-Jで、正しい理解が広がればと思います。
以前もブログもご参照下さい。
https://www.c-sqr.net/c/pcfj/reports/447954
https://www.c-sqr.net/c/pcfj/reports/449614
https://www.c-sqr.net/c/pcfj/reports/453261