医療診断AIプロジェクトを実施するための10のステップ

【51CTO.com クイック翻訳】ヘルスケアのあらゆる側面において、時間は常に最も貴重な部分であると考えられてきたことはよく知られています。ほんの数分の遅れでも人命が失われる可能性があります。しかし、別の観点から見ると、医師が患者一人に費やす時間は平均わずか15分です。明らかに、類似症例、人口統計学的特性、統計情報など、患者の詳細な情報を注意深く研究するには、これだけでは不十分です。

近年、AI（人工知能）技術がヘルスケア分野に徐々に進出し、これまで大きな障壁であったり実現が困難とされていた診断・治療法も実現可能となってきています。同時に、米国の病院の 90% 以上が、従来の紙ベースの医療記録システムから電子記録および診断方法に移行しました。医師は AI 技術を使用して、さまざまな主要な病気やまれな症例を予測、発見、分析できます。

医療診断における AI とは何ですか?

つまり、医療診断における AI は、自動化や予測などのテクノロジーと方法を通じて医療診断のプロセスを支援します。 AI システムを通じて、ユーザーは検査から発見、そして診断と治療までの時間ギャップを短縮することができ、病院はさまざまな医療記録を自動的かつ迅速にマイニングし、対応する治療結果の推奨事項を生成することができます。さらに、予測分析機能を備えた一部の AI プラットフォームでは、機械学習と高度なアルゴリズムを通じて患者の投薬の異常を検出したり、患者の死亡率を予測したりすることもできます。

フロスト＆サリバンによる 2016 年の調査によると、ヘルスケアにおける AI アプリケーションには次のような特徴があります。

• 2021年までに市場総額は66億米ドルに達すると予測されています。
• 今後2年間の全体的な成長率は40%に達するでしょう。
• 医療画像の診断レベルが大幅に向上します。
• 医療成果の翻訳可能性は 30% ～ 40% です。
• 潜在的な治療改善コストは 50% です。

医療診断におけるAIの重要性

まず、医師とその医療機関は、他の医師の集合的な知識と何百万人もの患者の病歴にアクセスし、活用する機会を得ます。 AI テクノロジーとそのシステムにより、これらの記録へのアクセスは情報の関連性に基づいて完全に自動化されます。プロセス全体が完了するまでに数秒しかかかりません。もちろん、これは医療診断における AI の多くの機能の 1 つにすぎません。 AIは、類似の症例や既存の治療計画に基づいて医師にさまざまな提案を提供できる仮想パーソナルアシスタントのようなものです。

現時点では、AI は医師に完全に取って代わる能力はありませんが、データのマイニング、分析の実行、モデルの識別など、一般的に人間には不可能な機能をすでに備えています。 AIは経験豊富な医師を補完し、医療診断プロセスの効率と品質を総合的に向上させることができます。

一般的に、医療診断における AI の役割は次のようにまとめることができます。

• 診断の改善。
• コストを削減します。
• モデル識別。
• 臨床的に関連性のある、高品質で迅速なデータ生成。

医療診断におけるAIに対する批判

AI は医療診断において多くの明らかな利点を持っていますが、この技術を適用する際には人々は依然としてさまざまな懸念や批判を抱いています。これらには以下が含まれます:

• 高品質なデータへのアクセス、インテリジェントな分析のためのモデルの開発、対応する機能の特定、さまざまなアルゴリズムのトレーニングなど、これらすべてに高いコストがかかります。
• さまざまなソフトウェアの断片化と多様性、および電子医療記録の保存の非効率性と包括性の欠如により、多くの医療機関では、その実装モデルが他の組織と完全に互換性がないことに気付くでしょう。これにより、多くの場合、デメリットがメリットを上回る状況が生じます。
• セキュリティ上の理由から、多くのシステムはインターネットから分離されており、情報の共有やデータへのアクセスは完全に不可能になっています。情報孤島に直面すると、AI は必要なトレーニング データの不足に悩まされることになります。
• より伝統的な医療従事者の中には、AI の提案を医師の専門知識、さらには権威への挑戦とみなす人もいるかもしれません。彼らは依然として本能に従い、感情的な理由で反対の判断や決断を下すこともあります。

下の図に示すように、シスコによると、「最近の回答者のうち、医療組織の管理者の 54% は、今後 5 年以内に AI が業界で広く導入されると考えています。患者の 36% は AI を信頼しておらず、臨床医の 30% は AI の適用に抵抗感さえ持っています。」

医療診断におけるAIの可能性

インテリジェントなシステムとプロセスを通じて、医師や病院は腎不全、心臓病、術後感染症、二次入院のリスクがある患者を迅速に特定できます。

大量の電子健康データと公開データベース情報を強力なデータソースに統合することで、AI システムが複雑な調査作業を数秒で完了し、類似の病歴の有病率と患者の過去の記録に基づいて治療と投薬の推奨を行い、成功の可能性を計算できるようになります。

さらに、ある薬が特定の人々には効果がない可能性がある場合、AI システムは医師が薬を処方する際に警告したり、薬のリスクを明らかにしたりすることもできます。同時に、AI分析システムは患者の過去の記録の異常も鋭く捉えることができます。たとえば、患者が飲酒を一切しないと主張しているにもかかわらず、検査結果の多くで飲酒の兆候が見られる場合、AI システムは包括的な分析を通じて、タイムリーに医師の注意を引くことができます。

下の図に示すように、シスコの見解によれば、2018 年の Annals of Oncology には、畳み込みニューラル ネットワーク (CNN) という機械学習 (ML) システムを 58 人の皮膚科医と競争させるという研究が掲載されました。人工知能（AI）システムは、悪性腫瘍と良性腫瘍の10万枚以上の画像を「見る」ことで、黒色腫の95％を正確に検出できるが、人間の皮膚科医は86％しか発見できなかった。

AI の用途をさらに理解するために、次の表に AI が最も一般的に使用されている 6 つの業界を示します。これには医学的診断が関与していることがわかります。

以下では、医療診断 AI プロジェクトを実装するための 10 のステップについて詳しく説明します。

ステップ 1:医療機関のさまざまなメンバーに、上で説明した AI の基本的な機能と利点を理解させます。これは、AI を明確に理解するのに役立つだけでなく、AI に対して合理的な要求をし、現実的な期待を生み出すのにも役立ちます。

ステップ 2:既存の医療診断プロセスにおけるさまざまな「問題点」を特定して発見します。既存のAI関連技術で解決できるかどうかを検討・分析します。要件リストの形式で、AI が組織にもたらすことができる実際の価値を明確にリストします。

ステップ 3:ビジネスの優先事項に焦点を当て、詳細な分析を実施して、AI の導入によって生み出される価値と実装にかかるコストを比較検討します。これにより、すべての投資が、それがもたらすビジネス価値と直接一致することが保証されます。

ステップ 4:医師、看護師、医療スタッフに AI 技術を紹介し、システムの設計に参加してもらい、合理的な提案をしてもらいます。彼らはビジネスに精通しており、組織の日常業務に深く関わっているため、技術スタッフが見落としがちな詳細を指摘できる場合がよくあります。

ステップ 5:ソリューションを特定し、AI プロジェクト チームを編成し、開発者を募集し、コーディングとテストを完了し、システムを試験運用します。このフェーズでは、パイロット プロジェクトとその後の展開の明確なタイムラインを確立することが、プロジェクトの成功に不可欠です。

ステップ 6:医療機関に対する定期的なユーザー教育を実施し、システムの導入および運用中に発生した問題に関する情報を収集し、医療スタッフがシステムを定期的に使用できるように監督および保証する専任のチーム メンバーを割り当てます。

ステップ 7:組織にとって、AI システムへの第一歩を踏み出すことは、必然的に不快感や予期しないエラーにつながります。したがって、医師、看護師、医療スタッフからのフィードバックに基づいて、システムを継続的に最適化し、必要に応じてアルゴリズムを改善する必要があります。

ステップ 8:患者関連データとインテリジェント アルゴリズムの情報ストレージはどちらも AI システムの重要なコンポーネントです。したがって、AI への移行を希望するすべての医療機関は、膨大なデータストレージのニーズに適切に対応する必要があります。

ステップ 9:開発者と定期的にコミュニケーションを取り、既存の AI アルゴリズムと、採用されているデータ収集および分析手法を確認します。これらのコミュニケーションにより、展開された AI サービスが医療スタッフの本来のニーズを満たし、実際のビジネス価値を反映することが保証されます。

ステップ 10:開発中に AI システムと技術的な実装機能のバランスを探ります。これにより、期待した結果が得られなかった場合の従業員のフラストレーションが解消されます。

医療機関におけるレガシーシステムのAI化を支援

すべての医療機関は、特定のニーズに基づいて、既存のシステム、特に「レガシー」システムを評価する必要があります。業界では、古いシステムに対処するために「移行」、「近代化」、「変革」という言葉がよく使われます。これら 3 つの違いを見てみましょう。

移行: 医療機関がレガシー システムを廃棄する最も簡単な方法の 1 つです。これは、既存のシステムをあるプラットフォームから別のプラットフォームに移行することであり、システムの機能と設計を変更せずに維持するための比較的直接的かつ効果的な方法です。ただし、システムのパフォーマンスが向上すると、対応する移行コストも大幅に増加します。

近代化: 既存のシステムの機能とパフォーマンスを直接強化します。このアプローチでは、古いシステムを他のプラットフォームに移行する必要はなく、ローカルのアップグレードと機能の「近代化」のみが行われます。ある意味、これは妥協です。

変革: 上記の移行アクティビティと、近代化を伴うアップグレード プロセスの両方が含まれます。 AI システム プロジェクトの実装には、多くの場合、このようにレガシー システムを包括的に変革することが必要になります。つまり、既存のシステムを改善しながら、AI と機械学習機能を備えた新しいプラットフォームを追加しているのです。

医療診断におけるAIの未来

現在、医療診断におけるAIの応用の観点から見ると、さまざまな機械学習、インテリジェントアルゴリズム、予測分析、自動データ分類および特徴抽出技術により、従来の診断方法がある程度強化され、医師による患者治療の効率と有効性が大幅に向上します。

原題: AI 変革プロジェクトを実行するための 10 ステップ、著者: Garron Jhonson

[51CTOによる翻訳。パートナーサイトに転載する場合は、元の翻訳者と出典を51CTO.comとして明記してください]