コロナ禍の中、COVID-19のそれぞれの株の感染者数グラフを眺めていたとき、奇妙な既視感を覚えた人は少なくないはずです。急峻に立ち上がった曲線が頂点を越えると、まるで鏡に映したように左右対称に下降していく。その後また新しい株が来ても、また別の「山」が同じ形で現れた。国全体の統計でも、各都道府県の統計でも。あの曲線は、偶然の産物ではありませんでした。感染症の波が正規分布に近い形を描くことには、生物学的・数理的な必然性があります。そしてその「美しい対称性」の内側に、数理モデルが沈黙させてきた問いが埋め込まれていることを、私たちはまだ十分に受け止めていないかもしれません。
アルファ、デルタ、オミクロン——COVID-19の各変異株が国内感染者数グラフに描いた「山」を思い出してください。ピークに向かって急勾配で立ち上がり、頂点を過ぎると驚くほど対称的に下降する。国全体の集計でも、人口・密度・医療資源が異なる都道府県単位でも、ほぼ同じ形の曲線が繰り返し現れました。あの「波」が単なる偶然ではなく、数学的必然性を持っていたとしたら——その驚きがこのエッセイの入り口です。
この正規分布的パターンは、COVID-19に固有の現象ではありません。1918年のスペイン風邪から2009年の新型インフルエンザまで、感染波形の対称性は歴史的に反復してきました。ロスキレ大学のローネ・シモンセンらが率いたチームは、スペイン風邪の感染波を複数国の週次死亡データで分析し、医療水準・人口密度・地理的条件が大きく異なる国々でも波形が収束する普遍性を確認しています。「波は来ては去る」という人類の経験知は、統計的に裏打ちされた生物学的事実でもあったのです。
なぜ正規分布が現れるのか。その核心は「感受性人口の枯渇」という自己制限性にあります。SIRモデル（感受性・感染・回復の三区分で動態を記述する数理疫学の基礎モデル）では、感染が広がるほど感染しうる人が減り、ピーク後は必然的に減少に転じます。さらにソルボンヌ大学のヴィットリア・コリッツァとアレッサンドロ・ヴェスピニャーニは、航空ネットワーク上のメタ個体群モデルで、地理的に異質な地域群でも交通ネットワークで結ばれた系全体では感染ピークの形状が収束することを示しました。都道府県ごとの均質な分布は、各地域の内的同質性ではなく、地域間移動が外部から課した対称性なのです。
感染曲線が正規分布に近似するなら、ピーク到達後の終息時期は数学的に推定可能になります。しかし政策決定は常にピーク前の不確実な段階で行われます。インペリアル・カレッジ・ロンドンのニール・ファーガソンらが2020年に示したエージェントベースモデルによれば、非薬学的介入（NPI）——接触制限・学校閉鎖・隔離措置——はピーク高さを抑制する一方で曲線の対称性を崩し、終息を引き延ばす効果も持ちます。「曲線の前半を見て後半を推定する」という思考習慣は、次のパンデミックで私たちが持てる最も実践的な認識の枠組みの一つです。
しかし、統計的に「美しい」正規分布の内側で、苦しみの分布は非対称でした。医療人類学者ポール・ファーマーは「構造的暴力（Structural Violence）」という概念を通じ、感染症の疫学統計が隠蔽する社会的不平等の構造を可視化しました。感染リスクと死亡率は貧困・職業・居住地域に沿って偏在し、「曲線の外側」に押し出された人々の経験を数理モデルは語りません。アーサー・クラインマンが「疾病（disease）と病い（illness）」として区別したように、統計が捉える集団レベルの秩序と、生きられる個別の苦しみは別の次元に存在します。正規分布は「平均」を語るが、平均は誰かの経験ではないのです。
感染曲線の正規分布が示す最大の教訓は、終息の必然性ではありません。「誰が先に終わらせてもらえるか」という問いです。波は数学的に終わります。しかしその波の中で誰が深く沈み、誰が浅く通過するかは数学ではなく社会構造が決めるのです。正規分布の裾野を狭め、ピークを低くするための対策をいくら行っても、条件下で感染すべき人は感染し収束し、次の株をもたらす。私たちの対策よりも「株の特性」ことが感染の規模とスピードを決めているように見えます。さて、わたしたちはここからどのような行動変容の知恵を導き出せばよいのでしょうか？