AI を医療業界のあらゆる側面に深く統合するにはどうすればよいでしょうか?

[[319366]]

将来的には、医療エコシステムを中心として、人工知能が医療システムのあらゆる側面と深く統合され、基礎診断の効率を継続的に向上させ、医薬品開発や遺伝子検査のスピードと精度を高め、患者の予防診断のサイクル管理を改善し、製造企業のインテリジェント化を加速させます。 AI は医療業界にどのような力を与えるのでしょうか? この記事では、医療診断、医薬品開発、健康管理、機器製造の 4 つの側面に焦点を当てます。

医療診断

診断前予防： AI+遺伝子検査

人工知能と遺伝子検査技術を組み合わせることで、より専門的かつ効率的な遺伝子配列解析と検査を実施でき、病気の発生リスクを事前に予測できるようになります。この技術は、主にヒト染色体に含まれる30億塩基対のヌクレオチド配列を決定し、ヒトゲノム地図を描き、それが持つ遺伝子とその配列を特定し、ヒトの遺伝情報を解読し、疾患発生のメカニズムを理解し、疾患予測を実現することを最終目標としています。

従来の遺伝子検査では、ゲノムの数が膨大で、手作業による実験は時間とコストがかかり、検出精度も低い。しかし、強力な計算能力を基盤とする人工知能は、科学研究におけるデータ分析を迅速に完了し、既存のデータベースを駆使して漏れを防ぎ、表面的な原因の下に隠れた根深い相関構造を掘り出すことができる。遺伝子の解釈能力を高めることで、変異部位や病気との潜在的なつながりをリアルタイムかつ効率的に更新し、個別化された正確な病気介入計画を提供し、病気の関連症状を効果的に予測し、事前に関連する予防作業を行うことができます。しかし、遺伝子検査は非常に難しく、多大な時間と費用がかかります。 BGIなどの大手ライフサイエンス企業は、長年の技術とデータの蓄積を通じて遺伝子検査で深い堀を形成しており、人工知能技術を導入して遺伝子配列解析の分野での応用効果をテストし、健康管理サービスの分野を拡大しようと絶えず努力しています。

診断と判断：人工知能＋医用画像

医療画像は現在、医療分野における人工知能の最も人気のある応用シナリオの 1 つです。現在、中国の医療画像分野では、供給のアンバランス、放射線科医、特に臨床経験が豊富な質の高い医師の数が不足していること、フィルム読影の数が膨大であることなど、多くの問題を抱えている。『中国ヘルスケア人工知能白書』によると、肺結節検出を例にとると、三次病院では毎日平均約200人の患者が肺結節スクリーニングを受けており、検査中に患者1人あたり約200～300枚のCT画像が生成されます。放射線科医は毎日少なくとも4万枚の画像を読み取る必要があり、診断結果は基本的に放射線科医の目視と経験によって決まります。特に、機械的なフィルム読影作業を長期間行うと、エネルギーと精度が低下し、誤診や見逃し率が高くなります。人工知能を医療画像と組み合わせることができれば、医師が映画を読影する際に支援や参考資料を提供できるようになり、医師の時間を大幅に節約し、診断の精度を向上させることができます。

このシナリオに関係する人工知能技術は、コンピューター ビジョン技術です。コンピューター ビジョン技術は、主に次の 3 つのニーズを解決するために使用されます。1 つは病変の識別とラベル付けで、医療画像に対して画像分割、特徴抽出、定量分析、比較分析などのタスクを実行できます。2 つ目は、腫瘍の放射線治療段階で画像を処理する自動ターゲット領域の描写と適応放射線治療です。3 つ目は、外科手術に適用される 3 次元画像再構成です。

上海ユナイテッドイメージングヘルスケアテクノロジー株式会社は、さまざまな医療応用シナリオと緊急に解決する必要がある医療上の問題点に対応するため、 uAIユナイテッドイメージングインテリジェントプラットフォームに基づいて、インテリジェント身体検査とフィルム読み取り、インテリジェント骨損傷識別、インテリジェント医療画像機器などのインテリジェント診断アプリケーションを発表し、人工知能と医療画像の組み合わせの無限の可能性を探求し、診断精度と病気の制御可能性の向上に重要な貢献をしています。 「インテリジェントな身体検査とフィルム読影」を例に挙げると、中国の身体検査センターでは毎日何千枚もの胸部X線写真を撮影していますが、平均して異常があるのは数十枚だけです。医師は健康な胸部X線写真を1枚ずつ読影するのに多くの時間と労力を費やさなければなりません。これは医師に大きな負担をかけるだけでなく、患者が医師の診察を待つ時間も長くなってしまいます。現在、この問題は、この「スマート身体検査とフィルム読影」インテリジェント診断アプリケーションをX線装置にインストールするだけで効果的に解決できます。これは、大量の画像から健康な胸部X線フィルムを素早く事前選別し、病気の疑いがあるフィルムだけを医師に読影のために提出できる、医師の「 AIアシスタント」のようなものです。さまざまな肺疾患のフィルムを選別して医師が原因を判断できるだけでなく、フィルム内の異常な領域を視覚化して医師が原因を判断できるようにすることもできます。現在、この「 AIアシスタント」は、肺結節、肺水腫、胸膜肥厚など14の肺疾患のうち9つの疾患の診断精度で世界第1位を獲得しています。同様に、 uAI United Imaging インテリジェント プラットフォームに基づいて発売されるインテリジェント医療用画像機器は、医師のスキャン効率を大幅に向上させ、医療用画像処理プロセスをより良く、より速く、より安全で、より経済的なものにします。

2018年7月29日、 Vision China国際視覚健康イノベーション開発フォーラム（ 2018 ）は、医療分野の人工知能企業であるAirdocと提携し、眼科分野で初めて「マンマシンバトル」を一般公開しました。このコンテストでは、マンマシンコラボレーションPK方式が採用されました。一方には、北京大学人民病院眼科検眼センターの趙明偉センター長が率いる5人の専門家チームがおり、もう一方には、温州医科大学付属眼科検眼病院の眼底外科医である陳鋒が率いる眼底専門医ではない5人の若い医師チームと、数百万回の画像認識学習を完了したAI支援チームがいました。コンテストの最終段階では、2つの医師グループが糖尿病網膜症の眼底画像を30枚選択し、できるだけ短時間で段階に分類する必要があります。 AIチームは人工知能の助けを借りて、わずか3分で30枚の画像の解釈を91％の精度で完了し、コンテストに勝利しました。この競争の実際の結果は、医療経験が短く経験の少ない眼科医の診断精度と効率が、人工知能の支援により、経験豊富な上級眼科医と同等のレベルに達することができることを示しています。 Tuma Shenweiなどの企業のAIイメージング製品は、クラスII医療機器認証を取得していますが、規制要件により、製品の用途は異常の識別に限定されており、自律診断はまだ実行できず、アプリケーションシナリオをさらに開発する必要があります。

診断時の判断： AI+支援診断

医学の継続的な発展と検査対象疾患の増加に伴い、関連職種の分担はより細かくなっています。複雑で多分野にわたる疾患に直面する臨床医は、疾患の本質をタイムリーに把握するために、より豊富な疾患知識と治療法を習得する必要があります。同時に、中国の医療資源は不均等に供給されています。一部の基幹医療機関では医師の資源、経験、診断・治療能力が不足している一方で、支援ハードウェア設備は比較的完備しています。このような状況で、人工知能支援診断が誕生しました。

自然言語処理、コンピュータービジョン、機械学習などの技術を活用することで、人工知能施設は患者のファイルをアップロードし、自己検査結果を分析することで、患者の状態を迅速に把握できます。次に、文献、臨床ガイドライン、臨床経験などのデータベース内の大量のデータ情報と組み合わせて、取得した病気情報を推論仮説を通じて合理的にリンクし、さまざまな結論とそれに対応する可能性を形成します。次に、対応する診断計画と治療結論が生成され、専門の臨床医がこれに基づいて最終診断を行い、関連する治療データがリアルタイムで人工知能支援診断にフィードバックされます。

上海のいくつかの三次病院は、治療の効率を高め、手順を簡素化するために、ガイドロボットやスマートアシスタントなどの人工知能支援手法の導入を試み始めている。復旦大学付属癌病院を例に挙げると、患者は自分で血圧、脈拍、体温を測定した後、デバイスに接続して初期診断を同期します。全体のプロセスは10分もかからず、その後、医師の診察を受けて次の診断段階に進むことができます。 「精密予約」予約登録モードとAIエンジンモデルの事前設定により、人工知能エンジンにトリアージ機能が与えられます。患者はプラットフォームの要求に従って実名で病歴情報をアップロードするだけで、 AIエンジンが患者の状態を分析・判断し、専門家の診断と治療を緊急に必要とする重篤な患者と専門家の番号をマッチングします。同時に、プラットフォームは患者にインテリジェントで合理的な医療指導を提供します。

2018年3月の精密予約の試行から2019年6月まで、復旦大学付属癌病院には合計11の外科部門と83人の医師がおり、毎週合計875人の専門医が精密予約機能に接続していました。 2019 年上半期だけでも、このインテリジェント サービスは110,000 人以上の患者にサービスを提供し、 16,000人以上の患者に専門医の予約を提供し、困難な患者の緊急のニーズを解決しました。現在、同病院の精密診察予約サービスは、甲状腺がん、乳がん、膵臓がんなど15種類の一般的な腫瘍疾患をカバーしている。このサービスにより、患者一人当たりの診察時間は平均2.5時間節約され、専門医の診察待ち時間は平均7.4日短縮され、専門医クリニックの効率は平均約3.5倍向上します[ 1 ]。

診断後の治療：医療ロボット、 AIによる個別治療

人工知能技術を組み合わせることで、パーソナライズされた治療計画を実現できます。治療プロセスには、病気のリスクを評価し、個別の診断と治療計画を策定することが含まれており、大量のコンピューティングリソースとディープデータマイニングが必要です。強力なコンピューティングパワーに基づいて、人工知能は大量のデータの分析を迅速に完了し、変異部位と病気の潜在的な関連性を探索および更新し、人々の遺伝子解釈能力を高めることができます。これにより、より迅速かつ正確な病気の予測と分析結果が提供され、個別の治療計画が実現し、患者がより良く、より早く回復するのに役立ちます。

ロボットは人工知能の最も人気のある応用の一つです。現在中国で使用されている医療用ロボットには、主に外科用ロボット、胃腸検査・診断用ロボット（内視鏡診断・治療補助ロボットなどを含む）、リハビリテーション用ロボット（運動能力が部分的に失われた患者用）、その他の治療用ロボット（輸液薬剤調製ロボットなど）などがあります。新型コロナウイルスのような感染力の強い病気に直面した際、医療ロボットや遠隔医療、遠隔手術などの設備や手段を通じて医療プロセスを完了することができれば、医療従事者の感染は大幅に減少するだろう。しかし、現状の問題は、医療用ロボットの開発コストが高すぎること、遠隔診断・治療、遠隔手術などの技術の研究開発コストも非常に高く、 5GやAIなどの技術に大きく依存していることである。これらの機器や技術は指定された場所で試行されているものの、使用コストが高いため、一時的に一線都市の少数の地域でのみ使用が許可されており、 5Gなどの技術はまだ真に成熟しておらず、広く推進・適用されていない。医療用ロボット、遠隔診断・治療、遠隔手術には、依然として多くの未知のセキュリティリスクが潜んでいる。上記のすべての要因が、現在の大規模な疾病感染に直面して、医療用ロボット、遠隔診断・治療、遠隔手術の応用を普及させることができない原因となっている。

医薬品開発 

AI+薬物採掘

医薬品研究開発における人工知能の応用は、医薬品マイニングに現れています。AIは、新薬開発の時間を短縮し、研究開発コストを削減し、パーソナライズされた治療薬の低コストで迅速な開発を可能にします。

薬物マイニングは主に新薬の研究開発、旧薬の新たな用途、薬物のスクリーニング、薬物の副作用予測、薬物の追跡研究などの内容を完了します。薬物マイニングにおける人工知能技術の応用は主に化合物の構造活性相関（つまり、薬物の化学構造とその効能の関係）の分析と小分子薬物の結晶構造の予測に反映されます。同じ薬物の異なる結晶形は外観、溶解性、生物学的利用能などに大きな違いがある可能性があり、薬物の安定性、生物学的利用能、効能に影響を与えます。

人工知能と薬物マイニングの組み合わせにより、新薬の研究開発にかかる時間が大幅に短縮され、研究開発コストも大幅に削減されました。これにより、薬物使用の「平均」概念が根本的に変わる可能性があります。つまり、臨床使用でほとんどの人に効果がある薬物は、すべての人に効果があると見なされます。たとえば、がん患者の場合、各患者の腫瘍ゲノムが異なり、生物学的行動に違いが生じ、臨床反応における薬物の効果も異なります。低コストで迅速な薬物マイニングを通じて、パーソナライズされた治療薬を開発できるようになります。主な成果は現在、抗腫瘍薬、心血管薬、希少薬（希少薬物）、経済的に未発達な地域の一般的な感染症薬に反映されており、そのうち抗腫瘍薬は約3分の1を占めています。

健康管理 

AI+予防管理

従来の医療アプローチは「病気になってから治療する」というものでしたが、将来の医療・健康エコシステムでは、医療による健康成果の達成は、診断・治療項目の数に重点を置くことを超え、遺伝子検査などのチャネルを通じて、遺伝的、代謝的、表現型（形質）データを取得し、人工知能技術を導入して上記のデータを分析し、ユーザーまたは患者に対してパーソナライズされた行動介入を実施し、食事、日常生活などの面でユーザーに健康的な生活の提案を提供し、長期的な身体的健康を維持します。 。そのため、将来、誰もが病気に対して「起こる前に予防する」、「平時に危険に備える」ことができ、早期予防によって病気の根本原因などを断ち切り、病気の根源をゆりかごの中で絞め殺し、人々が病気になる確率を大幅に減らすことが、将来の医療の道となるでしょう。

現在、健康管理市場はモデルや構造の面でまだ成熟しておらず、大手企業が企画・試行している新興市場です。国内ではCarbon Cloud IntelligenceやMiao Healthが代表的な代表であり、海外ではValidicやWelltokなどの企業があります。健康管理の具体的な実施シナリオは、3つのサブシナリオに分けられます。1つ目は栄養シナリオで、人工知能技術と対象ユーザーの遺伝子配列を組み合わせて、食事構成の合理化に役立ちます。2つ目は身体の健康管理で、スマートウェアラブルデバイスを使用してユーザー情報をリアルタイムで検出し、生活習慣の規則化に役立ちます。3つ目は精神の健康管理で、さまざまな測定可能なデータを組み合わせて分析し、ユーザーの感情の変動に関するタイムリーなフィードバックを提供し、精神状態の改善に役立ちます。

AI+病院経営

病院経営とは、主に診療記録の構造化や段階的な診断・治療など、病院内および病院間のさまざまな業務の管理を指します。この段階では電子カルテが徐々に実現され、より深いデータ価値を引き出すために症例を構造化することが可能になっています。医療記録の電子化は、人工知能技術にデータサポートを提供します。人工知能の自然言語処理技術を通じて、非構造化医療データを構造化医療データに変換できます。全国の主要病院のデータを相互接続することで、重大な感染症に迅速に対応し、予防にもタイムリーに注意を払うことができます。  

AI+段階的診断と治療

階層別診断・治療とは、病気の重症度、緊急度、治療の難易度に応じて病気を分類し、異なるレベルの医療機関がそれぞれ異なる病気の治療を担当することを意味します。階層化された診断と治療の実現は、相互に補完し合う医療連携とインテリジェントクラウドサービスと切り離せないものです。医療連盟は、大規模医療機関（高度な医療サービスを提供）、基幹病院、郷鎮医療機関などを連携させ、データの相互運用性を実現し、画像クラウドプラットフォームにデータと人材を集中させ、階層化された診断と治療を実現します。代表的な例としては、遠隔外来診療、遠隔ホスティング・相談、双方向紹介などの機能を実現できる階層型診断・治療プラットフォームを構築したRuida Medicalが挙げられます。この技術の普及により、医療資源が効果的に統合され、既存の医療システムの運用効率が大幅に向上します。

現在、ほとんどの病院はデジタル変革の初期段階にあり、臨床規範と基準の一貫性、病院と企業のデータの相互接続、情報開発の程度などの点で、実用的なスマートヘルスケアのレベルにはまだ達していません。さらなる技術開発、医療と企業の協力、政府の推進が必要です。

設備製造 

AI+スマート製造

人工知能と製造業の融合の本質は、通信技術を通じてロボット、CNC工作機械、 3Dプリントなどのインテリジェントデバイスを有機的に接続し、生産プロセスの自動化を実現することです。また、センサーやコンピュータービジョンなどのさまざまなセンシング技術を通じて生産プロセスのさまざまなデータを収集し、産業用イーサネットなどの通信手段を通じて産業用サーバーにアップロードします。MES（製造実行システム）やDCS （データ収集システム）などのソフトウェアシステムの管理下で、データの処理と分析を行い、 ERP （エンタープライズリソースプランニング）ソフトウェアシステムと組み合わせて、最も最適化された生産計画やカスタマイズされた生産を提供し、最終的にインテリジェント生産を実現します。

プロセスインテリジェンスを通じて生産インテリジェンスを継続的に推進します。プロセス分野の生産プロセスは本質的に連続的であり、多くの場合、密閉されたパイプまたはコンテナ内にあるためです。生産プロセスは比較的単純で、生産プロセスは明確で一貫性があり、生産プロセス全体をデジタル化する難易度は比較的低いです。プロセス関連企業が次に行うべきことは、人工知能のディープラーニングと強化学習（主に動的プログラミング手法）を活用して、あらゆる段階のデータを包括的に統合した上でリアルタイムのデータ分析とリアルタイムの意思決定を行い、さらにサプライチェーンやポストプロダクションサービスなどのさまざまなリンクにインテリジェントシステムを拡張し、最終的に包括的なインテリジェント生産を実現することです。

同時に、輸送過程では非接触が推奨され、提唱されています。関連設備を介して医療用品や機器を輸送および配送することで、上流産業の生産効率が向上し、製品の品質が向上し、ヒューマンエラーが減り、高リスクの労働における人間の代替が可能になり、生命の安全が確保され、下流産業と関連ウイルスとの接触が減ります。たとえば、広東省などのいくつかの企業は、武漢などの深刻な疫病が発生している地域に自社のインテリジェントロボットを寄贈しました。ロボットは障害物などを自動的に識別して回避し、医療用品や機器のポイントツーポイントの伝送と輸送を実現し、最前線で戦う最前線の援助要員を効果的に保護します。

開発パスの提案 

業界

（ １ ）医療ビッグデータを継続的に蓄積し、関係者間でのデータ共有を実現する

産業側では、まずは高品質なデータを継続的に蓄積することです。高品質なデータは人工知能の役割の基礎であり、前提条件です。現在の医療業界のデータは膨大で多様ですが、データをどのように標準化するかは、さらに解決する必要がある問題です。非構造化データを構造化データに継続的に変換し、患者のフルサイクルデータ記録を徐々に実現することは、医療業界のすべての参加者にとって長期的な関心事です。 問題をメモして解決してください。 2つ目は、さまざまな病院や企業間のデータ共有の統合を強化することです。さまざまな参加者の利益が異なるため、短期的には重要なデータを個別に共有することは困難です。長期的な発展の観点から見ると、データの継続的な蓄積により、技術を応用して規模の経済を実現し、コストを削減し、業界全体の健全な発展を促進することができます。

（ ２ ）交流・協力の拡大とパートナーネットワークの構築

一方では、業界内で積極的にコミュニケーションと協力を行い、業界内の大学、研究機関、病院企業を通じて国家の発展政策立案と国際技術開発動向の研究を行い、その上で業界の共通特性と自社の比較優位性を組み合わせ、医療インテリジェント化の定義、目標、基準、業務モデル、収益モデルなど、医療インテリジェント化対策の全体的なプロセスを計画する必要があります。一方、業界パートナーのネットワークを構築し、エンドツーエンドの問題解決の効率を高め、医療サービス提供者と需要者、人工知能技術提供者と需要者の間に効果的なコミュニケーションと協力のチャネルを提供し、各方面のニーズを調整することで、技術開発とサービス提供をより完全かつ健全なものにする必要があります。

技術面

（ １ ）統一された技術プラットフォームを構築し、共通技術のブレークスルーに注力する

企業と資本が人工知能技術に継続的に投資し、人工知能の重要な共通技術を継続的に集約・総括することで、人工知能技術をさまざまな業界で導入することができます。同時に、各方面が関連する技術標準を統合し、統一された技術プラットフォームを構築し、規模の効果のある共同研究のブレークスルーを促進し、必要に応じて海外に研究機関を設立し、海外の先進技術の応用と人材育成システムから継続的に学ぶことを奨励します。人工知能技術の継続的な進歩により、医療業界への応用の可能性がさらに広がり、医療AIの中核技術を習得し、発展の基盤を築くという目標を達成しました。アルゴリズム技術、知覚認知、データプラットフォームなどの中核的な優位性を継続的に蓄積し、技術から応用への進化を実現し、医療業界の繁栄に貢献します。

（ ２ ）成果重視、産学連携プラットフォームの構築

産学研が共同でスマート製造技術連盟を設立することを奨励し、知的財産権保護を基礎としてコンピューティングパワー、データ、アルゴリズムなどのオープンソース化または公開を推進し、産学研の連携に効率的で便利な情報通信チャネルを提供し、革新的な企業登録、プロジェクト申告、税務などのサービスを提供し、各方面のより深く専門的な交流を促進し、リソースの共有と情報交換を促進し、1プラス1は2より大きい相乗効果を生み出します。大学での人材育成、科学研究機関での技術開発、病院や企業での現場応用を通じて、関連するコースと技術理論を常に実践で検証し、結果重視で、技術の実用性と有効性を継続的に向上させます。  

政府側

（ １ ）産業発展への意欲を刺激するための多チャンネルの投資・融資メカニズムを確立する

人工知能産業は情報化時代の発展の初期段階にある産業であるため、政府は特別な融資プログラムや補助金政策を設け、銀行などの金融機関の資金提供を奨励し、民間資本の投資を誘致し、医療業界の大手テクノロジー企業、関連新興企業、中医薬企業が積極的に変革するよう積極的に導き、外部の傍観者の熱意と活力を刺激して新興路線に入るようにする必要があります。新興企業はインテリジェント化の道でより大きな試行錯誤のコストと制御できないリスクに直面するため、少しでも油断すると存続が危うくなります。同時に、政府は厳格な監査を実施し、成果税の還付、政策補助金など、中小の新興企業に対する適切な政策的傾向と奨励に注意を払い、より多くの中小企業がインテリジェント化の波に参加できるようにする必要があります。

（ ２ ）政府の監督を適切に緩和し、医療ガバナンス環境を充実させる

新興産業の場合、規制メカニズムが不完全で支援政策が不完全なため、業界の投機家が抜け穴を利用するという問題が発生する可能性があります。人工知能は伝統的なコンピュータ産業とは異なり、強力な自律学習能力、速い反復速度、推論プロセスにおけるブラックボックスの存在を備えています。したがって、慎重な監督の原則は正しいですが、長期的な視点から見ると、制御可能なリスクの範囲内で適切な試行錯誤が必要です。適切な製品の性能テストと登録承認プロセスをさらに合理的に自由化することにより、人工知能技術は医療業界でより高度でより広い使用権を継続的に付与され、対応する評価システムと規制承認基準が実際に継続的に確立され、医療業界はよりインテリジェントになり続け、社会全体にさらに豊かな医療ガバナンス環境をもたらします。