中医学はアブダクション推論的医学の最高傑作である ― 文脈を理解するAIとの協働に向けて ―
1. はじめに：なぜ今「中医学 × アブダクション × AI」なのか？
私たちはいま、思考のフレームが問い直される時代に生きている。AI、特にChatGPTのような大規模言語モデルの登場により、「推論とは何か」「診断とは何か」という問いが、医療の実践者にとっても他人事ではなくなった。1) AIは圧倒的なデータ処理能力を持ち、既存の医療知識を高速で検索・整合できる。しかし、AIはベテランの医師や看護師、鍼灸師が経験する「言葉では説明できないが、なぜか違和感を感じること」や「個別の文脈から仮説を立てること」が苦手だ。そこにこそ、人間の推論、特にアブダクション（仮説的推論）の余地がある。本稿では、中医学（Traditional Chinese Medicine）が持つユニークな知の構造、すなわち、個々の症状を物語として読み解き、文脈から治療仮説を導くというアブダクション的推論に注目する。中医学は、西洋医学のような統計的・機械的な演繹法や帰納法とは異なり、「直感的」「詩的」「語り的」な診断方法を採用してきた。その姿勢は、単に非科学的なのではなく、「異なる論理体系」に基づいた思考の枠組みなのである。2) そして近年、この中医学的なアプローチがAI研究の一部で注目され始めている。たとえば、中国で開発されたABL-TCM（Abductive Learning Framework for Traditional Chinese Medicine）というフレームワークでは、中医学の診断過程にアブダクションを導入し、文脈的な誤認（ラベルのズレ）を修正する試みが行われている。3) つまり、「中医学 × アブダクション × AI」の組み合わせは、もはや奇抜なアイデアではなく、現代的かつ実践的な問いなのである。本稿ではこの視点から、以下の問いに答えていく。
・アブダクションとはどのような思考か？
・なぜ中医学と親和性が高いのか？
・それをAIにどう実装すればいいのか？
・私たち人間がAIとどう共に思考できるのか？
このクリティカルレビューが、現場で違和感を覚えながら診療を続けている臨床家、そして文脈を理解できるAIを模索している研究者たちにとって、新たなフレームワークとして、思索と実践の架け橋になることを願っている。
2.臨床推論の多様性とアブダクションの位置づけ
臨床推論とは、医療従事者が患者の訴えや身体所見、検査結果などの情報をもとに、診断や治療方針を導き出す思考プロセスを指す。現代医学においても中医学においても、それぞれ独自の臨床推論体系が存在している。現代医学では、19世紀後半から20世紀初頭にかけて病理学・解剖学・生理学といった基礎医学の発展とともに、診断の正確性を高めるための科学的な思考フレームが求められるようになった。そして1990年代以降、エビデンスに基づく医療（EBM: Evidence-Based Medicine）の普及によって、医療者には科学的根拠に裏付けられた臨床推論スキルがより強く求められるようになった。このような背景のもとで、以下に代表的な臨床推論の枠組みを整理し、アブダクションの位置づけとその意義について明らかにする。
仮説演繹法（Hypothetico-Deductive Method）
ある仮説を立て、それを検査や診察によって検証する手法。論理的・体系的であり、EBMとの相性がよく、現代医学で広く採用されている。ただし、検証にはデータや検査が必要なため、鍼灸などの現場では活用が難しいこともある。さらに即時の診断が求められる場面では、時間的制約から用いにくい。
帰納法（Inductive Reasoning）
複数の症例から共通項を抽出し、一般的な傾向やルールを導き出す手法。臨床研究やガイドライン作成における統計的エビデンスの基盤となる。しかし、個別の患者の文脈や意味を捉えることには限界があり、標準化はできても柔軟性に欠けるという特徴がある。
アブダクション（Abduction / 仮説生成的推論）
観察された現象を最もよく説明する「もっともらしい仮説」を導く思考法。「違和感」や「矛盾」を手がかりに、文脈的かつ物語的に症状を解釈し、診断仮説を立てる。中医学における弁証論治との親和性が極めて高く、直感的診断と仮説演繹法の中間に位置する柔軟な思考形式である。一方で、実証性や再現性に乏しいという課題もある。
また以下は、特定の場面で有効に機能するが、あまり一般的ではない診断スタイルである。
直感的診断法（Pattern Recognition / Intuitive Diagnosis）
豊富な臨床経験に基づき、症例を瞬時に見抜く方法。救急医療など迅速な判断が求められる場面で有効。ただし、誤診のリスクやバイアスの介入が避けられず、経験の浅い臨床家には再現性が乏しい。
徹底検討法（Exhaustive Method）
考え得る全ての疾患を列挙し、可能性を一つずつ検討していく方法。多疾患併存の高齢者など複雑な症例には有効だが、時間と労力を要し、臨床現場では非現実的なことも多い。
アルゴリズム法（Algorithmic Method）
診断プロトコルに沿って標準化された判断を行う手法。一定の質を担保しやすいが、個別の文脈への柔軟な対応が難しく、プロトコル外の症例には対応しきれない。
このように、臨床推論には多様な枠組みが存在しており、それぞれに長所と短所がある。本章では主に現代医学における推論スタイルを整理したが、アブダクションはその中でも「文脈を理解し、仮説を立てて、修正しながら思考する」という点で注目すべき思考法である。次章では、こうしたアブダクション的推論が、中医学の診断・治療体系、特に弁証論治といかに深く共鳴しているのかを具体的に検討していく。
3. なぜ中医学はアブダクション的なのか？
中医学はしばしば「古代の知」や「経験則の集積」として語られるが、それは半分正しく、半分は誤解である。とりわけ現代中医学の中核にある「弁証論治」は、単なる伝統の継承ではなく、近代と伝統のあいだで再構成された知の形式である。
3.1 弁証論治とは何か？伝統と再構成の交差点
弁証論治とは、観察された症状や所見（証）をもとに、全体像を統合し、意味づけを行い、それに対応する治療法（治）を導き出すプロセスである。ここでは「病名」よりも「状態（パターン）」を重視し、治療はパターンごとに柔軟に対応される。これは固定的なマニュアルではなく、仮説的な臨床的思考を含んだ動的な診断枠組みである。この弁証論治が確立された背景には、20世紀の中国近現代史がある。1949年に中華人民共和国が成立したのち、中国政府は現代医学を導入・推進しながらも、「伝統医学を完全に排除する」のではなく、「中西医結合（中西合作）」という戦略的方針を掲げた。その方針のもとで、中医学は国家主導のかたちで理論的再編が行われ、弁証論治はその中核的構造として整備された。つまり、これは伝統の保存と近代性の融合という形で生まれた、ポストモダン的な知の再構成とも言える。この診断モデルは、「症状の列挙 → 病名の確定」といった現代医学的なプロセスとは異なり、複数の症状や背景情報をひとつの意味に束ね、そこから治療仮説を導くという構造を持っている。このような意味づけのプロセスはまさに、アブダクション、すなわち「もっともらしい仮説を生成し、再評価していく推論法」と構造的に一致している。
3.2 弁証論治とアブダクションの共通構造
アブダクションは、「説明のつかない現象」や「直感的な違和感」から出発し、それを最も合理的に説明する仮説を立てる推論法である。この仮説は演繹や帰納のように確定されたものではなく、常に仮の物語として修正可能であることが特徴だ。弁証論治の診療プロセスも、まさにこのアブダクションのサイクルと一致している。
1，観察：症状や舌診、脈診、語りなどから得られる情報を収集
2，仮説形成：それらの情報を文脈化し、もっともらしい「証（パターン）」を導出
3，介入（治法）：仮説に基づいた治療方針を決定
4，再評価：治療結果を観察し、仮説を修正／再構築する
このように、弁証論治は固定的な病名に依存するのではなく、常に文脈に即した柔軟な仮説形成と再評価のサイクルを繰り返す診断モデルである。さらに重要なのは、中医学における情報の扱い自体がアブダクション的であるという点だ。得られた情報（症状、舌や脈の状態、顔色、患者の語りなど）をただ集めるのではなく、それを意味づけ、仮説化し、文脈に配置するという一連のプロセスがすでに推論を伴っている。つまり中医学では、診断の前段階である「観察」すらも、客観的な記録ではなく、文脈と意味のフィルターを通した「認知的行為」なのだ。このように、観察→意味づけ→仮説形成→修正というプロセス全体がアブダクション的なサイクルであることから、中医学はまさに思考と感覚が融合した仮説生成的医学であると言える。
3.3 診断は「物語」である。「肝気鬱結」という仮説。
たとえば、ある患者が以下のような症状を訴えるとしよう
・抑うつ傾向
・食欲不振
・胸のつかえ
・生理不順
これらは一見、バラバラの症状である。しかし中医学では、「肝気鬱結」という仮説的診断が立てられることで、それらがひとつの意味を持つ物語へと再構成される。このとき診断は、単なる記述や分類ではなく、「この人の今の状態を、どのように理解するか」という意味生成（narrative integration）のプロセスとして働いている。この意味づけの行為が、まさにアブダクションの核である。診断とは、症状の奥にある「目に見えない構造（気の滞り、五臓の失調など）」を仮定することで、バラバラの事象に物語的整合性を与える行為なのだ。こうした診断は、施術者の「見立て」と、患者の語る「物語」を結びつける仮説形成であり、まさに臨床におけるアブダクションの実践である。伝統医学の多くがこのような構造を持つが、中医学が特にユニークなのは、この仮説的診断体系を「共通言語」として体系化し、国家レベルで標準化した点にある。「肝気鬱結」「痰湿中阻」「心脾両虚」などの証は、いずれもアブダクション的仮説でありながら、文化的・制度的に共有可能なコードとして整備されている。これは単なる主観的直感ではなく、文化的に制度化されたアブダクションの枠組みである。こうした知の構造は、他の伝統医学には見られない。そういう意味で中医学は、アブダクティブ・メディスンの体系化に最も成功した事例＝アブダクション医学の最高傑作であるとすら言える。
3.4 中医学における知の特徴。直感・詩性・身体知。
中医学における診断と治療は、数値や画像に基づくものではなく、身体の微細な兆候や感覚、語りのニュアンス、文脈の空気感などを読み取ることから始まる。脈診や舌診、顔色、声の質、体臭、歩き方、感情の抑揚などすべてが意味ある情報として扱われる。ここで重要なのは、これらの観察が単なる「事実の記録」ではないという点である。それらは、施術者の経験・身体知・直感によって意味づけされ、統合され、仮説として読み解かれる。つまり中医学では、情報を「どう取るか」の段階から、すでにアブダクション的な推論が始まっているのである。たとえば脈診においても、単なる脈拍数やリズムを測定するのではなく、「沈んでいる」「滑っている」「緊張している」といった詩的で比喩的な表現を通じて、身体の状態全体を感覚的に把握する。そこには、施術者の身体感覚と解釈が不可分に絡んでおり、情報収集と推論の境界は極めて曖昧である。こうした知のスタイルは、演繹法や帰納法では扱いにくい。しかし、文脈のなかで違和感をとらえ、そこからもっとも妥当な意味を仮説として立てるというアブダクションにおいては、むしろ中心的な役割を果たす。また、こうした感覚的・詩的・文脈的な観察を共通言語化してきた歴史的努力（＝制度化された弁証論治）があるからこそ、中医学は単なる経験医学にとどまらず、高度な推論体系として成立しているのである。すなわち、中医学とは「推論的思考」以前に、「推論的な観察」を行っている医学である。その診療スタイルは、「感じること」と「解釈すること」が分かちがたく結びついており、現象学的あるいは解釈学的な思考とも深く通底する。そうした意味で中医学は、感覚・直感・文脈理解を含んだ全身的アブダクションの実践モデルと位置づけられるだろう。
3.5 科学ではなく、もう一つの知の形式として
中医学は、現代医学のように自然科学的な因果論や再現性の原則を前提とした知の体系ではない。治療効果の機序を分子レベルで説明することも難しく、証明可能性や客観性の観点からは、しばしば「非科学的」と評されることもある。しかし、ここで言う科学とは、自然科学的実証主義に基づいた知識の形式を指しており、人間の営みにおける知のあり方は、それだけに限られるものではない。中医学が重視しているのは、「その人のからだと語りに、どれだけ腑に落ちる意味を与えられるか」ということである。つまり、普遍的な法則の発見ではなく、個別の文脈における整合性＝物語的納得感を追求する知の体系なのである。このような意味構築は、まさにアブダクションの本質である。アブダクションは、既知のルールに従うのではなく、「いま目の前で起きている現象を、もっとも納得できるかたちで仮説化する」プロセスであり、その仮説は常に修正可能で、治療の経過によって何度も組み直されていく。中医学の診療とは、まさにこのような動的で文脈依存的な推論の連続であり、そこにこそ自然科学とは異なる合理性が存在している。それは、非科学的なのではなく、自然科学と並ぶもう一つの知の形式であり文脈的・詩的・意味構築的な合理性が生み出す、「実践的・臨床的・哲学的な医学」なのである。また中医学の魅力は、その入り口の広さと奥深さの共存にある。たとえば、素人が見よう見まねで足三里にお灸を据えても、結果的に体調が改善することがある。一見すると偶然や直感に見えるこの効果も、実は中医学が身体の自然な反応を引き出すように設計された推論体系であるからこそ生まれる現象なのだ。中医学は、知識や訓練がなくとも「身体を通じて仮説に触れる」ことが可能な、稀有な知の構造を持っている。その背後には、弁証論治に代表される緻密で繊細な診断思考、そして人間の意味生成能力そのものを扱う構造的知性がある。そして何より、このような感覚で通じる設計が可能だった背景には、中医学が天地自然との関係性を軸にした世界観（cosmology）を持っているからである。人間の身体は孤立した個体ではなく、気候、季節、地理的環境、時間、感情といった外部世界と常に連動している存在として捉えられている。そのため中医学は、身体が自然のリズムと共鳴することを前提に組み立てられており、直感的な実践が自然の秩序とつながる仮説として成立する余地を持っている。こうした「宇宙的な意味づけの中に人間を位置づける」という知の構造があるからこそ、中医学は感覚と意味、自然と理論を架橋する医学として成立しているのである。中医学は、自然科学を補完するための詩であり、語りであり、実践知である。そしてそれは、意味の迷子になりがちな現代の医療において、人間の物語を取り戻すためのヒントを多く含んでいる。
4. ABL-TCM、中国の先端研究が示したこと
4.1 ABL-TCMとは何か？
中医学がアブダクション的な知の体系であるという主張は、けっして筆者の主観や比喩的な例えにとどまらない。実際に、中国の人工知能研究の最前線では、中医学にアブダクションのフレームワークを適用し、診断プロセスをAIに実装するという試みが始まっている。その代表例が、「ABL-TCM（Abductive Learning Framework for Traditional Chinese Medicine）」である。この研究は、清華大学と浙江大学の研究者たちによって提案され、中医学の診断における文脈に基づいた仮説形成のプロセスを、アブダクションとして機械学習に導入するという革新的な試みだ。ABL（Abductive Learning）とは、ラベルの曖昧性や文脈依存性の高い問題に対して、「もっともらしい仮説」を動的に生成・修正しながら学習するAIフレームワークである。それを中医学に応用したABL-TCMでは、たとえば複数の症状と診断ラベル（証）が一致しないケースにおいて、もっとも妥当な仮説的診断をAI自身が補完・修正することができる。従来の機械学習では、「データのラベルが正しいこと」が前提とされていた。しかし中医学のように、診断が状況や文脈、臨床家の判断に依存するケースでは、同じ症状でも異なる「証」が立てられるという現象が起きる。ABL-TCMは、まさにこの「揺らぎ」や「ズレ」こそを前提に、AIが自律的に仮説を生成・修正していく構造を実現している。このような構造は、単なる診断支援の自動化ではなく、文脈的意味理解と仮説的推論のサイクルそのものをAIに実装する試みであり、中医学とアブダクション、そしてAIをつなぐ架け橋となる可能性を秘めている。もっとも、現時点のABL-TCMは、あくまで「症状と証の言語データ（すなわち文章）」をもとにした推論構造の模倣にとどまっている。実際の中医学診療では、舌や脈の状態、顔色、語りの抑揚といった非言語的な身体情報が大きな役割を果たしており、それらを含んだ「全身的アブダクション」までは、まだ実装されていない。一方で、近年のヘルスコミュニケーション領域においては、AIを活用して医師と患者の会話を解析し、コーピングスタイルや感情の流れ、語りの理解度などを評価する技術が進展している。その代表例が CoDeL（Collaborative Decision Description Language） である。CoDeLは、患者と医師の語りをAIが構造化し、「相互に納得可能な意思決定」のための共通言語を支援する枠組みであり、中医学における“語りの統合”や“意味の共有”という診療実践と深く通底している。ABL-TCMのような症状–証のアブダクションに加え、CoDeLのような語りの文脈的構造化が進めば、将来的には中医学における「語り」「臨床の空気感」「文脈的解釈」までを仮説化・補助できるAIの実現も見えてくるだろう。
4.2 ラベルのズレとアブダクション
ABL-TCMの革新性は、「ラベルのズレ（label mismatch）」という問題に正面から向き合った点にある。中医学の診療現場では、同じような症状に対して異なる「証（パターン）」が立てられることがある。これは、弁証論治における仮説形成が、患者の語りや全身状態、生活背景、そして施術者の経験的直感に強く依存しているためであり、あらかじめ一義的にラベルづけされた「正解」があるわけではない。従来のAIや機械学習では、訓練データのラベルが正しいという前提に基づいて学習が進められていた。しかしABL-TCMはむしろ、「正解ラベルの側が間違っている可能性がある」ことを想定し、症状の記述だけでなく、その背景にある語りの流れや生活状況といった“文脈的情報”も含めて、ラベルそのものを再解釈・修正するという枠組みを採用している。
これこそがアブダクション的思考の本質、「もっともらしい仮説によって意味の整合性を再構築する」プロセスである。ABL-TCMはこのプロセスをアルゴリズム化することで、「症状に対して不自然な証が与えられているケース」をAIが自動で検出し、修正を提案することが可能になっている。この仕組みは、現場の臨床家が行っている「違和感の検知」と極めて近い感覚をもつ。たとえば、ある症例に「心火上炎」という証が付与されていても、実際の症状や語りのニュアンス、生活背景を見ていく中で、臨床家の直感が「これはむしろ肝鬱気滞の変化では？」と違和感を抱くような場面がある。ABL-TCMは、そのような“言葉にしづらい違和感”を、文脈のデータ的整合性として定式化し、AIに学ばせる構造になっている。この仕組みは、単にエラー訂正を行うのではなく、「仮説の立て直しによって現象の意味を再構築する」という、アブダクション的推論そのものの再現である。中医学における弁証論治のダイナミズムを、機械的に模倣するための重要な鍵が、まさにここにある。ただし繰り返しになるが、ABL-TCMはあくまで構造化された言語データ（文章）を扱うものであり、臨床現場における非言語的情報や、施術者の身体知、語りの抑揚といった要素までは、まだ反映されていない。それゆえ本モデルは、現時点ではあくまで「中医学的アブダクションをAIが模倣できる可能性」を示した段階であり、今後のさらなる拡張と実践的応用が期待される技術基盤である。
4.3 直感との一致に納得した、現場感覚とAI
ABL-TCMの研究に初めて触れたとき、筆者は強い驚きを感じたわけではなかった。むしろ、「ああ、やっぱりそういうことだったのか」と、妙にしっくりくる感覚を覚えた。それは、臨床で日々経験している“なんとなくの違和感”や“この証の方が合いそうだという感触”が、アブダクションという名前のついた推論モデルとして、AIの中に実装されつつあるという事実への納得だった。臨床の現場では、症状そのものよりも、それがどのように語られ、どう全体とつながるかが重視される。患者の訴えが、教科書的には「心火上炎」に分類されるものであっても、語りのテンポや生活背景、顔色、脈の印象といった情報を総合して、「いや、これは肝鬱気滞のほうがしっくりくるな」と判断を変えることは珍しくない。ABL-TCMの「ラベルのズレを修正する」仕組みは、まさにこのような違和感の発見と、もっともらしい仮説への調整という、臨床的に自然なプロセスを再構成しようとするものである。人間が経験や身体知に基づいて行っていることを、AIが「文脈的整合性」という形で模倣しようとしているのだ。この一致感は、AIの限界と可能性の両方を示している。現場で「身体的に感じること」の価値をあらためて確認させてくれると同時に、「私たちが普段から行っている思考は、案外理論的で構造化可能なものでもあるのかもしれない」と気づかせてくれる。ABL-TCMは、人間のアブダクティブな直感を代替する技術ではない。むしろそれは、直感の構造を見える化し、補助・反映しうる技術の可能性を開いたという点で、中医学とAIが出会う一つのリアルな接点を提示している。
5. 中医学 × AI、その未来と課題
ABL-TCMのような取り組みは、たしかに中医学とAIの融合における先駆的な成果である。しかし、これを「中医学のAI化の完成形」と捉えるのは早計だ。というのも、中医学は単なる知識体系ではなく、ある種の世界観（cosmology）や価値観を内包した「思想としての医学」だからである。AIに中医学を「教える」ことは可能かもしれない。しかしそれは、あくまで言語化された記述、構造化された情報の範囲にとどまる。実際の臨床現場では、施術者が身体で感じとっている違和感や、語りのリズムの微妙なズレをどう捉えるかという、身体的・詩的・解釈的な知の層が多分に含まれている。つまり、AIに中医学を教えるには、単に証候パターンを学習させるだけでは不十分であり、中医学が前提としている宇宙観（人間は天地自然と連動する存在である）や、診療を通して生まれる意味生成のプロセスまで含めて設計する必要がある。このとき鍵となるのは、「内的違和感」をどうAIに検知させるかという問題である。ここで言う「内的違和感」とは、医師や看護師、鍼灸師なら誰でも現場で感じたことがある「言語化できないけど、なにかおかしい」という感覚のことを指す。検査値や問診の情報は一見整っていても、語りのテンポや表情、脈や舌の印象などをふまえると、「この診断では腑に落ちない」「別の仮説を立てたくなる」といった感覚が芽生える。それは、論理的に検証された結論というより、全体としての整合性を身体感覚で見抜くような知覚であり、まさにアブダクションのトリガーとなるような直観的知である。現状のAIは、あくまでデータの整合性や確率的傾向に基づいて判断を行うが、中医学が重視するのは、「その人の状態として本当に納得できるか？」という物語的・身体的整合性である。AIにこうした“違和感の検知”や“意味の再調整”を可能にするには、推論モデルそのものの設計思想を見直す必要がある。その意味で、今私たちが問うべきなのは、「AIに中医学をどう教えるか」ではなく、「AIとどう協働しながら、“感じられる知”を再構築できるか」である。中医学は、論理や統計では捉えきれないものを扱うからこそ、AIの力を借りて見える化し、対話可能にするためのフィールドでもある。未来のAIは、中医学を単に再現するのではなく、中医学的な思考を支援する“語りの伴走者となることが求められるのかもしれない。
6. 提案、中医学的AI診断支援フレームとは？
中医学とアブダクション、そしてAIが交わる地点において必要とされるのは、単なる「診断アルゴリズム」ではなく、意味を立ち上げる認知的プロセスそのものの支援である。そこで本章では、筆者が提案する「中医学的AI診断支援フレーム」の構想を示す。このフレームは、中医学の診療における認知の多層構造をモデル化し、AIによる推論を「知識」ではなく「意味と仮説の構築」に根ざしたものとして再設計しようとする試みである。本モデルは、以下のような認知の4層構造を基本とする。
① 世界観（Cosmology）
人間とはどのような存在であり、身体とは何を表すものなのか。ここでは「天人合一」「気血津液」「五行」など、中医学独自の世界理解が前提となる。診断・治療はこの世界観の枠組みの中で行われ、単なる臓器や数値ではなく、「気の流れ」や「陰陽のバランス」として現象が捉えられる。またこの層には、「今この社会において、何が大切とされ、どう生きるべきか」といった時代的・文化的な雰囲気（世論や価値観）も含まれる。たとえば「ストレス」や「冷え」といった語りは、単に個人の身体の状態ではなく、現代社会の空気感とともに立ち上がる意味の一部である。こうした生きられた世界の全体感が、診断や治療の土台を形づくっている。また、もしAIが中医学的診断支援を担うのであれば、医療機関や施術者の価値観、すなわち「何を大事にするか」という理念も同時に共有・認識する必要がある。たとえば、同じ症状に対しても、「延命」を重視する医療機関と、「生活の質」や「自然な看取り」を尊重する施設では、導かれる仮説や治療戦略が異なる。それに加え社会の価値観や道徳観の影響も検討する必要がある。AIが人間と共に思考するためには、こうした診断の前提としての価値体系も、アルゴリズムにおける設計要素として検討されるべきであろう。
② 現象学的経験（Phenomenology）
患者が経験していること、そして臨床家が「感じとっていること」。これは舌・脈・表情・語り・姿勢・空気感など、定量化されにくいが、診断に大きな影響を与える層である。いわば「症状がどのように“現れている”か」という主観的・身体的な認識であり、現象学の創始者フッサールが述べたように、解釈や理論に先立ち、現象がどのように与えられているか、に注意を向ける姿勢が求められる。中医学の診察でも、舌や脈の状態をありのままに感じ取ることから診断が始まる。このような現象の受け取り方は、定量的データ処理では捉えきれない、人間の感覚に根ざした知覚の層である。
③ 意味づけ（Interpretation）
現象を「証」というかたちでパターン化し、物語として解釈する段階。ここでは、複数の症状や所見がひとつの「意味ある構造」として再構成される。この再構成プロセスは、固定的な分類ではなく、文脈と仮説に基づく動的な意味生成であり、アブダクション的である。ここで重要なのは、意味とはあらかじめ与えられているものではなく、解釈を通して生成されるものであるという点である。解釈学（hermeneutics）の立場からすれば、診断とは、語りや身体所見に対して臨床家が仮説的に意味を投げ返し、再解釈を重ねていく対話的行為といえる。中医学の弁証論治もまた、症状という“テクスト”を読み解く動的なプロセスなのである。
④ 推論（Abduction）
アブダクションとは、観察された事象に対して「もっともらしい仮説」を立て、状況に応じて修正・洗練していく思考法である。演繹や帰納と異なり、限られた情報の中から“仮の説明”を導き出すことを出発点とする推論であり、医療においては症状のバラバラな断片から仮説的診断を構築していくプロセスに相当する。ここでは“違和感の検知”が重要な契機となり、患者の反応や経過を踏まえたフィードバック型の思考プロセスが中心となる。中医学における弁証論治のサイクル（観察→証立て→治法→再評価）は、まさにこのアブダクションに基づいている。
このような認知の階層モデルは、中医学的思考の構造を明示するだけでなく、AI設計において「どの層をどのように扱うか」を考えるためのヒントにもなる。たとえば、④の推論層だけでなく、③の意味づけや②の現象の捉え方にAIがアクセスできれば、より人間に近い“感じる推論”を行うAIの設計が可能になる。そのためには、入力データとして「舌診画像」「語りの音声」「語用論的特徴」など、これまで学習対象とされてこなかった臨床的身体知や語りの素材を取り込む必要がある。また、①の世界観をAIにある程度共有・認識させることができれば、判断の前提となる価値体系や文化的背景への感度が高まり、より文脈に根ざした判断や推論が可能になるだろう。中医学がもつ知の美点は、「語り・身体・意味」が分断されず、ひとつの体系として接続されている点にある。この統合性をAIの思考支援に反映できるとすれば、それは単なるデータ処理ではなく、臨床哲学的な知のモデル化となるだろう。こうした中医学の知の統合構造は、中国が国家的に中医学を保護・制度化し、近代医学と共存可能な形で理論化してきた歴史的背景とも深く関係している。韓国の韓医学やタイの伝統医学もまた、国家的に保護された伝統医療であるが、診断モデルや語彙体系には中医学からの強い影響が認められる。つまり中医学は、単なる地域医療の一形態ではなく、東アジア・東南アジア圏における伝統医学思想の“共通祖型”といえる。とりわけ、「証」というアブダクション的診断構造を理論化・標準化し、文化的・制度的に共有可能なコードとして整備してきた点において、中医学は“文化的に制度化されたアブダクションの枠組み”の最高峰である。だからこそ、この中医学的診断構造をAI設計の基盤とすることは、単なる一分野の実験ではなく、歴史的・思想的に根拠を持った選択であり、より文脈感知型・物語統合型の診療支援AIを目指すうえでの重要な出発点となるのである。
7. おわりに、AIとともに、現場から世界を変える手段としてのアブダクション
このレビューでは、中医学を「アブダクション的知の体系」として再定義し、AIとの接続可能性を認知モデルの視点から論じてきた。そしてその目的は、単なる診断支援やアルゴリズムの構築ではない。本当に目指すべき目的は、医療や思考のスタイルを通して、よりよい社会を築くこと、人間が意味をもって生きられる社会の実現にある。中医学は「非科学的」なのではない。むしろそれは、文脈・身体・物語の合理性を扱う、もうひとつの科学＝実践知である。そしてその診断構造は、「もっともらしい仮説を立て、違和感を検知しながら修正していく」というアブダクションのサイクルとして見直すことができる。そのプロセスは、中医学だけでなく、すべての臨床、すべての実践、すべての人間的思考に通底している。だからこそ、今このアブダクションの視点が求められている。AIは、すべての問いに正解を返してくれる“魔法の装置”ではない。むしろAIとは、私たちが「何に納得しているか」「どんな意味に引き寄せられているか」を映し出す鏡であり、仮説を立てながらともに迷っていける“対話的な相棒”のような存在である。そしてそれは、プレプリントのような発信手段とも重なる。たとえ未完成であっても、問いを言語化し、世界に投げかけていくこと自体が「仮説の実践」なのである。AIも、プレプリントも、中医学も、それらはすべて「よりよい社会をつくるための手段」であり、その知と実践をつなぐ橋渡しである。そして、この視点に共鳴する人が一人でもいれば、それだけで新しい実践が始まる可能性を秘めている。今、私たちは、誰もが「推論に参加できる」時代に生きているのだから。中医学的アブダクションが示すのは、まさに「意味を取り戻す知のあり方」である。仮説を立て、意味づけし、違和感を感じながら考え続けること、そのプロセスこそが知であり価値そのものである。そしてその価値をAIと共有できるようにすることは、人間の推論を“誰もが参加可能な営み”へと開いていく道でもある。このレビューは、そのような「意味のある推論」が、知の原点であり続けるべきであることを、構造的に示している。
参考文献
1,Editorial. Tools not threats: AI and the future of scientific writing. Nature 614, 393 (2023). https://doi.org/10.1038/d41586-023-00107-z
2,Li, Y., et al. The Inheritance and Development of Chinese Medicine in the New Era. Chinese Medical Culture 6, 121–127 (2023). https://journals.lww.com/cmc/fulltext/2023/06000/The_Inheritance_and_Development_of_Chinese.6.aspx
3,Zhao, Z., et al. ABL-TCM: An Abductive Framework for Named Entity Recognition in Traditional Chinese Medicine. IEEE Access (2024). https://ieeexplore.ieee.org/document/10664593