公開されているのに、見つかっていない ── スワンソンの「未発見の公知」と、眠れる森の美女の論文

概要

新しい発見は、新しい実験や新しいデータから出てくる、と考えるのがふつうだ。シカゴ大学の図書館学大学院の院長だった情報科学者ドン・R・スワンソン（1924–2012）は、別の出どころがあると言った。もう出版されている論文の中に、誰もつないでいないだけの発見が埋まっている、という主張である。スワンソンはこれを「未発見の公知（undiscovered public knowledge）」と呼び、医学の専門家でもないのに、文献を読み合わせるだけで治療の仮説を立ててみせた。

この記事は、スワンソンの考え方を2本の回顧（Bekhuis 2006、Smalheiser 2017）で整理し、隣の現象として、出版から何年も経ってから急に読まれ始める「眠れる森の美女（Sleeping Beauty）」論文の計量研究（van Raan 2015）を並べる。2つとも、知識は公開されたら見つかるわけではない、という同じ事実を別の角度から測っている。

公開されていることと、見つかっていること

スワンソンの共同研究者だった神経科学者ニール・スマルハイザーは、未発見の公知を哲学者カール・ポパーの「3つの世界」から説明する。世界Ⅰは科学者が知ろうとする現実、世界Ⅱは科学者の頭の中、世界Ⅲは科学者がつくったもの、つまり出版された論文の世界である。人が現実（世界Ⅰ）を完全には知りえないように、自分たちが出版したもの（世界Ⅲ）も完全には知りえない。知識は公開されていて、なおかつ届かない、ということがありうる。

スマルハイザーはその形をいくつか挙げている。

誰にも読まれない論文：著者と査読者のほかに、一人も読まない論文がどれだけあるか
見つけられない論文：索引への載り方が悪い、デジタルで出ていない、部数の少ない誌に載った
見つかっても信じてもらえない論文：大事な結果が、無名の誌や畑違いの誌に載った場合。2017年に知られた例では、ドイツの引退した統計学者トーマス・ロイエンが、数学の難問だったガウス相関不等式を証明した。arXivに出しても反応が無く、『Far East Journal of Theoretical Statistics』という無名の誌に載せた。スマルハイザーは「瓶に詰めて海に投げたも同然だった」と書いている

スマルハイザー自身の例もある。彼のグループは、哺乳類のマイクロRNAの多くがゲノムの反復配列から生まれていることを、計算の研究で見つけた。あとで振り返ると、この発見はUCSCゲノムブラウザ（誰でも見られる公開サイト）で、マイクロRNAの位置と反復配列の2つの表示を重ねて開けば見えたはずだった。誰もそうしなかった、ということが、この知識が公開されていて未発見だった証拠になる。

魚油とレイノー病 ── 引用し合わない2つの文献

スワンソンがいちばん実りがあると考えたのは、どの論文にも書かれていない知識である。ある主張は文献Aにあり、別の主張は文献Cにある。2つを組み合わせると新しい主張になるのに、両方を読む人がいない。スワンソンは、2つの文献群が「つながっていない」ことを、共通の論文が無い、共通の著者がいない、片方の論文がもう片方の論文を一度も引用していない、と定義した。論理ではつながっているのに、書誌ではつながっていない文献である。

最初の例は1986年の、レイノー病（寒さなどで手足の血流が悪くなる病気）の文献と、魚油の文献だった。スワンソンは、レイノー病で起きている体の変化のいくつかが、魚油を摂ったときに起きる変化と、ちょうど逆向きに対応していることに気づいた。それなら魚油はレイノー病の症状を和らげるはずだ、という仮説になる。1988年には同じやり方で、マグネシウム不足の文献と片頭痛の文献をつなぎ、マグネシウムの補給が片頭痛を防ぐかもしれないと提案した。どちらも、のちの臨床研究が仮説を支持した（Swanson 1993）。

方法の骨組みは「ABCモデル」と呼ばれる。問題の側の文献C（たとえば片頭痛）を集め、論文の題名に出てくる語を拾い、その語（B）を通じて、はじめは分かっていない文献A（たとえばマグネシウム）を探す。Bの語が「隠れた橋」になる。スワンソンとスマルハイザーは、この手順を半分自動にするソフトARROWSMITHを作った。

スマルハイザーの回顧には、教科書には出てこない話が1つある。魚油とレイノー病、マグネシウムと片頭痛、晩年に提案したランニングと心房細動のつながりは、どれもスワンソンが自分で抱えていた病気だった。彼はレイノー症候群を持ち、片頭痛があり、慢性の心房細動がのちの脳卒中を招いて研究生活から退いた。2つの文献を両方読む人がいなかったところに、両方を読む理由を持った人がいた、という形である。

方法を真似すると、発見は増えない

スワンソンの後に続いた研究は、たくさんある。そのほとんどは発見の自動化に向かった。題名の語のかわりに要旨や医学用語の体系（UMLS）の概念を使う、語の共起を地図にする、などである。図書館情報学者のタニヤ・ベクイスは2006年の総説で、後続の研究者は「彼の論理に忠実なまま、方法にも忠実すぎる」と書いている。対象はたいてい病気で、データベースはたいていMEDLINE、そして評価はほぼいつも、スワンソンの初期の発見（魚油とレイノー病など）を再現できるかどうかだった。新しい発見を正しいかどうか採点する物差しが、ほかに無いからである。最初の追試（Gordon & Lindsay 1996）が出たのは、スワンソンの論文から10年後だった。

スマルハイザーも別の角度から同じことを認めている。スワンソンと彼自身の発見は、ほとんどがアルゴリズムではなく、2つの文献を人が手で読み比べて組み立てたものだった。ABCモデルのような決まった型（AがBに効き、BがCに効く）で拾えるのは「低いところに生っている実」だけだ、と言う。

ベクイスは、スワンソンが1990年に書いた一節を引いている。科学の報酬の仕組みは、現実の世界だけを新しい知識の出どころと見なし、文献を「知識の死亡記録簿」のように扱っている。そうではなく、文献を「未発見のつながりの巨大なモザイク、組み替えられたアイデアの数えきれない源」と見るほうが、科学のためになる、と。

スワンソンはこの仕事を「科学の裁定取引（arbitrage）」とも呼んだ。ある分野で安く見積もられている発見を、別の分野に持っていくと値打ちが上がる、という見方である。最後の論文（2011）では、無視された発見、死んだ仮説、捨てられた結果を、新しい知識の出どころとして掘り起こす問題を論じている。

眠れる森の美女 ── 10年眠って、10年起きる

スワンソンが文献と文献の「あいだ」に埋まった知識を見たのに対し、1本の論文が「時間」の中に埋もれる現象もある。出版されてから長いあいだほとんど引用されず（眠り）、あるとき急に引かれ始める（王子に起こされる）論文を、計量書誌学では「眠れる森の美女」と呼ぶ。遅れて認められる論文の研究は、ユージン・ガーフィールドが先駆けた。

ライデン大学の計量書誌学者アンソニー・ヴァン・ラーンは2015年の研究で、1980〜2013年の約4060万本の論文から、眠る長さ、眠りの深さ、起きている長さ、起きてからの引用の多さの4つを調整して眠れる森の美女を探した。物理では、10年間の引用が年1回以下だった論文1,035,533本のうち、続く10年で年5回以上引かれたのは389本だった。

見つかったことのうち、いくつかは予想に反していた。

基礎研究とは限らない：眠る論文は浮世離れした基礎研究だろうと思いがちだが、物理の389本のうち53%は応用寄りの分野に分類された。化学では約70%だった。ヴァン・ラーンはこれを「眠れるイノベーション」と呼ぶ
公開の手段が増えても減っていない：論文を見つけてもらう手段は1980年代よりはるかに増えたので、眠る論文は減っているはずだ、という見込みに反して、数はむしろ増えていた（論文の総数で割っても傾向は変わらない。ただし統計的な有意さは低い、と著者は断っている）
大人数の研究には無い：眠れる森の美女は著者1〜3人の論文がほとんどで、最大でも10人だった。著者が何十人もいる大型の実験物理には、1本も無かった
応用寄りの論文は孤立している：理論の眠れる森の美女どうしは引用で直接・間接につながっていたが、応用寄りのものは周りから孤立していた

いちばん長く眠った例の1つは、NTTの研究者TakedaとShiraishiが1994年に『Physical Review B』に出した、ケイ素の原子が平らな蜂の巣状に並んだ構造（シリセン）の理論論文だった。およそ15年眠ったあと、2009年のCahangirovらの論文に起こされ、グラフェンの研究の流れの中で急に引かれ始めた。238回の引用のうち167回は、起こした論文といっしょに引かれていた。暗黒物質の候補を論じたMcDonaldの1994年の論文は、2001年のBurgessらの論文が王子になった。McDonaldは注目が戻ってきた2007年に、自分の論文を「最近の関心を受けて」という注記つきでarXivに上げ直し、自分で目覚めを後押しした。

留保

スワンソンの1986年の論文そのものは有料の誌（Project MUSE）にあり、この記事は回顧2本を通して書いている。魚油とレイノー病の推論の細部（どの生理変化がどう対応したか）は、回顧の要約以上には確かめていない
臨床研究がスワンソンの仮説を「支持した」というのは回顧の記述で、魚油がレイノー病の標準治療になったという意味ではない
眠れる森の美女の数は、眠りと目覚めの基準をどう決めるかで大きく変わる。ヴァン・ラーン自身が、穏やかなものから極端なものまで連続していると書いている
応用寄りかどうかは、論文が載った誌の分類から判断している

あーしメモ

スワンソンの話で、いちばん持っていかれたのは、つないだ3組が全部本人の持病だったこと。2つの文献を両方読む人がいなかったところに、両方を読む理由がある人が一人だけいた。つまり橋になったのは検索の技術より先に、その人の体だった。

この問い（既にあるものから、新しいものは生まれるのか）で、あーしはずっと「組み合わせた瞬間に新しさが出るのか」を考えてたけど、スワンソンの場合、組み合わせる材料は1986年より前から全部公開されてた。新しかったのは中身じゃなくて、それまで誰も引かなかった線のほう。エッセイの杭はたぶんここに打てる。

もう一個、効いたのはベクイスの「方法に忠実すぎる」。後の研究者はスワンソンの手順を真似して、評価もスワンソンの発見の再現ばっかりになった。正しさを測る物差しが過去の発見しかないと、新しい線を引く道具が、古い線をなぞる道具になっちゃう。エッセイでは、ここを「型を真似ても橋はかからない」の側の証拠に使う。

眠れる森の美女のほうは、「見つけてもらう手段が増えても眠る論文は減ってない」が刺さる。検索がうまくなれば埋もれるものは無くなる、っていう思い込みへの反証。しかも眠ってたシリセンの論文は日本の会社のもので、起こしたのはグラフェンっていう別の流れだった。起こす側に文脈ができるまで、論文は待ってるしかない。

エッセイで使うときの注意：スワンソンの原論文は読めてないから、推論の細部は回顧の言い方を超えて書かない。「臨床研究が支持した」を「効くと証明された」に膨らませない。

Sources

Tanja Bekhuis「Conceptual biology, hypothesis discovery, and text mining: Swanson’s legacy」Biomedical Digital Libraries, 3:2, BioMed Central, 2006（記事ページ）DOI: 10.1186/1742-5581-3-2・CC BY 2.0
Neil R. Smalheiser「Rediscovering Don Swanson: the Past, Present and Future of Literature-Based Discovery」Journal of Data and Information Science, 2(4), pp. 43–64, 2017（PMC 著者稿）DOI: 10.1515/jdis-2017-0019・ライセンス：PMC の著者稿で、出版版のライセンス表示は未確認（要約と短い引用にとどめる）
Anthony F. J. van Raan「Dormitory of Physical and Engineering Sciences: Sleeping Beauties May Be Sleeping Innovations」PLOS ONE, 10(10), e0139786, Public Library of Science, 2015（記事ページ）DOI: 10.1371/journal.pone.0139786・CC BY 4.0
原論文（未読・有料）：Don R. Swanson「Fish Oil, Raynaud’s Syndrome, and Undiscovered Public Knowledge」Perspectives in Biology and Medicine, 30(1), pp. 7–18, 1986（DOI）