人工知能が医療に及ぼす12の影響

人工知能はヘルスケアに変革をもたらす力となることが期待されています。では、医師と患者は AI 駆動型ツールの影響からどのような恩恵を受けることができるのでしょうか?

[[273837]]

今日のヘルスケア業界は大きな変化の時を迎えています。慢性疾患やがんから放射線学やリスク評価まで、ヘルスケア業界には、テクノロジーを活用して患者ケアにおいてより正確で効率的かつ効果的な介入を展開する機会が無限にあるようです。

テクノロジーが発展し、患者が医師に求めるものが増え、利用可能なデータの量が驚異的な速度で増加し続けるにつれて、AI はヘルスケアの継続的な改善を推進する原動力となるでしょう。

人工知能は、従来の分析および臨床意思決定技術に比べて多くの利点を提供します。学習アルゴリズムがトレーニング データと相互作用するにつれて、アルゴリズムの精度が向上し、医師は診断、治療プロセス、治療の変動性、患者の転帰についてこれまでにない洞察を得ることができます。

パートナーズ ヘルスケアが主催した 2018 年世界 AI ヘルスケア イノベーション フォーラム (WMIF) では、医療研究者と臨床専門家が、今後 10 年間に人工知能の導入によって大きな影響を与える可能性が最も高いヘルスケア業界のテクノロジーと分野について概説しました。

2018年世界AIヘルスケアイノベーションフォーラム（WMIF）の共同議長であるアン・キブランキ医学博士と、パートナーズヘルスケアの最高学術責任者であるグレッグ・マイヤー医学博士は、あらゆる産業分野におけるこの「破壊的変化」は患者に大きな利益をもたらす可能性があると同時に、幅広い商業的成功の可能性も秘めていると語った。

ハーバード大学医学大学院 (HMS) 教授で Partners の最高データ サイエンス責任者である Keith Dreyer 医学博士、マサチューセッツ総合病院 (MGH) の研究戦略および運営ディレクターである Katherine Andriole 医学博士を含む Partners Healthcare の専門家の協力を得て、人工知能が医療の提供と科学に革命を起こす 12 の方法を紹介します。

1. 脳とコンピューターのインターフェースによる心と機械の統合

コンピューターを使用して通信することは新しいアイデアではありませんが、キーボード、マウス、モニターを必要とせずにテクノロジーと人間の心を直接接続するインターフェースを作成することは、特定の患者にとって重要な用途を持つ最先端の研究分野です。

神経疾患や神経系の外傷により、患者の中には会話や運動、他者や環境との有意義な交流の能力を失う人もいます。人工知能を搭載した脳コンピューターインターフェース（BCI）は、それらの重要な経験を永遠に失ってしまったのではないかと恐れている患者に、それらの重要な経験を回復させることができるかもしれない。

「神経集中治療室で突然動くことも話すこともできなくなった患者を診たら、私は翌日にはコミュニケーション能力を回復させたいのです」と、マサチューセッツ総合病院（MGH）の神経技術・神経リハビリテーションセンター所長、リー・ホックバーグ医学博士は語る。「脳コンピューターインターフェース（BCI）と人工知能を使うことで、手の動きに関連する神経活動に的を絞ることができ、タブレットや電話などのユビキタス通信技術を使って、この患者が活動中に少なくとも5回は他の人とコミュニケーションをとることができるようになるはずです」

脳コンピューターインターフェースは、筋萎縮性側索硬化症（ALS）、脳卒中、閉じ込め症候群を患う患者、および毎年世界中で脊髄損傷に苦しむ50万人の生活の質を大幅に向上させる可能性があります。

2. 次世代の放射線機器の開発

磁気共鳴画像装置（MRI）、CT スキャナー、X 線によって取得される放射線画像は、人体の内部を非侵襲的に可視化します。しかし、多くの診断手順は依然として生検によって得られた物理的な組織サンプルに依存しており、患者を感染の危険にさらすリスクを伴います。

専門家は、人工知能によって次世代の放射線診断ツールの精度と詳細度が高まり、場合によっては生検組織サンプルの必要性がなくなると予測している。

「私たちは、診断画像チームを外科医や介入放射線科医、病理学者と連携させたいのですが、異なるチーム間の調整と協力を得ることは大きな課題です」と、ブリガム・アンド・ウィメンズ病院 (BWH) の画像誘導脳神経外科部長のアレクサンドラ・ゴルビー医学博士は述べています。「現在組織サンプルから得られる情報を放射線画像から提供したいのであれば、特定のピクセルの真実に非常に近い情報を得る必要があります。」

このプロセスが成功すれば、悪性腫瘍の少数の属性に基づいて治療の決定を下すのではなく、臨床医は腫瘍が全体としてどのように動作するかをより正確に理解できるようになる可能性があります。

AI を活用することで、がんの悪性度をより正確に判断し、より適切な治療を行うことができるようになります。さらに、AI は「仮想生検」を可能にし、画像ベースのアルゴリズムを使用して腫瘍の表現型と遺伝的特性を特徴付けることに重点を置く放射線医学の分野でのイノベーションを推進しています。

3. 医療サービスが行き届いていない地域や発展途上地域における医療の拡大

発展途上国では、超音波技師や放射線科医など、訓練を受けた医療従事者が不足しており、命を救う医療サービスを受ける機会が大幅に減少しています。

会議では、ボストンの有名なロングウッド通りにある6つの病院には、西アフリカ全体を合わせたよりも多くの放射線科医が勤務していることが指摘された。

AIは、通常は人間に割り当てられている診断業務の一部を引き継ぐことで、深刻な臨床医不足の影響を緩和するのに役立つ可能性があります。

たとえば、AI 画像診断ツールは胸部 X 線写真から結核の症状を検出でき、その精度は医師と同等であることが多いです。この機能は、リソースの少ない地域の医療提供者に適したアプリケーションを通じて展開できるため、経験豊富な診断放射線科医の必要性が軽減されます。

「この技術は医療を改善する大きな可能性を秘めています」と、マサチューセッツ総合病院（MGH）の神経科学助教授であり、HMSの放射線学准教授でもあるジャヤシュリー・カルパシー・クレイマー医学博士は語った。

しかし、AI アルゴリズムの開発者は、異なる民族グループや異なる地域の人々が、病気の発現に影響を与える可能性のある独自の生理学的および環境的要因を持っている可能性があるという事実を慎重に考慮する必要があります。

「例えば、インドで病気に罹患している人口は、米国とは非常に異なる可能性があります」と彼女は言う。「こうしたアルゴリズムを開発する際、データが病気の症状や人口の多様性を反映していることを確認することが非常に重要です。そうすることで、単一の人口に基づいたアルゴリズムを開発できるだけでなく、他の人口にも有効であることが期待できます。」

4. 電子健康記録の使用に伴う負担を軽減する

電子健康記録 (EHR) は、医療業界のデジタル化の過程で重要な役割を果たしてきましたが、この変革は、認知的負荷、終わりのない文書化、ユーザーの疲労に関連する無数の問題をもたらしました。

電子健康記録 (EHR) の開発者は現在、人工知能を使用して、より直感的なインターフェースを作成し、ユーザーの多くの時間を消費する日常的なプロセスの一部を自動化しています。

ブリガム・ヘルスの副社長兼最高情報責任者であるアダム・ランドマン博士は、ユーザーは臨床文書の作成、注文の入力、受信トレイの整理という3つの作業にほとんどの時間を費やしていると語った。音声認識とディクテーションは臨床文書作成プロセスの改善に役立ちますが、自然言語処理 (NLP) ツールを導入するだけでは不十分な場合があります。

「警察官がボディカメラを装着するのと同じように、臨床治療のビデオ録画などの変更をもう少し検討する必要があると思います」とランドマン氏は言う。「そうすれば、AIと機械学習を使用してこれらのビデオをインデックス化し、将来的に情報を検索できるようになります。私たちが自宅でSiriやAlexaなどのAIアシスタントを使用するのと同じように、将来的には仮想アシスタントを患者のベッドサイドに持ち込み、臨床医が組み込みのインテリジェンスを使用して医療アドバイスを入力できるようになるでしょう。」

AI は、薬の補充や結果の通知など、受信トレイからの定期的なリクエストの処理にも役立ちます。また、医師の注意を本当に必要とするタスクの優先順位付けにも役立ち、患者がToDoリストに取り組みやすくなる可能性があるとランドマン氏は付け加えた。

5. 抗生物質耐性のリスク

抗生物質耐性は人類にとってますます大きな脅威となっている。なぜなら、これらの重要な薬剤の過剰使用は、もはや治療に反応しないスーパーバグの進化を促す可能性があるからだ。多剤耐性菌は病院で大混乱を引き起こし、毎年何万人もの患者の命を奪う可能性があります。クロストリジウム・ディフィシルだけでも、米国の医療制度に年間推定50億ドルの負担がかかり、3万人​​以上の死者を出している。

電子健康記録データは、感染パターンを特定し、症状が現れる前に患者のリスクを明らかにするのに役立ちます。機械学習と人工知能ツールを活用してこれらの分析を実行すると、分析の精度が向上し、医療提供者に対してより迅速かつ正確なアラートを作成できます。

「AI ツールは、感染制御と抗生物質耐性に対する期待に応えることができます」と、マサチューセッツ総合病院 (MGH) の感染制御副部長であるエリカ・シェノイ博士は述べています。「期待に応えられなければ、誰もが損をします。病院には大量の電子医療記録データがあり、それを活用しなければ、よりスマートで迅速な臨床試験設計を作成し、そのデータを作成する電子医療記録を使用しない業界は負けることになります。」

6. 病理画像のより正確な分析

ブリガム・アンド・ウィメンズ病院（BWH）病理学部長であり、HMSの病理学教授でもあるジェフリー・ゴールデン医学博士は、「病理学者は、あらゆる医療提供者にとって最も重要な診断データ源の1つです」と述べています。

「医療上の決定の 70% は病理学の結果に基づいており、電子医療記録の全データの 70 ～ 75% は病理学の結果です」と同氏は述べた。「結果が正確であればあるほど、正しい診断が早く得られます。デジタル病理学と AI はそれを可能にする機会を持っています。」

非常に大きなデジタル画像をピクセルレベルまで掘り下げることで、医師は人間の目では見逃してしまうような微妙な違いを識別できるようになります。

「私たちは今、癌の進行が速いのか遅いのかをより正確に評価し、臨床病期や組織病理学的グレードではなくアルゴリズムに基づいて患者の治療方法を変えることができる段階に近づいています」とゴールデン氏は語った。「これは大きな進歩となるでしょう。」

同氏はさらに、「AI は、臨床医がデータを確認する前にスライド内の関心のある特徴を特定することで、生産性を向上させることもできます。AI はスライドをふるいにかけ、確認すべき適切なコンテンツに誘導してくれるので、何が重要で何が重要でないかを見極めることができます。これにより、病理学者の効率が向上し、研究する各症例の価値が高まります」と付け加えました。

7. 医療機器や機械にインテリジェンスを導入

スマートデバイスは消費者環境を席巻し、冷蔵庫内のライブビデオから運転者の注意散漫を検知できる車まで、あらゆるものを提供しています。

医療現場では、ICU などの患者を監視するためにスマート デバイスが不可欠です。 AI を使用して、敗血症の発症を示すなど、症状の悪化を特定する能力や合併症の発症を感知する能力を高めることで、治療結果が大幅に改善され、治療費が削減される可能性があります。

「医療システム全体からさまざまなデータを統合し、それを統合して、ICU の医師に早期介入を促すアラートを生成するという話になると、そのデータの集約は人間の医師がうまくできるものではありません」と、ブリガム・アンド・ウィメンズ病院 (BWH) の臨床データ サイエンス センターのエグゼクティブ ディレクターであるマーク ミハルスキ医学博士は述べています。「これらのデバイスにスマート アルゴリズムを組み込むと、医師の認知的負担を軽減しながら、患者が可能な限りタイムリーに治療を受けられるようにすることができます。」

8. がん治療における免疫療法の進歩

免疫療法はがん治療における最も有望なアプローチの一つです。体自身の免疫システムを利用して悪性腫瘍を攻撃することで、患者は頑固な腫瘍を克服できる可能性があります。しかし、現在の免疫療法レジメンに反応する患者は少数であり、腫瘍専門医はどの患者がこのレジメンから利益を得るのかを判断する正確で信頼できる方法をまだ持っていません。

機械学習アルゴリズムと、非常に複雑なデータセットを合成する能力により、個人の独自の遺伝子構成に合わせた標的治療の新たな選択肢が明らかになる可能性があります。

「最近、最もエキサイティングな開発は、特定の免疫細胞によって生成されるタンパク質を阻害するチェックポイント阻害剤です」と、マサチューセッツ総合病院 (MGH) 統合診断センターの計算病理学および技術開発ディレクターのロン・ル医学博士は説明します。「しかし、私たちはまだすべての問題を理解しているわけではなく、非常に複雑です。患者データは間違いなくもっと必要です。これらの治療法は比較的新しいため、これらの薬を服用している患者は実際にはそれほど多くありません。したがって、1 つの施設内でデータを統合する必要がある場合でも、複数の施設間でデータを統合する必要がある場合でも、モデリング プロセスを推進する患者数を増やすことが重要な要素になります。」

9. 電子健康記録を信頼できるリスク予測ツールに変える

電子健康記録 (EHR) は患者データの宝庫ですが、大量の情報を正確かつタイムリーで信頼性の高い方法で抽出して分析することは、医療提供者と開発者にとって継続的な課題となっています。

データの品質と整合性の問題に加え、データ形式、構造化および非構造化入力、不完全な記録が混在しているため、意味のあるリスク層別化、予測分析、臨床意思決定サポートを実施する方法を正確に理解することが困難になっています。

「データを一箇所に集めるのは大変な作業です」と、ブリガム・アンド・ウィメンズ病院（BWH）救急医療科助教授でハーバード大学医学大学院（HMS）助教授でもある医学博士のジアド・オーバーマイヤー氏は言う。「しかし、電子カルテ（EHR）で病気を予測すると、何が得られるのか理解することも課題です。AIアルゴリズムがうつ病や脳卒中を予測できると聞いても、実際は脳卒中のコスト増加を予測していたことが判明するかもしれません。これは脳卒中そのものとはまったく異なります。」

同氏はさらに、「MRI の結果に頼れば、より具体的なデータセットが得られると思われる。しかし、今度は MRI の費用を誰が負担できるかを考慮しなければならない。そのため、最終的な予測は期待通りの結果にはならない」と述べた。

MRI 分析により、多くの効果的なリスク スコアリングおよび階層化ツールが生み出されました。特に研究者がディープラーニング技術を採用して、一見無関係に見えるデータ セット間の新しいつながりを特定したことによります。

しかし、これらのアルゴリズムがデータに隠れた偏見を裏付けないようにすることが、臨床ケアを真に改善できるツールを導入する上で非常に重要だとオーバーマイヤー氏は主張する。

「最大の課題は、ブラックボックスを開けて予測結果を確認する前に、予測内容を正確に把握しておくことだ」と彼は語った。

10. ウェアラブルデバイスや個人用デバイスを通じて健康状態を監視する

現在、ほぼすべての消費者が、健康に関する貴重なデータを収集できるセンサーを備えたデバイスを利用できます。歩数計付きのスマートフォンから、心拍数を24時間365日追跡するウェアラブルデバイスまで、健康関連のデータはいつでもますます多く生成されています。

このデータを収集して分析し、アプリやその他の家庭用モニタリングデバイスを通じて患者から提供される情報で補完することで、個人および集団の健康に関する独自の視点を提供できます。

人工知能は、この大規模で多様なデータベースから実用的な洞察を抽出する上で重要な役割を果たします。

しかし、患者がこのような親密で継続的なデータ監視に適応するのを助けるには、追加の作業が必要になる可能性があると、ブリガム・アンド・ウィメンズ病院（BWH）の脳神経外科医であり、計算神経科学成果センターの共同ディレクターであるオマール・アルナウト医学博士は述べた。

「これまで、デジタルデータの取り扱いに関してはかなり自由でした」と同氏は言う。「しかし、ケンブリッジ・アナリティカやフェイスブックのようなデータ漏洩事件が起きて、人々は誰とどんなデータを共有するかについてより慎重になるでしょう。」

同氏は、患者はフェイスブックのような大企業よりも医師を信頼する傾向があり、大規模な研究活動にデータを提供する際の不安を和らげるのに役立つ可能性があると付け加えた。

「人々の注意力は非常に散発的で、収集されるデータは非常に粗いため、ウェアラブル データが大きな影響を与える可能性は十分にあります」とアルナウト氏は言います。「細かいデータを継続的に収集することで、医師が患者をより適切にケアするのに役立つ可能性がはるかに高くなります。」

11. スマートフォンを強力な診断ツールにする

専門家は、ポータブルデバイスの力を引き続き活用することで、スマートフォンやその他の消費者向け情報源から取得した画像が、特に医療サービスが行き届いていない地域や発展途上国において、臨床品質の画像診断の重要な補足となると考えています。

携帯電話のカメラの品質は年々向上しており、人工知能アルゴリズムで分析できる画像を生成できます。皮膚科と眼科は、この傾向の恩恵を早くから受けました。

英国の研究者たちは、子どもの顔の画像を分析することで発達障害を特定できるツールも開発しました。このアルゴリズムは、子供の顎のライン、目と鼻の位置、顔の異常を示す可能性のあるその他の属性など、個別の特徴を検出できます。現在、このツールは一般的な画像を 90 を超える疾患と照合して、臨床上の意思決定をサポートすることができます。

「ほとんどの人は、さまざまなセンサーが組み込まれた高性能な携帯電話を持っています。これは私たちにとって大きなチャンスです」と、ブリガム・アンド・ウィメンズ病院（BWH）のマイクロ/ナノ医療およびデジタルヘルス研究所所長のハディ・シャフィー博士は述べています。「業界のほぼすべての企業が、自社のデバイスに AI ソフトウェアとハ​​ードウェアを組み込み始めています。これは偶然ではありません。私たちのデジタル世界では、毎日 250 万テラバイトを超えるデータが生成されています。携帯電話の分野では、メーカーは AI にこのデータを使用することで、よりパーソナライズされ、より高速で、よりスマートなサービスを提供できると考えています。」

スマートフォンを使用して患者の目、皮膚の損傷、傷、感染症、投薬、またはその他の対象の画像を収集することで、医療サービスが行き届いていない地域で専門家の不足に対処し、特定の症状の診断にかかる時間を短縮することができます。

「将来的には、この機会を利用して、医療現場での疾病管理におけるいくつかの重要な問題に対処できる大きな出来事がいくつかあるかもしれない」とシャフィー氏は語った。

12. ベッドサイド人工知能による臨床意思決定の変革

医療業界が出来高払い制に移行するにつれて、受動的なケアからも遠ざかってきています。慢性疾患、急性疾患、再発を発生前に予防することはすべての医療提供者の目標であり、最終的には償還構造によって、医療提供者は積極的かつ予測的な介入を可能にするプロセスを開発できるようになります。

AI は、医療提供者が行動の必要性を認識する前に問題を解決する予測分析と臨床意思決定支援ツールを有効にすることで、この進化のための基礎技術の多くを提供します。 AI は、通常は非常に複雑なデータセットの詳細な分析を必要とするてんかんや敗血症などの症状に対して早期警告を提供できます。

マサチューセッツ総合病院（MGH）の臨床データ担当ディレクター、ブランドン・ウェストオーバー医師は、機械学習は、心停止後に昏睡状態に陥った患者など、重篤な患者の治療を継続するかどうかの判断にも役立つと述べている。

通常、医師はこれらの患者の脳波データを確認する必要があると彼は説明する。このプロセスは時間がかかり、主観的であり、結果は臨床医のスキルと経験によって異なる場合があります。

彼は言った。 「こうした患者の場合、傾向はゆっくりと現れている可能性があります。医師が患者の回復状況を確認したい場合、10秒間のデータを見ることがあります。しかし、24時間にわたって収集された10秒間のデータから変化があるかどうかを確認することは、その間に髪の毛が伸びたかどうかを確認するようなものです。しかし、AIアルゴリズムと多くの患者からの大量のデータを取得すれば、長期的なパターンと照らし合わせることがはるかに簡単になり、医師の治療決定に影響を与える可能性のある微妙な改善点が見つかる可能性があります。」

臨床意思決定支援、リスクスコアリング、早期警告に AI テクノロジーを活用することは、この革新的なデータ分析アプローチの有望な開発領域の 1 つです。

AI は、臨床医が病状の微妙な違いをより深く理解し、より効果的にケアを提供し、問題が発生する前に解決できる可能性を高める新世代のツールとシステムを推進することで、臨床ケアの改善と患者ケアの画期的な進歩の新しい時代を切り開きます。