人工知能は医師に完全に取って代わることはできない

人工知能は医師に完全に取って代わることはできない

今後数年間で、初めて医療用人工知能 (AI) システムとやり取りすることになるかもしれません。自動運転車、家庭用音声アシスタント、自己ラベル付けフォトギャラリーを実現するのと同じテクノロジーが医療分野で急速に進歩しており、最初の医療用人工知能 (AI) システムは現在、臨床応用に向けて動き始めています。

医療用 AI とやりとりできるようになることを想像してみてください。このテクノロジーの利点と課題は、人間以外の医療従事者とのやりとりに備えるきっかけになるかもしれません。

[[205722]]

AIはどのようにして病気を診断できるのでしょうか?

これらの進歩の背後にある技術は、ディープラーニングと呼ばれるコンピューターサイエンスの一分野です。これは、テンプレートから学習してデータの複雑なパターンを理解するのに役立つ非常に単純なプロセスです。以前の世代の人工知能とは異なり、新しい人工知能システムは、視覚、音声、テキストを通じて人間と同じように世界を認識できます。

ほとんどの人はこれらのスキルを当然のことと考えていますが、実際には医療などの人間の専門分野で非常に重要な役割を果たしています。ディープラーニングによりコンピューターにこれらの機能を与えることができるため、多くの医療タスクを人工知能で解決できるようになりました。研究者らは過去12カ月間に、コンピューターシステムが糖尿病性眼疾患、皮膚がん、心拍リズム障害などの症状を少なくとも人間の医師と同程度に診断できることを示してきた。これは将来、患者が医療用人工知能とやりとりする3つの方法の例である。

1 つ目は最も伝統的な方法で、専門機器を使用して診断が行われる場合に発生します。検査を依頼し、クリニックで検査を受けてレポートを受け取りますが、これもコンピューターで作成され、患者の体験は変わりません。 Google の糖尿病性眼疾患 AI システムは、このアプローチの代表的な例です。このシステムは、糖尿病がうまくコントロールされていない患者の眼の奥に現れる脆弱で漏れやすい血管を識別するようにトレーニングすることができ、現在、インドのいくつかの病院で実際の患者に使用されています。

医療 AI システムとやり取りする 2 番目の方法は、多くの診断タスクに特別な機器がまったく必要ないため、多少混乱を招く可能性があります。スタンフォード大学の研究者は、皮膚科医と同じくらい正確に皮膚がんを診断できる皮膚がん検出器を開発しました。研究者は現在、使用するためのモバイル アプリを開発しています。

近い将来、人々は自分の皮膚病変を自撮りし、その場で分析できるようになるかもしれない。この人工知能システムは、人間の医師を必要とせずに人々の健康状態を評価するアプリを開発するために科学者によって使用されている。

3 つ目のタイプのインタラクションはその中間です。心拍リズムの検出に心電図が必要な場合、これらのセンサーは安価なウェアラブル テクノロジーに統合され、携帯電話に接続されることがよくあります。患者は通常、毎日心拍を記録するためにモニターを装着する必要があり、時々医師にモニタリング結果を見せる必要があります。重大な事態が発生して患者の心拍数が突然変化した場合、患者と医師はすぐに注意を払う必要があります。

現在、多くの研究グループがウェアラブル医療機器を臨床に導入する取り組みを行っています。

[[205723]]

AI システムの利点は何ですか?

これらのシステムは運用コストが非常に安く、診断 1 件あたりのコストはほんのわずかで、予約リストもありません。AI システムは疲れたり、病気になったり、眠ったりすることがなく、インターネット経由でどこにでも接続できます。医療 AI は、誰もが利用しやすく手頃な価格のヘルスケアを提供できます。

AI システムの欠点は何ですか?

おそらく現在最も懸念されるのは、この技術を取り巻く誇大宣伝によって生み出された非現実的な期待です。システムをトレーニングするには、医師の能力をはるかに超える大量の複雑で高価なデータが必要ですが、代わりに私たちが目にしているのは、将来予測される単一のタスクを実行できる限定的なシステムです。これらの過大な期待に対抗するには、これらの議論で情報に基づいた意見を促進する必要があります。

医療データのプライバシーも研究者が直面している課題です。多くのシステムがクラウドで実行されるだけでなく、一部の有用な医療データは本質的に識別可能です。たとえば、システムが顔の特徴を分析して病気の兆候を診断する場合、患者の顔の特徴をぼかすことは不可能です。データ漏洩は避けられない可能性があり、人工知能システムの信頼性を損なうことになります。

もう一つの大きな分野は、責任の問題です。医師が診断に関与していない場合、医療ミスの責任は誰が負うべきでしょうか?システムがミスを犯した理由すらわかりません。医師がAIからの誤ったアドバイスを受け入れた場合、誰が責任を負わなければならないのでしょうか?患者擁護団体、医師、政府、保険会社は、この問題の解決に取り組んでいますが、まだ良い答えは出ていません。

医療用人工知能の時代が到来し、私たちは人工知能システムと対話するようになります。作業のほとんどは目に見えないものとなり、患者の治療コストを大幅に削減し、治療の効果を高めます。おそらくその一部は腕で実行され、簡単なボタンで体の健康状態を評価するでしょう。今私たちがしなければならないことは、さまざまな課題にどう対処するかを考え、人工知能との最初の「デート」に備えることだけです。

<<:  最も人気のある 12 の AI ツール、ライブラリ、プラットフォーム

>>:  ディープラーニングの限界を理解していますか?

ブログ    
ブログ    
ブログ    

推薦する

...

機械学習: Python でベイズ分類器をゼロから実装する

ナイーブ ベイズ アルゴリズムはシンプルで効率的であり、分類問題を扱う際に最初に検討すべき方法の 1...

Google AI の 7 つの「型破りな」遊び方。どれも一日中遊べる

AI は真面目な仕事しかできないなんて誰が言ったのでしょうか? Google は最近、顔を見ながら生...

生物学的ニューラルネットワークから人工ニューラルネットワークへ

今日、人工知能について話すとき、私たちは数学モデルを使用してデータからパターンの表現を抽出することで...

AWSクラウド上で機械学習を輸出するための黄金のツールであるAmazon SageMakerが正式に中国に上陸

この記事はLeiphone.comから転載したものです。転載する場合は、Leiphone.com公式...

パスワード危機: ディープラーニングがパスワードクラッキングを加速!

情報セキュリティの専門家は、「生成的敵対ネットワーク」(GAN)がオンラインセキュリティをどのように...

AIは「メイおばさん」を見つけられるのか?

[[283120]]インターネット全体が「メイおばさん」を探しているが、彼女が誰なのかは謎のままだ...

マスク氏:プログラマーの62%が人工知能が武器化されると考えている

常に人工知能の脅威論を支持してきたシリコンバレーの「鉄人」マスク氏は、今回、プログラマーたちの間で支...

Google と OpenAI の新しい研究: ダーウィンの進化論を人工知能アルゴリズムの設計にどのように活用するか?

現代の機械知能は自然を模倣することに基づいています。この分野の主な目標は、人間が生物学的に持つ強力な...

世界中でデータ損失を防ぐ先進技術の役割

デジタル時代が進化するにつれ、世界的なデータ損失を防ぐための高度なテクノロジーの役割がますます重要に...

「アルゴリズム」の混乱にどう向き合うか?

「アルゴリズム」の問題について困惑している人から手紙を受け取りました:私はネットワーク専攻なのでソ...

マイクロソフトの無料 AI エッセイ採点ソフトウェアがアップグレード: IELTS、CET-4、CET-6 に使用可能

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

MLP は視覚研究に潜在的な驚きをもたらすでしょうか?最近のMLP画像分類作業の概要と分析

画像分類は、コンピューター ビジョン研究において常に非常に基本的で重要なタスクです。過去 10 年間...

...