科学的図のアクセシビリティ｜色覚バリアフリーなカラーパレット選択ガイド

学術論文における図（Figure）は、データを視覚的に伝えるための最も重要な要素の一つです。しかし、多くの研究者が見落としがちな問題があります。それは色覚多様性（色盲・色弱）への配慮です。世界的に見ると、男性の約8%、女性の約0.5%が何らかの色覚異常を持っており^[1]、あなたの論文の図が一部の読者には全く異なって見えている可能性があります。

査読者や編集者、共同研究者の中にも色覚多様性を持つ人がいます。図が正確に伝わらなければ、せっかくの研究成果が適切に評価されないリスクがあります。本ガイドでは、色覚バリアフリーな科学的図の設計方法を体系的に解説します。出版品質の高い図の作り方と合わせてご参照ください。

色覚多様性の種類を理解する

色覚多様性には主に3つの種類があります。それぞれの特性を理解することが、適切な配色設計の第一歩です。

最も多いのは2型色覚（緑色盲・緑色弱）であり、次いで1型色覚（赤色盲・赤色弱）です。この2つを合わせると、男性人口の約7～8%に影響します^[1]。したがって、科学的図における配色設計では、まず赤と緑の組み合わせを避けることが最重要課題となります。

なぜ赤と緑の組み合わせが問題なのか

生物学・医学系の論文でよく見られる「コントロール群＝緑、処置群＝赤」という配色、あるいは免疫染色での「赤チャンネル・緑チャンネル」の重ね合わせ画像は、2型・1型色覚を持つ読者にはほとんど区別できません。両方の色が同じような茶色や黄土色に見えてしまうのです。

Weissgerberらは、生物医学論文における不適切なデータ可視化の問題を広く指摘しており、色の使い方が読者の理解に重大な影響を与えることを示しています^[2]。また、EQUATORネットワークのガイドラインでも、報告基準に準拠した明確な図の作成が求められています^[3]。

安全なカラーパレットの選択

色覚多様性に配慮した「安全なカラーパレット」が複数開発・公開されています。以下に代表的なものを紹介します。

1. Okabe-Itoパレット

日本人研究者の岡部正隆・伊藤啓が開発した8色パレットで、色覚多様性を持つ読者でも識別しやすいよう設計されています。Scientific Reportsなど多くのジャーナルで推奨されています。

2. viridisパレット

Rおよびmatplotlibで広く使われる連続データ用パレットです。青から緑、黄色へと連続的に変化し、グレースケール印刷でも輝度の変化が保たれます。連続量（ヒートマップ、密度プロットなど）に最適です。viridisファミリーにはmagma、inferno、plasmaなども含まれ、いずれも色覚多様性に配慮して設計されています^[4]。

3. ColorBrewerパレット

地図作成から派生したColorBrewerは、カテゴリ別（qualitative）、順序別（sequential）、二極型（diverging）の3種類のパレットを提供しています。ウェブサイト（colorbrewer2.org）で「colorblind safe」フィルターをオンにすることで、色覚多様性に配慮したパレットのみを表示できます。R、Python、Tableauなど多くのツールで対応しています。

色だけに頼らない設計：パターン・形状・線種の活用

色覚バリアフリーの図を作る最も確実な方法は、「色だけでなく別の視覚的属性も同時に使う」ことです。これにより、たとえ色が区別できなくても、形や模様から情報を読み取ることができます。

データポイントの形状（マーカー）を使い分ける

散布図や折れ線グラフでは、グループごとに異なる形状のマーカーを使用します。例えば、グループAは円（●）、グループBは三角（▲）、グループCは四角（■）というように割り当てます。色が識別できなくても、形の違いで区別できます。

塗りつぶしパターンを活用する

棒グラフや面グラフでは、色の代わりにまたは色に加えてハッチング（斜線、格子、点など）を使用します。特にモノクロ印刷が想定される場合に有効です。多くの学術誌では今でも印刷版が配布されており、グレースケールでの可読性は重要です。

線種（実線・破線・点線）を使い分ける

折れ線グラフや時系列データでは、グループごとに異なる線種（実線、破線、点線、一点鎖線など）を割り当てます。線の太さも併用することでさらに識別しやすくなります。

図の解像度とファイル形式の選び方も合わせて確認すると、パターンが潰れないよう適切な解像度で保存する方法が理解できます。また、図の凡例の書き方において、使用した形状やパターンを明記することも重要です。

グレースケール印刷への対応

多くの学術誌では、カラーの電子版とモノクロのプリント版の両方が存在します。カラーで図を設計する際も、グレースケールで印刷したときに情報が失われないかを確認することが不可欠です。

グレースケール対応のチェックリスト：

• 異なる色に同じ輝度（明るさ）を使っていないか確認する
• viridisのような知覚的均一性を持つパレットを使用する
• 色の違いだけでなく、パターンや形状でも区別できるようにする
• 凡例ではラベルを線やマーカーのすぐ近くに配置する（色だけで区別させない）
• グレースケール変換ツールで実際に確認する

オープンアクセスジャーナルにおける図の要件についての研究でも、グレースケール対応の重要性が指摘されています^[5]。論文の図表作成ガイドでは、投稿に向けた図全般の品質管理方法を詳しく説明しています。

色覚シミュレーションツールの活用

図を完成させたら、実際に色覚多様性をシミュレートするツールで確認することを強くお勧めします。

よくある失敗例と改善策

ジャーナルの投稿規定と色覚アクセシビリティ

近年、多くの学術誌が色覚アクセシビリティへの配慮を投稿規定に明記するようになっています。Nature、Science、PLOS系ジャーナル、BMCジャーナルなどは、著者に対して色覚多様性に配慮した配色を使用するよう推奨または要求しています。

査読者が色覚多様性を持つ場合、不適切な配色の図は修正要求の対象となることがあります。これは単に図を差し替えるだけでなく、場合によっては解析のやり直しにも発展することがあるため、投稿前の対策が効率的です。

統計解析結果の報告においても、図の設計は重要です。論文における統計解析結果の報告方法と合わせて、データを正確かつアクセシブルに伝える図の設計を実践してください。

グラフィカルアブストラクトの配色を考える際は、グラフィカルアブストラクトで色覚に配慮する作例も参考になります。

実践的なワークフロー：色覚バリアフリー図の作成手順

1. データの特性を把握する：カテゴリデータか連続データかを判断し、適切なパレットタイプを選ぶ
2. 安全なパレットを選択する：Okabe-Ito（カテゴリ）またはviridis（連続）を基本とする
3. 色以外の視覚属性を追加する：マーカー形状、線種、ハッチングパターンを割り当てる
4. グレースケール変換で確認する：Photoshopや専用ツールでモノクロ表示にして情報が失われないか確認する
5. シミュレーションツールで確認する：Color OracleまたはCoblisで複数の色覚状態をシミュレートする
6. 凡例を整備する：色名だけでなく形状やパターンも凡例に明記する
7. 図の説明文（legend）を充実させる：使用した色の意味を文章でも補足説明する

まとめ

色覚バリアフリーな科学的図の設計は、単なる「配慮」ではなく、科学コミュニケーションの品質を高める本質的な取り組みです。Okabe-ItoパレットやViridisなどの安全なパレットを使い、パターン・形状・線種を組み合わせ、シミュレーションツールで確認する——この三段階のアプローチを実践するだけで、あなたの図は世界中の全ての読者に等しく情報を届けられるようになります。

適切な色覚配慮は、査読者からの好印象にもつながります。投稿前の一手間が、採択への道を確実に開きます。

参考文献

1. Wong B. Color blindness. Nat Methods. 2011;8(6):441. ^{PMID: 21774112}
2. Weissgerber TL, et al. Beyond bar and line graphs: time for a new data presentation paradigm. PLOS Biol. 2015. ^{PMID: 25901488}
3. Simera I, et al. A catalogue of reporting guidelines for health research. Eur J Clin Invest. 2010. ^{PMID: 20055895}