「先に決めた数字」と「あとから出た数字」：血液で複数のがんを調べる検査の試験

動画で話したこと

リールでは、ここまでを話しました。イングランドで14万2250人を、くじ引きで2つのグループに分けた試験です。一方のグループは血液を検査し、もう一方は血液を保管しました。どちらのグループも、ふだんのがん検診や診療はそのまま受けています。研究チームは結果を見る前に、目標を1つ決めていました。あらかじめ選んだ12種類のがんが、ステージ3か4という進んだ段階で見つかる人が減るかどうかです。結果は発生率の比が1.03で、はっきりした差はありませんでした。

話題になりやすいのは別の数字です。ステージ4で見つかった人は検査をしたグループで少なく、発生率の比は0.86でした。ただしこの0.86は、先に決めてはあったものの、正式な検定はしないと決められていた数字です。内訳も話しました。ステージ4は検査をしたグループで少なく、ステージ3はむしろ多かったので、合わせると差は見られませんでした。一方で、救急で受診して見つかったがんは、検査をしたグループで21.3%少なかったことにも触れました。そして、いちばん大事な点として、この報告では、がんで亡くなる人が減るかどうかは示されていないことを伝えました。

動画の後半では、3つのことにも触れています。1つめは、資金と解析の体制です。この試験の資金を出したのは、この検査を作った会社でした。その会社は英国のがん研究団体と共同で、設計と報告と解析に責任を負っています。解析そのものは大学が独立に行い、会社が検証しました。2つめは対象の条件で、参加したのはイングランドの8つの地域の人で、通常のがん検診を毎回受けていると答えた人が71.9%を占めていました。日本の一般の人とは条件が違います。3つめは、この結果がいま受けている検診をやめる理由にはならないこと、そして受けるかどうかはかかりつけの医師と相談してほしいことです。

短い動画で話せたのは、ここまでです。

この記事は、動画とは別の柱を立てます。動画の柱は「何を測ったか」でした。この記事の柱は、その一段手前にあります。

この試験は、何を主要な目標にするか、どの順番で検定するか、そのほかの数字をどう扱うかを、結果を見る前にすべて決めていました。だから、ステージ4の0.86は「良い数字が出たからあとで検定してみた」という形になりません。先に決めてはあったのに、正式な検定にかけない数字として、そのまま記述されています。

この作りが分かると、発表や記事で数字を見たときに使える問いが1つ手に入ります。それは先に決めた目標なのか、それともあとから出てきた数字なのか。この記事は、その問いをこの論文の中で実際にたどります。

数字と事実は、2026年9月22日にオンラインで公開されたこの論文の本文に書かれていることだけをもとにします。補足資料（Supplementary Appendix の Table S1 から S18、Fig. S1 から S4）は手元にないので、本文がそれらを参照しながら数字を書いている範囲だけを扱います。

はじめに、この記事の立場をはっきり書きます。この記事は、血液で複数のがんを調べる検査を勧めるものではありません。受けないように言うものでもありません。1つの論文が何を示し、何を示していないかだけを書きます。受けるかどうかは、かかりつけの医師と相談してください。

誰を、どう分けて、いつ測ったか

動画では「くじ引きで2つのグループに分けました」と一言で済ませました。ここを開けます。

誰を

イングランドの、8つの Cancer Alliance という地域区分に住む人です。招待された時点で50歳から77歳。登録前の3年以内にがんの診断や治療を受けた人と、がんの可能性を評価している途中の人は除かれました。

案内を送った人は149万6311人です。そのうち14万2826人が、10.5か月のあいだに参加に同意しました。実際に血液を採れたのは14万2250人（99.6%）です。

参加した人の特徴は、次のとおりです。年齢の中央値は66歳（四分位範囲59歳から71歳）で、50代が26.5%、60代が40.3%、70代が33.2%。女性が50.2%。人種・民族は自己申告で、白人が93.6%、アジア系が3.3%、黒人系が1.4%でした。がんの既往がある人は7.5%（前回の診断から中央値10.2年）。喫煙したことがない人が55.0%です。

対象を読むうえで、いちばん効いてくる数字がこれです。通常のがん検診に案内されて毎回参加していると答えた人が、14万2058人のうち10万2163人（71.9%）でした。つまりこの試験は、ふだんの検診をよく受けている人が多数を占める集団で行われています。

もう1つ、設計上の特徴があります。社会経済的に最も恵まれない地域の人を、あえて多く入れています。国の指標（IMD）を5等分したうちの第1五分位、つまり最も恵まれない区分の人が22.6%でした。

どう分けたか

移動採血車で面談を行い、書面の同意を得たあと、ふつうの採血でベースラインの血液を取りました。そのあとで、1対1の割合で無作為にグループを割り当てています。割り付けは採血のあとです。

• 検査するグループ（71,122人）：血液をその検査にかけました。
• 保管するグループ（71,128人）：血液を、将来の検査のために保管しました。

ここが誤解されやすいところです。保管するグループは「何もしなかった」のではありません。どちらのグループも、NHS の通常のがん検診と通常の診療をそのまま受けています。この試験が比べたのは「通常の医療に、この検査を足した場合」と「通常の医療だけの場合」です。要旨の背景の文も、通常の医療に加えたときの臨床的有用性は分かっていない、という形で書かれています。ですから、この試験の結果を「がん検診に意味がない」と読むことはできません。むしろ論文の導入部は、通常の検診が早期の診断と生存の改善に寄与していると書いたうえで、推奨されている単一のがんの検診で見つかるのはイングランドのがんの診断の7%未満、米国で15%未満だ、という数字を挙げています。この検査は、1回の検体で複数のがんを同時に調べるという別のやり方だ、という順番で導入部は続きます。

何を調べたか

調べたのは、血液に混じる無細胞 DNA（cfDNA）のメチル化という化学的な目印の並び方を読み、がんのシグナルがあるかどうかと、その発生部位（cancer signal origin）を予測する検査です。製品名は Galleri（Grail）で、この試験が調べたのは、この1種類だけです。

ですから、仕組みの違う検査に、この結果はそのまま当てはまりません。この論文は、ほかの検査の成績について何も述べていません。

なお、この検査そのものの性能（どれくらい当たるか）は、この論文の主題ではありません。本文は、性能の特徴は別の論文で報告されると書いたうえで、概略だけを載せています。

いつ測ったか

採血は年1回、最大3回です。2回目と3回目は12か月ごと（前後6週の幅つき）に案内されました。2回目に来られなかった人は、3回目に来てよいことになっていました。前の年にがんの治療を受けた人は、次の回に来る必要がないかもしれないので試験チームに連絡するよう案内されています。

2回目の採血に来たのは、検査するグループで6万4888人（91.2%）、保管するグループで6万5066人（91.5%）。3回目は6万2867人（88.4%）と6万3101人（88.7%）でした。脱落が少ないことは、著者が強みとして挙げています。

追跡の窓は、3回の検査に加えて、最後の参加者の3回目の来場から12か月です。最初の2回のあとはそれぞれ12か月、3回目のあとは中央値17か月（範囲12から22か月）の追跡がありました。解析に入れたのは、無作為化から2025年7月12日までに国のがん登録に登録されたがんです。

がんの診断と死亡は、国の医療データを連結して把握しました。参加者は、移住するか同意を撤回するまで、受動的に追跡されています。つまり、追跡のために本人に問い合わせる仕組みではありません。データは NHS の一部である National Cancer Registration and Analysis Service が集め、品質を保証しました。

盲検と、陽性だったときの流れ

参加者と試験スタッフは、当初はどちらのグループかを知りませんでした。検査するグループで結果が陽性だった人には、割り付けを知った試験看護師から結果が伝えられました。陰性だった人には、結果は伝えられていません。この人たちは、自分がどちらのグループかを知らないままです。

陽性だった人は、NHS の既存の「緊急がん紹介経路」に乗せられ、検査が第1候補として予測した発生部位に応じた検査に紹介されました。試験のためだけの特別な診断の流れは作られていません。著者は、これを強みとして挙げています。通常の医療にできるだけ近い形で管理された、という意味です。

安全性のデータは、割り付けを知る統計担当者だけが非盲検のまま見て、独立データモニタリング委員会に6か月ごとに報告しました。

割り付けどおりの比較か、実際に受けたかどうかの比較か

主要評価項目と副次評価項目の比較は、intention-to-treat の原則で行われました。つまり、割り付けられたグループのまま比べています。2回目や3回目に来なかった人も、検査するグループに割り付けられた人は、検査するグループとして数えられます。

「実際に3回とも検査を受けた人だけ」を取り出して比べた解析は、本文にありません。割り付けどおりの比較だけが報告されています。これは、検査を受けにきた人だけを選んで比べると、そこに元々の健康さの違いが入り込むためです。割り付けどおりの比較は、その意味では控えめな見積もりになります。この2つの文は、割り付けどおりの比較というやり方についての一般の説明です。この論文にこう書かれているわけではありません。

症例数は、どう決めたか

ここも、この記事の柱につながります。人数もあらかじめ決められていました。

マイクロシミュレーションという計算で、約14万人が必要だと見積もられました。3回の検査と、最後の参加者の3回目から12か月の追跡があれば、主要評価項目について90%以上の検出力がある、という見積もりです。そのとき想定していたのは、最も可能性が高いシナリオで、ステージ3か4のがんの発生率が約20%低くなることでした。

実際の結果は、そうなりませんでした。著者はその理由の一部を、設計時の前提そのものに求めています。本文の言い方では、単純化した前提が、実際より大きく速い病期の移動を見込んでいた、というものです。

何を「先に」決めていたのか

ここが、この記事の柱です。

この試験の統計解析計画は、プロトコルとともに公開されています。そこで決められていたことを、本文から順に書き出します。

1つめ：主要評価項目

あらかじめ決めた12種類のがんのうち、ステージ3またはステージ4で見つかること。これを、3回の検査と、最後の参加者の3回目の来場から12か月以上の追跡のあとで評価します。

12種類は、肺、頭頸部、結腸または直腸、膵臓、多発性骨髄腫または形質細胞腫、肝臓または胆管、胃、食道、肛門、リンパ腫、卵巣、膀胱です。この12種類が選ばれた理由も書かれています。がんによる死亡の60%超を、この12種類が占めるからです。

2つめ：主な副次評価項目

12種類のうち、ステージ4のがん。要旨の方法の欄に「a key secondary end point」として書かれています。あとから思いついた数字ではありません。

3つめ：検定の順番

ここが、いちばん大事な決めごとです。統計の検定は、あらかじめ決めた固定の順序で行うことになっていました。

1. まず、12種類のがんで比べる。
2. 次に、前立腺がんを除く、定型的に病期分類されるすべてのがんで比べる。
3. 最後に、定型的に病期分類されるすべてのがんで比べる。

そして、最初に有意でなかった段階で検定を止めます。本文は、その目的を「第一種の過誤を抑えるため」と書いています。第一種の過誤とは、本当は差がないのに差があると言ってしまう誤りのことです。

なぜこんな決め方をするのか。同じデータに対して検定を何度も繰り返すと、たまたま小さい P 値が出る回が出てきます。10回検定すれば、本当は差がなくても1回くらいは「差がある」と出ます。ですから、検定の回数と順番をあらかじめ決めて縛る、というやり方が使われます。

この試験では、1段目の12種類で有意にならなかったので、検定はそこで止まりました。2段目と3段目の値は表に載っていますが、正式な検定は行われていません（後述します）。ここは記事の読みです。方法の欄には「有意にならなかった段階で止める」という決まりが2か所に書かれています。ただし結果の欄に、実際に1段目で止まったと書いた文はありません。P 値が付いているのが1段目の値だけであることと、この決まりから、そう読めます。

4つめ：副次評価項目の扱い

副次評価項目、つまりステージ4のがんを含む数字は、95%信頼区間つきで「記述的に解釈する」と決められていました。

そして、本文の方法の欄にはこう書かれています。信頼区間の幅は多重検定の調整をしていないので、仮説検定に使ってはならない。

これが、この記事でいちばん引用したい一文です。著者は、ステージ4の0.86という数字とその幅を報告しながら、その幅を「差があるかどうかの判定」に使わないでください、と読者に先に断っているわけです。

考察でも、同じことが繰り返されています。あらかじめ決めた階層的な多重検定の計画により、副次評価項目の正式な検定はできなかった、という書き方です。

この決めごとがあると、何が防げるのか

結果を見たあとで「どの数字を主役にするか」を選べる状態だと、研究は何を示したのか分からなくなります。12種類でだめなら全部のがんで、それでもだめならステージ4だけで、それでもだめなら3回目の検査だけで、という選び方ができてしまうからです。

この試験は、その選び方を先に封じていました。だから、この論文の要旨の結論の1文目は、こうなっています。この試験では、この検査を通常の医療に足して3回の検査を行っても、通常の医療だけの場合と比べて、12種類のがんについてステージ3か4の発生率が低くなることは観察されなかった。本文の結びも同じで、有意に低い発生率とは関連していなかった、と書かれています。

先に決めた目標が達成されなかったことを、著者自身が最初に書いている。この順番自体が、事前に決めることの効き方を示しています。

この数字は、何を指しているか

図に入る前に、数字の単位と作り方を確かめます。ここを飛ばすと、幅の話が読めません。

発生率と、人年

この試験の主役の数字は「発生率」です。定義は本文に書かれています。最初に該当したイベントの数を、危険にさらされた人年で割った値です。

人年とは、追跡した人数と、その追跡の長さを掛け合わせた単位です。1人を2年追えば2人年、2人を1年追えば同じ2人年になります。この試験では、無作為化した時点から、最初の該当イベント（ステージ3か4のがんの診断、死亡、同意の撤回、移住）までを数えました。

主要評価項目のところで、人年は検査するグループで23万4959人年、保管するグループで23万5249人年でした。ほぼ同じです。

発生率は、10万人年あたりで示されています。ステージ3か4のがんは、検査するグループで300.5（幅278.7から323.5）、保管するグループで292.5（幅271.0から315.1）でした。

発生率の比

グループの比較に使われたのは「発生率の比」です。検査するグループの発生率を、保管するグループの発生率で割った値です。向きは要旨にも明記されています（intervention vs. control）。

• 1より大きい：検査するグループのほうが、その段階で見つかる率が高い。
• 1より小さい：検査するグループのほうが低い。
• ちょうど1：差がない。

ここが「差がない位置」です。下の図で、縦線が立っている位置です。

倍率であることに注意してください。0.86は「14%少ない」という意味の倍率で、人数そのものではありません。実際の人数は、ステージ4が342人（0.5%）対397人（0.6%）です。7万1千人ずつの集団で、この差です。

幅（95%信頼区間）の作り方

この論文の幅は、統計の手順まで書かれています。発生率の95%信頼区間はポアソン分布を前提に、発生率の比と95%信頼区間と両側の P 値は exact Poisson 法という方法で計算されました。

95%信頼区間は、よく誤解されます。「本当の値がこの幅の中に95%の確率で入っている」という意味ではありません。同じやり方で研究を何度も繰り返したとき、そのやり方で作った幅の95%が本当の値を含む、という作り方の話です。実際の読み方としては「このデータと大きく矛盾しない値の範囲」と受け取るのが実用的です。

もう1つ。この幅は「推定の不確かさ」の幅であって、「人によるばらつき」の幅ではありません。個人がどうなるかを示すものではありません。

病期を付けられないがんの扱い

病期分類の仕組みが存在しないがん（脳のがん、白血病、原発不明がん）と、病期が不明だったがんは、病期別の解析から除かれています。ですから、この試験の主要評価項目は「すべてのがん」を対象にしていません。

人数が2通り出てくる理由

この論文を読むと、ステージ4の人数が2通り出てきます。341人対394人と、342人対397人です。どちらも正しく、数え方が違います。

• Table 2 の342人対397人は、最初に該当したがんのイベントを基準に数えたものです。
• Fig. 2 の Panel E の341人対394人は、参加者ごとに1件を割り当てた集計です。いちばん進んだ病期を採り、同じ病期が並んだときはいちばん早い診断を採ります。

Fig. 2 の脚注に、この2つの数え方は数が異なりうると明記されています。動画では、参加者ごとの集計（ステージ3が360人対287人、ステージ4が341人対394人）を使いました。ステージ3とステージ4を並べて見るには、こちらの数え方がそろっているからです。

結果を、幅で見る

では、先に決めた目標と、先に決めてはあったが検定しない数字を、同じ図に並べます。

上の図の2行は、同じ人たちの、同じ追跡期間の話です。別々の研究ではありません。14万2250人を1回だけ分けて、見る先を変えているだけです。

内訳を見ると、向きが分かれています

なぜステージ4が下を向いたのに、ステージ3か4を合わせると差がなくなるのか。内訳がそれを説明します。参加者ごとの集計では、こうなっていました。

• ステージ3：検査するグループ360人、保管するグループ287人。検査するグループのほうが多い。
• ステージ4：検査するグループ341人、保管するグループ394人。検査するグループのほうが少ない。

本文の言い方では、ステージ3の多さが、ステージ4の少なさを上回りました。考察では、ステージ4の発生率が低かったことはステージ3の発生率が高かったことで打ち消され、ステージ3か4を合わせると2つのグループに差がなくなった、と書かれています。

これを「ステージ3が増えたから害だ」と読むことはできません。著者は逆の可能性も並べています。検査するグループでステージ3が多かったのは、そのままならステージ4で現れたはずのがんを早く見つけたためかもしれない、という説明です。互いに排他的でない複数の仕組みが働いている可能性がある、と書かれています。

回ごとに見ると、向きが変わっていきます

もう1つの図です。ここで、先に決めた解析と、あとから足した解析が同じ表に並びます。

ステージ4だけを回ごとに見た値も、本文にあります。1回目が0.91（幅0.71から1.18）、2回目が0.78（幅0.57から1.06）、3回目が0.74（幅0.57から0.95）です。定型的に病期分類されるすべてのがんで見ると、2回目が0.78（幅0.61から1.00）、3回目が0.80（幅0.65から0.99）でした。

この3つの数字を図にはしませんでした。理由を書きます。3回目の0.74は、幅の上の端が0.95で、1に届いていません。図にすると「幅は1をまたいでいない」と自動で表示されます。それは、著者が方法の欄で禁じている読み方を、図が代わりに言ってしまうことになります。副次評価項目の幅は多重検定の調整をしていないので仮説検定に使ってはならない、という注意は、3回目にも同じように効きます。

著者自身の言い方は、こうです。あらかじめ決めた階層的な多重検定の計画により副次評価項目の正式な検定はできなかったが、結果は、2回目と3回目の検査でステージ4の診断が少なかった可能性を示していた。そして、この2回に見られる傾向は、日常的に検診を受けている集団での安定した検診プログラムの傾向を映すと考えられる、と続けています。

「可能性を示していた」という書き方であることに注目してください。「減った」とは書かれていません。

0.74から1.00という幅を、どう読むか

この記事でいちばん丁寧に書きたいところです。幅の端が、差がない位置にちょうど接している。この形をどう扱うかです。

端の数字は、表示の都合で丸められています

0.86の幅の上の端は、論文に1.00と印字されています。小数第2位までの表示です。

四捨五入の前の値が0.995だったとしても、1.004だったとしても、どちらも1.00と印字されます。つまり、この表示だけからは、幅が1をわずかに含んでいるのか、わずかに下回っているのかを決められません。

こういう場面で「上の端が1.00だから、ぎりぎり有意ではなかった」と説明したくなります。ですが、その説明は2つの理由で成り立ちません。1つは、いま書いた表示の丸めです。もう1つは、次に書くほうが本質的です。

そもそも、この幅は判定に使えません

著者は方法の欄で、副次評価項目の信頼区間の幅は多重検定の調整をしていないので仮説検定に使ってはならない、と明記しています。

これは「有意だった／有意でなかった」という判定に、この幅を使うな、という指示です。上の端が1.00に接しているかどうかを議論する行為そのものが、指示の外にあります。

なぜそうなるのか。幅と検定は、同じコインの裏表です。95%信頼区間が差がない値を含まないことは、有意水準5%で有意であることと、ふつう対応します。これは統計の一般の話で、この論文に書かれているわけではありません。ですから、幅を見て「差がない値を含んでいない」と言うのは、検定を1回追加することと実質的に同じです。検定の回数をあらかじめ決めて縛った試験で、それを後からやってしまうと、縛った意味がなくなります。

だから、この幅は「この程度の大きさのことが起きていそうだ」という目安として読むものです。判定の道具ではありません。

幅の中身を、素直に言葉にすると

判定に使わないと決めたうえで、この幅が何を語っているかを読みます。

推定値は0.86です。幅は0.74から1.00。素直に言葉にすれば、こうなります。このデータと大きく矛盾しないのは、検査するグループでステージ4の診断の発生率が26%ほど低いという状態から、2つのグループで変わらないという状態までです。

ここで言えないことも、はっきりしています。

• 「26%低いことが分かった」とは言えません。26%は幅の端で、いちばん都合のよい値です。
• 「差がないことが分かった」とも言えません。幅の左半分には、まとまった低下が入っています。
• 「増えないことが確かめられた」とも言えません。幅の中に入っている値は、どれも大きな上昇ではありません。ですが、上の端は表示上の1.00です。実際にどちら側へわずかにはみ出しているのかは分かりませんし、この幅はそもそも判定に使わないものです。

引き算の指標で見ると、端の見え方が変わります

同じ比較を、割り算ではなく引き算で示した数字も表にあります。発生率の差です。

• ステージ3か4：10万人年あたり8.0の差（幅はマイナス23.1からプラス39.2）。
• ステージ4：10万人年あたりマイナス23.3の差（幅はマイナス46.0からマイナス0.7）。

引き算の指標では、差がない位置は0です。ステージ4の幅（マイナス46.0からマイナス0.7）は、0を含んでいません。割り算の指標の幅（0.74から1.00）は1を含んでいるように見えるのに、引き算の指標の幅は0を含んでいない。この2つが同じデータから出ています。

これは矛盾ではありません。比と差では計算の方法が違い、幅の端の丸め方も違うからです。ただ、読む側にとっては大事な教訓になります。端が差がない位置に近いとき、どの指標で示すかによって「またいでいる／またいでいない」の見え方が変わります。

もう1つ、同じ Table 2 の同じ行を横に見ると、それがはっきりします。この表は、12種類のがん、前立腺がんを除く定型的に病期分類されるすべてのがん、定型的に病期分類されるすべてのがん、という3つの列で同じ指標を並べています。ステージ4の発生率の差は、列ごとに次のとおりです。

• 12種類のがん：10万人年あたりマイナス23.3（幅はマイナス46.0からマイナス0.7）。0を含んでいません。
• 前立腺がんを除く全体：10万人年あたりマイナス23.3（幅はマイナス48.0からプラス1.4）。0を含んでいます。
• 全体：10万人年あたりマイナス25.4（幅はマイナス52.6からプラス1.8）。0を含んでいます。

推定値はどれも同じくらいマイナスに寄っているのに、0を含むかどうかは列によって入れ替わります。つまり「0を含まない」という見え方は、どのがんをまとめて数えるかだけで変わります。ですから、いま見た「引き算にすると0を含まない」を「実は差があった」と読むことはできません。読めるのは、どの指標で示してもどの列で見ても、推定値がステージ4の減少の側に寄っているという程度のことまでです。

だからこそ、著者は幅を判定に使うなと書いたのだと読めます。ここは記事の読みです。論文にそう書かれているわけではありません。

上の行の幅も、同じように読みます

先に決めた目標の1.03、幅0.92から1.14についても、同じ読み方をします。

このデータと大きく矛盾しないのは、8%の低下から14%の上昇までです。この中には「差がない」も入っていますが、8%の低下も14%の上昇も入っています。ですから、この結果は「効果がないと証明された」ではありません。「先に決めた目標では、有意に低い発生率は観察されなかった」です。

論文の結びも、その形で書かれています。有意に低い発生率とは関連していなかった、そして、ステージ3か4の結果と、観察されたステージ4の差が、時間とともに臨床的な利益につながるかどうかを見るために、さらなる追跡が必要である、と。

動画でも話した、もう1つの数字：診断に至った経路

動画では、救急で受診して見つかったがんが検査をしたグループで21.3%少なかったことを話しました。ここでは、その数字がどこから来ているかと、同じ集計のもう一方の数字を添えます。

がん登録は「診断に至った経路」を記録しています。3回の検査のあと、こうなっていました。

• 緊急がん紹介による診断（陽性の結果に使われた紹介経路）：検査するグループで18.9%多い（1775件対1493件）。
• 救急受診による診断：検査するグループで21.3%少ない（225人対286人）。

動画で話したのは、この2つめだけです。1つめの緊急がん紹介は、検査が陽性だった人を紹介するのに使われた経路です。方法の欄にそう書かれています。ですから、この経路による診断が増えていることは、検査を足したことの裏返しとしても読めます。ここは記事の読みです。そして、この2つはどちらも、先に決めた検定の対象ではありません。

考察で、著者はこの2つめに触れています。救急で受診して見つかる診断は、同じがんの種類、同じ段階であっても、生き延びる見込みが悪いことと関連している。つまりこれは、この試験で観察された、肯定的に読める事実です。ただし正式な検定の対象ではないので、ここから効果を結論づけることはできません。

動画に入れなかった結果

動画では触れられなかった数字を並べます。ここでも、先に決めた解析か、あとから足した解析かを、1つずつ書きます。

検定の順序の2段目と3段目

Table 2 には、3つの列があります。12種類のがん、前立腺がんを除く定型的に病期分類されるすべてのがん、定型的に病期分類されるすべてのがんです。

• 前立腺がんを除く全体：ステージ3か4が903人対848人、発生率の比1.07（幅0.97から1.17）。
• 全体：1266人対1208人、発生率の比1.05（幅0.97から1.14）。

この2つは、検定の順序の2段目と3段目にあたります。1段目で有意にならなかったので、検定はここまで進んでいません。つまり、この2つの数字にも P 値は付いていません。

同じ2つの列で、ステージ4の発生率の比は0.88（幅0.77から1.01）と0.89（幅0.79から1.01）でした。

早期のがん（事後解析）

3回の検査のあと、12種類のがんについて早期の診断を数えた解析があります。これは事後解析だと本文に明記されています。

• ステージ1か2：検査するグループ647人、保管するグループ559人。相対リスク1.16（幅1.03から1.30）。
• ステージ1、2、3：1007人と846人。相対リスク1.19（幅1.09から1.30）。

3回目の検査では、定型的に病期分類されるがんのうちステージ1か2だった割合が、検査するグループで62.8%、保管するグループで59.9%でした。1回目のがん検出率の比は1.21（幅1.11から1.31）です。

この見出しは「事後解析」としていますが、本文が事後解析だと明記しているのは、ステージ1か2の647人対559人と、ステージ1、2、3の1007人対846人です。いま挙げた3回目の62.8%対59.9%と、1回目の検出率の比1.21には、本文に事後か事前かの但し書きがありません。

この1.16という数字は、幅が1.03から1.30で、差がない値を含んでいません。ですが、これは結果を見たあとで追加した解析です。事後解析の幅を判定に使うことは、副次評価項目の幅を判定に使うことよりさらに慎重にならなければいけません。

そして、著者はこの早期がんの増加を、それ自体では良い結果と呼んでいません。あとの「この研究では言えないこと」の節で、その理由を書きます。

あらかじめ決めた、そのほかの副次解析

• 致死的がん（追跡中にがんで亡くなったがん。診断時の病期を問わない）とステージ3か4を合わせた解析。定型的に病期分類されるすべてのがんで、1415件対1359件、発生率の比1.04（幅0.97から1.12）。
• 通常の検診がある部位（乳房、子宮頸部、結腸または直腸）を除いた解析。ステージ3か4が1077人対1030人、発生率の比1.05（幅0.96から1.14）。

あらかじめ決めた探索的サブグループ解析

ステージ3か4、およびステージ4の率の差が（相対でも絶対でも）最も大きかったのは、男性、がんの既往がある人、学歴が低い人でした。地域の恵まれなさの指標（IMD）の五分位で見ると、ステージ4の差が最も大きかったのは第1五分位、つまり最も恵まれない区分です。

ただし著者は、サブグループや個々のがんの種類について有用性を評価する検出力はない、と限界に書いています。ここから何かを結論づけることはできません。

検診で見つかったがんと、臨床的に見つかったがん

がんの診断を受けた人は、検査するグループで3637人、保管するグループで3400人でした。

• 検査するグループでは、3637人のうち1173人（32.3%）のがんが検診で見つかりました。内訳は、この検査の陽性から937人（25.8%）、NHS の既存の検診から236人（6.5%）です。
• 保管するグループでは、3400人のうち290人（8.5%）が NHS の既存の検診で見つかりました。
• 検診でも、この検査でもなく、臨床的に見つかったがんは、検査するグループで20.8%少ないという結果でした（2464人＝67.7%、対して3110人＝91.5%）。

著者は、この検査を通常の検診に足すと、検診で見つかるがんの数（1173対290）と検診プログラムの感度（32.3%対8.5%）が見かけ上増えた、と書いています。ここでいう感度は、見つかったがんのうち検診で見つかった割合であって、検査単体の感度ではありません。

陽性だった人のその後

検査が陽性になったのは、1回目が722人（1.03%）、2回目が518人（0.80%）、3回目が561人（0.90%）です。陽性だった1801人のうち、937人（52%）がその後がんと診断されました。そのうち815人（87.0%）は、検査が第1候補として予測した発生部位にがんがありました。

つまり、陽性だった人の約半分は、その後がんの診断を受けていません。陽性は診断ではない、ということです。ただし本文は、検査の性能そのものは別の論文の主題だと書いており、この論文に載っているのはこの概略だけです。

有害事象

3回の検査を通じて、試験に関係するか機器に関係するか（あるいは両方の）有害事象があったのは、検査するグループで371人（0.52%）、保管するグループで321人（0.45%）でした。重篤なものはありませんでした。

差の主な中身は、陽性の結果を受けたあとの不安です。最も多かった試験に関係する有害事象は、刺した場所のあざ、失神、めまい、刺した場所の血腫、不安でした。参加者は、通常のがん検診への参加をよく続けていたと報告しています。

ただし、安全性の記録には範囲の限界があります。これは次の節に書きます。

ほかの研究との関係

著者は、この試験の結果が PATHFINDER 2 という前向き研究の結果と一致していると書き、2つの独立した前向きのデータが英国と米国という異なる医療の場で再現性を示したことは、この検診を大きな規模で実施することの実現可能性を支持する、と述べています。

これは著者の記述です。PATHFINDER 2 の中身は、この論文の本文からは分かりません。

この研究では言えないこと

動画では、主な限界を1つに絞りました。そのうえで、仕組みの違う検査には当てはまらないことと、対象の条件にも触れています。ここでは、著者自身が書いている限界を全部並べます。

がんで亡くなる人が減るかどうかは、この報告では示されていません

これが最も大きな限界です。本文の2か所に書かれています。

1つめ。がん特異的死亡と、入れ子の死亡解析は、最後の試験来場から3年後と6年後に副次評価項目として解析されるが、ここでは報告していない。そして、この試験は死亡の評価項目に対する検出力がない。

2つめ。限界の段落に、この試験はがん死亡の減少を評価する検出力がない、と書かれています。

大事なのは、今後も調べないという話ではないことです。3年後と6年後に見る予定だと書かれています。いま示されていないだけです。

なぜ死亡ではなく進んだ段階のがんを主要評価項目にしたのかも、本文にあります。臨床的に意味があり、がん特異的死亡より早く評価できるから。ただし、代替の指標としての価値は、がんの種類や検診の状況によって変わりうる、という但し書きが付いています。

早期のがんが増えたこと自体は、良い結果とは呼べません

ここは、著者の書き方が2段構えになっています。両方を書きます。

まず一般論です。好ましい結果とは、進んだ段階のがんの発生率が下がることであって、早期の診断が増えて進んだ段階のがんの割合が下がるだけでは足りない。それは、進行したがんを減らさないまま過剰診断を映しているだけかもしれない。過剰診断とは、放っておいても命に関わらなかったがんを見つけてしまうことです。

次に、この試験で余分に見つかったがんについての著者の見方です。こちらは向きが違います。

• 今回の解析では、検査するグループで、保管するグループより早く見つかったのか、それとも過剰診断なのかを区別できない。
• ただし、血液の中に腫瘍由来の cfDNA が出てくることは、より攻撃的ながんの特徴である。だから、この余分に見つかったがんがおとなしいものである可能性は、生物学的に低い。
• 最近の証拠も、この種の検査で見つかったがんが過剰診断される可能性は低いことを示している。症例対照研究で、検査が陽性だった人の生存の結果が、早期に見つかったがんでも集団の平均と一致していたからである。
• むしろ、検査するグループで余分に見つかったステージ1か2のがんは、おそらく臨床的に意味のある病気を早く見つけたものだった。
• より長い追跡が、この問いに答える助けになる。過剰診断の評価は、今後の解析としてプロトコルに定められている。

3つめの箇条書きの「最近の証拠」は、症例対照研究の生存の結果です。この試験の生存のデータではありません。この試験の死亡と生存の結果は、この報告に載っていません。

片方だけを引くと、著者の主張を逆向きに伝えることになります。一般論としての警告と、この試験についての見方は、別のものです。

追跡が短く、効果が出きっていない可能性があります

限界の段落の1つめです。追跡の期間は、検診の試験としては比較的短い。2つのグループのがんの発生率はまだ収束しておらず、この検査による効果が出きっていない可能性がある。

続きもあります。検査するグループで余分に出たステージ3のがんは、保管するグループでは無症状のままのがんを早く見つけたもので、保管するグループでもあとからステージ3か4で現れるかもしれない。だから、ステージ3の余分が一時的なものかどうか、そして観察された病期の分布がより低いがん特異的死亡につながるかどうかは、より長い追跡が必要である。

さらに、効果は時間とともに現れるかもしれない、という見方も書かれています。それまで検診を受けたことがない人に溜まっていた未診断のがんが減ったあとで、という意味です。

主要評価項目の作り方そのものにも限界があります

これは、この記事の柱と直接つながる限界です。著者はこう書いています。ステージ3かステージ4を合わせた主要評価項目は、検診の臨床的に意味のある効果のすべてを捉えきれないかもしれない。たとえば、ステージ4からステージ3への移動、同じ段階の中でのより早い小分類での診断、症状が出る前の診断である。

そして、こう続けます。これらの知見は、今後の検診の試験が、主要評価項目と副次評価項目を、最後の検査のあとの追跡期間も含めて慎重に考えるべきことを示している。加えて、従来の病期の区分は、病期の内と外にある臨床的に意味のある効果を捉える評価項目（血液の中の腫瘍由来 cfDNA の割合など）で補うべきである。

事前に決めることは大事ですが、決めたものが最良だったとは限らない。著者自身がそう書いているわけです。

そのほかの限界

• この試験は、検査の間隔の違いを調べる設計ではありません。実際の検診プログラムに人がどれくらい参加するかを調べる設計でもありません。
• 陰性の結果は参加者に伝えられておらず、個人の診療記録も使えませんでした。そのため、検診行動や診断の流れへの影響を評価できません。
• サブグループや個々のがんの種類について、有用性を評価する検出力はありません。
• 有害事象は、参加者が NHS に紹介されるまでは系統的に集められましたが、それ以降は参加者か医師が自発的に報告した分だけです。そのため、この試験は、陽性の結果のあとの診断過程における安全性を十分に描けていません。陽性の結果を受けた人の不安についての詳しい報告と、試験の外で受けた検査による放射線被曝や合併症のデータも、この論文には含まれていません。

記事の側から加える限定

• 調べられたのは、血液中の cfDNA のメチル化という目印を読む1種類の検査だけです。仕組みの違う検査に、この結果は当てはまりません。この論文は、ほかの検査について何も述べていません。
• 対象はイングランドの8つの地域に住む、招待時50歳から77歳の人です。通常のがん検診に毎回参加していると答えた人が71.9%、喫煙したことがない人が55.0%、白人が93.6%でした。149万6311人に案内して14万2826人が同意した集団でもあります。日本の一般の人とは条件が違います。
• この試験は、通常の医療にこの検査を足した場合を調べたものです。通常のがん検診そのものを比べてはいません。この結果は、いま受けている検診をやめる理由にはなりません。
• 補足資料は手元にないので、この記事はそこにしかない数字を扱っていません。プロトコルの重要な逸脱の詳細や、サブグループの具体的な数値は、補足の表に置かれています。

著者が挙げている強み

限界だけを並べるのは公平ではないので、著者が強みとして書いていることも並べます。ランダム化した二重盲検の設計、品質が保証された国のがん登録から結果を把握したこと、社会経済的に多様な対象集団、試験を通じて脱落が少なかったこと、そして NHS の既存の標準化された診断経路を使ったことです。最後の点について著者は、臨床的な管理が通常の医療にできるだけ近くなったと書いています。これらがバイアスを減らし、結果の一般化可能性を支えた、という主張です。

資金の出どころと、解析の体制

読むときの前提として、書いておきます。ここは1続きの記述なので、片方だけを引かないようにします。

• この試験の資金を出したのは Grail です。本文の末尾に Supported by Grail とあり、要旨にも Funded by Grail と書かれています。この検査（Galleri）を作った会社で、試験のスポンサーでもあります。
• Grail は、英国がん研究基金（Cancer Research U.K.）のがん予防試験ユニットと共同で、試験の設計、実施、報告、そしてデータの解析に責任を負いました。
• データの解析は Queen Mary University of London が独立に行い、Grail が検証しました。
• スポンサーは、原稿の作成と、論文を投稿する承認に関与しました。
• 主任研究者（最後の2人の著者）が、全体の設計、実施、報告の第一の責任を負います。著者は、データの完全性と正確性、そして試験がプロトコルに従っていたことを保証しています。
• 独立データモニタリング委員会が、進行状況、臨床データ、安全性データを見て、Grail に設計と実施についての助言をしました。
• プロトコルは、Wales Research Ethics Committee 1 から全国的な倫理承認を受けています。
• 著者13人のうち3人は、所属が GRAIL Bio UK です。謝辞には Grail の現在および元の従業員が多数挙げられています。原稿作成の支援を行ったのは Grail の従業員3人で、図のデザインと英文校正、そしてメディカルライティングは、Grail の資金で試験の外の人が行ったと書かれています。
• 個別の利益相反の内容は本文にありません。開示フォームは雑誌のサイト側にあると案内されているだけです。

この並びを見て「だから信用できない」と結論づけるのは、行きすぎです。逆に「独立解析があるから問題ない」と結論づけるのも行きすぎです。どちらの事実も本文に書かれています。ここでできるのは、両方を知ったうえで読むことです。

そして、この記事の柱に戻ります。資金の出どころによらず結果の読み方を守るための道具が、まさに「あらかじめ決めておくこと」です。主要評価項目と検定の順序が先に決まっていれば、スポンサーが原稿作成に関与していても、達成されなかった目標を後ろに回すことはできません。この論文の要旨の結論の1文目が、達成されなかったという事実から始まっているのは、その効き方の実例として読めます。ここは記事の読みです。

元の論文の、どこを見ればよいか

筆頭著者は Sasieni、雑誌は The New England Journal of Medicine、2026年の報告です。題は Effect of Screening with Multicancer Early-Detection Test on Late-Stage Cancer Diagnosis で、試験の名前は NHS-Galleri です。オンラインでの公開日は2026年9月22日です。

DOI のリンクは、このページの下の「元の論文」の欄にあります。

本文を見るときの手がかりを、この記事で扱った順に書きます。

• 先に決めていたこと：Methods の Statistical Analysis の節です。主要評価項目の定義、検定の固定順序3段階、最初に有意でなかった段階で止めること、副次評価項目を記述的に解釈すること、そして信頼区間の幅を仮説検定に使ってはならないという一文が、すべてこの節にあります。この記事の柱は、ここを読むだけで確かめられます。
• 症例数の設計：同じ Statistical Analysis の節の最初です。約14万人、90%以上の検出力、約20%低い発生率という見込み、そして12種類のがんの一覧が書かれています。
• 試験の作りと監督：Methods の Trial Oversight and Design の節と、Procedures の節です。資金と解析の体制についての記述も、Trial Oversight and Design の中にあります。
• 対象の特徴：Table 1 です。検診への参加は Participant-reported screening participation の行、喫煙は Smoking history の行です。人の流れは Fig. 1 です。
• 主要評価項目と主な副次評価項目の数字：Table 2 の、いちばん左の「12 Prespecified Cancers」の列です。人数、人年、10万人年あたりの発生率とその幅、発生率の差、発生率の比が並んでいます。P 値は表の脚注にあります。同じ数字は Results の「Late-Stage Cancer Outcomes with Multicancer Early-Detection Screening」の段落にもあります。
• 病期ごとの人数：Fig. 2 の Panel E と Panel F です。Panel E は事後解析だと脚注に書かれています。参加者ごとに1件を割り当てる数え方と、Table 2 の数え方が違うことも、同じ脚注にあります。
• 回ごとの値：Results の同じ段落の後半です。1回目と2回目が事後解析、3回目があらかじめ決めた解析であることが、括弧の中に書かれています。
• 早期のがん：Results の「Detection of Early-Stage Cancers with Multicancer Early-Detection Screening」の節です。事後解析であることが本文に書かれています。
• 診断に至った経路：Results の「Route to Cancer Diagnosis」の節と Fig. 3 です。
• 有害事象：Results の Safety の節です。
• 限界：Discussion の後半、Our trial had several limitations で始まる段落です。死亡についての記述は、その前の段落と、この限界の段落の両方にあります。
• 過剰診断についての2段構えの記述：Discussion の中ほど、A favorable result requires で始まる文と、The intervention group had more cancers diagnosed at earlier stages で始まる段落です。

補足資料（Supplementary Appendix）には、Table S1 から S18、Fig. S1 から S4 があります。サブグループの具体的な数値、回ごとの詳しい表、プロトコルの逸脱などはそこにあります。この記事はそれを見ていません。

見方を練習するために

PR　この記事は本の紹介を含みます。書名にリンクが付いているときは、広告（アフィリエイトのリンク）です。今回はこの本にリンクを付けていません。このページに広告のリンクは1本もありません。

この回の柱を、持ち帰れる手順にします。研究の発表や記事で数字を見たときに、順に当てる3つの問いです。

1つめ。その数字は、主要評価項目か、副次評価項目か、それとも事後解析か。多くの論文は、この区別を括弧の中に書いています。この論文なら、1.03が主要評価項目、0.86が主な副次評価項目、647対559が事後解析、回ごとの1.19と0.95が事後解析で、回ごとの3回目の0.88があらかじめ決めた解析です。全部、本文に書いてあります。

2つめ。その数字は、正式な検定にかけられたか。目印は P 値です。この論文で P 値が付いているのは1.03だけです。そして、検定にかけられていない理由も本文に書かれています。検定の順序を先に決めていたから、というものです。

3つめ。その幅を、著者はどう扱ってよいと書いているか。この論文は、副次評価項目の幅を仮説検定に使ってはならないと明記しています。書いてある指示を無視して端の位置を議論しても、読み間違えるだけです。

この3つを当てると、「進行がんが大幅に減ることが示された」という要約と、論文が実際に書いていることのあいだにある距離が見えます。この距離は、数字が間違っているから生まれるのではありません。どの数字を主役にするかを、結果を見たあとで選んでしまうことから生まれます。

下の本は、主要評価項目と副次評価項目の違い、検定を繰り返すことの何が問題なのか、信頼区間が何を語り何を語らないのかを、論文の読み手の側から順に説明している一冊です。医療者と大学院生に向けて書かれた本なので、一般向けの入門書よりは専門的です。この回のように、評価項目の決め方そのものが論点になる論文を自分で読みたい人に向いています。

元の論文

Sasieni P ら. N Engl J Med. 2026.
https://doi.org/10.1056/NEJMoa2505723

もっと知りたい人へ

『今日から使える医療統計 第2版』