AI+医療：医療を救うには医師が率先して行動しなければならない

この記事は公開アカウント「Reading Core Technique」（ID: AI_Discovery）から転載したものです。

多くの医師、看護師、歯科医、その他の医療専門家は、人工知能、機械学習、ディープラーニングなどの流行語にすでに精通していますが、その潜在的な影響について誰もが認識しているわけではありません。

[[335898]]

ほとんどの人、特にミレニアル世代は、AI テクノロジーに対して非常に楽観的で、全体的に刺激的なものとして捉えているようです。

ディープラーニングは機械学習の分野であり、さまざまな技術を総合的に組み合わせたものです。ディープラーニングは、模倣学習における人工ニューラル ネットワークの範囲を定義します。より具体的には、ディープラーニングはディープ構造化学習または微分可能プログラミングとも呼ばれ、教師あり学習、半教師あり学習、教師なし学習の方法を採用できます。

ディープ ニューラル ネットワーク、ディープ ビリーフ ネットワーク、リカレント ニューラル ネットワーク、畳み込みニューラル ネットワークは、主に音声認識、自然言語処理、コンピューター ビジョン、オーディオ認識、ソーシャル ネットワーク フィルタリング、機械翻訳、バイオインフォマティクス、医薬品設計、医療画像分析、材料試験、ボード ゲーム プログラムで使用されます。ディープラーニング テクノロジーのあらゆる部分は、人間の専門知識に匹敵するか、それよりも優れた結果を生み出します。

一般的に、機械学習の概念は次のとおりです。このような洗練された設計は、経験を活用して環境を学習して適応し、「インテリジェントに」タスクを実行できる必要があります。

AI は、機械学習、ディープラーニング、その他のシステムから学習した内容を適用することで、実際の問題を解決できます。コンピュータサイエンスの分野では、人工知能は機械知能とも呼ばれ、人間や動物に本来備わっている典型的な知的特性を機械が発揮する能力に過ぎません。

AIと機械学習の有用性

人工知能により、人々はさまざまなタスクを完了できるようになります。 AI を使用すると、音声で質問し、多くのニッチな質問に対する回答を得ることができます。コンピューターは、人間の脳では決して考えつかないようなデータを見つけることさえできます。AI はディープラーニングを使用してデータを要約し、情報をさらに探索するためのソリューションを提供します。

同様に、AI は、以前に他の人が尋ねた同じ質問に対して抽出した情報をさらに共有し、人々は画面上または会話を通じて直接回答を得ることができます。

人工知能とディープニューラルラーニングの有用性は、特に人間の生活の質の向上において、潜在的な正当性と発展の見通しを持っているようです。しかし、現実世界の情報は多様です。実際、これらのテクノロジーは、医療分野では治療の有効性を即座に判断し、小売分野では在庫の推奨を迅速に提供し、金融分野では不正の検出を超えて不正の防止にまで至ることができます。

コンピュータは必要な情報を効果的に識別し、すべての要素間の関係を分析して回答を作成し、それをユーザーに自動的に送信します。これにより、後続のクエリのオプションが提供され、人間の介入なしに事前設定された追加のタスクをさらに適切に実行できるようになります。

人工知能、機械学習、ディープラーニングの各テクノロジーは、コンピューターで実装できる、通常は公開されていない、限定された一連の明確な指示またはアルゴリズム シーケンスに依存しています。しかし、テクノロジーのリスクとメリットは特定のアルゴリズムによって異なるため、メリットとデメリットは混在しています。

人工知能は真の人間と機械の相互作用を可能にし、その精度の向上によって人間の可能性を真に高めます。時間が経つにつれて、さまざまな機械学習技術を使用するスマートマシンは、良いものも悪いものも含め、あらゆる種類の要求を理解できるようになります。 AI は道徳的な結果を考慮せず、データ ポイントを結び付けて結論を導き出し、推論、観察、計画を学習するだけです。

Amazon の Alexa から Apple の Siri まで、あらゆる進歩により AI はインテリジェントなマシンを作成するという本来の目的に近づき、私たちの日常生活で広く利用されるようになりました。お気に入りの小売サイトのおすすめから、ソーシャル メディアで自動的に生成される写真タグまで、一般的な Web アメニティの多くは AI によって実現されています。

しかし、人工知能技術の進歩により、プライバシーはますます公開され、個人の自由はますます重要ではなくなってきています。

ヘルスケアにおける人工知能

人工知能は医療分野において変革の原動力となりつつあり、予想通り医療分野のあらゆる側面に混乱をもたらしています。

人工知能はインターフェースを通じて人間と機械の思考を統合することが期待されている

キーボード、マウス、モニターを使用せずに、テクノロジーと人間の脳を直接リンクさせることは、患者ケアにおける数多くの応用を伴う高度な研究のテーマです。例えば、神経疾患や神経系の外傷は特定の生理機能の障害を引き起こす可能性がありますが、この技術はこれを補うことができます。人工知能は、話すことができない患者に声を与えたり、麻痺した患者の腕を動かしたりすることもできる。

次世代AIは放射能測定が可能

MRI 装置、CT スキャン、X 線で撮影された放射線画像により、人体の内部構造を非侵襲的に観察することができます。一部の診断手順は依然として感染や出血のリスクを伴う直接組織サンプル採取、つまり生検に依存しているが、人工知能により、次世代の放射線機器では、特定の症例において診断生検の必要性を完全に排除できるようになる。人工知能は、「ラジオミクス」という革新的な分野を発展させることで「仮想生検」を可能にしています。

人工知能は、農村部などの医療サービスが行き届いていない地域での医療サービスを大幅に改善するだろう

放射線技師や放射線科医を含む資格のある医師の不足は、世界中の発展途上国における救急医療の妨げとなる可能性があります。人工知能は、通常人間に割り当てられている責任の一部を引き受けることにより、資格のある臨床スタッフの深刻な不足を緩和できる可能性があります。

人工知能アルゴリズムが電子健康記録（EHR）をより効率的にする

電子健康記録は、医療業界における文書化と経済的および臨床的健康のための医療情報技術 (HITECH) への移行において、ますます積極的な役割を果たしています。しかし、健康記録のデジタル化には、認知的負荷、継続的な記録、医師の燃え尽き症候群など、さまざまな問題が伴います。

経済と臨床医療 医療 IT 業界では現在、AI とディープラーニングを使用して、医師の時間の多くを占める手続きの一部を自動化し、より自発的なインターフェースを作成しています。機械学習と AI は、薬の補充や結果の通知など、準備用受信トレイでの日常的なリクエストをさらにサポートするようになる可能性があります。さらに、臨床医の優先的な対応を必要とするタスクを支援することもできます。

医療機器が自律型ロボットに

スマート医療機器は、腸内のリアルタイムビデオから顔の表情を感知して自閉症を早期に診断するまで、ユーザーのシナリオを豊かにしています。

医療現場では、集中治療室から在宅ケアまで、さまざまな環境で患者を監視する上でスマートマシンが重要な役割を果たします。 AI により、医師は敗血症などの病状の悪化が緊急であるかどうかをより正確に識別したり、合併症の発生を事前に検出したりできるようになるため、臨床結果が大幅に改善され、院内感染のコストが削減される可能性があります。

人工知能は抗生物質耐性のリスクを回避できるかもしれない

抗生物質耐性は、これらの必須医薬品の過剰使用により、将来の治療に反応しない特定の細菌株の進化を促進するため、人々にとってますます大きな危険となっています。

病理画像の正確な分析

現在、病理標本は医師に診断データの 70% 以上を提供し、医療サービスの全分野をカバーしています。抽出されたデータのほぼすべては、電子健康記録システムで利用できます。したがって、データの精度が高ければ高いほど、正しい診断がより早く得られ、デジタル病理学、データ、人工知能によってより良い医療サービスが提供できるようになります。

ディープラーニングアルゴリズムと人工知能分析技術は、大きなデジタル画像に非常に高い精度で適用できるため、医師は肉眼では見えない微妙な詳細を正確に特定できます。 AI は、臨床医がデータを研究する前に病理学的準備における懸念される特徴を特定することで、効率をさらに向上させることができます。

ディープラーニングと人工知能は免疫療法とゲノムベースの癌治療にとって非常に貴重なツールです

がん治療における最も驚くべき進歩の 1 つは免疫療法であり、これは体自身の免疫反応を誘導して利用し、悪性腫瘍を攻撃するものです。ディープラーニング アルゴリズムとその人工知能は、高精度のデータセットの統合を促進し、個々のがんの固有の遺伝子構造に基づいて、正確に的を絞った治療の決定を下します。

電子健康記録や人工知能の改良により患者のリスク分類を強化

患者の医療記録は個人データの宝庫です。しかし、このような豊富な情報を正確に、タイムリーに、そして一貫して抽出し分析することは、医師やデータアナリストにとって常に課題となってきました。

データの品質と信頼性に関する問題、および混合データ設定により、タスクが複雑になる可能性があります。さらに、入力が適切に構造化されておらず、文書化も不十分であるため、意味のあるリスク層別化、予測分析、臨床意思決定のサポートがどのように実行されるかを理解することが非常に困難になっています。

電子健康記録分析により、リスクスコアリングおよび階層化ツールが数多く登場しました。しかし、これらの中で研究者はディープラーニングの手法を適用し、一見無関係に見えるデータセット間の固有の関連性を分類しました。

スマートマシンが健康状態を監視するウェアラブルデバイスを改良

ウェアラブルデバイスの人気が高まるにつれ、センサーを使用して消費者の重要な健康データを収集し、スマートフォンを通じて送信するという実用性がますます不可欠になってきています。たとえば、歩数計を使用すると、心拍数を継続的に追跡できます。この技術を通じて、将来的にはさらに多くの健康関連データが生成されるようになるでしょう。

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取得したデータで補完された医療情報を収集および分析することで、個人および人間の健康に関する独自の視点を提供できます。人工知能は、膨大で無限のデータの宝庫から有用かつ実用的な情報を抽出する上で重要な役割を果たすことができます。

携帯電話の自撮り写真は将来の臨床検査ツールになる

専門家は、スマートフォンやその他の携帯機器を使用するクライアントが撮影した画像は、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情報となるだろうと考えています。

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を使用して分析できる実用的な画像が生成されており、このような技術は現代の皮膚科学や眼科学の分野で非常に有名です。英国の研究者たちは、子宮内の赤ちゃんの顔の画像を分析することで発達異常を特定する方法さえ開発しました。

人工知能は医師の診断方法を変えている

医療業界が診療報酬制度から実力主義の報酬モデルに移行するにつれ、既存の症状を治療する「リアクティブケア」から、症状が現れる前に問題に対処する「プロアクティブケア」へと移行しつつあります。人工知能は、この診断革命の基盤を提供し、予測分析と臨床判断に基づく計測機器の開発を促進します。これらの機器は、問題に対処する必要があることに医師が気づく前に警告を発します。

ディープラーニングの有用性

ディープラーニングは現実世界のアプリケーションにとって貴重な可能性を秘めています。従来の機械学習では、プログラムのトレーニングに使用される画像に、画像内の物体の名前のラベルを付けるトレーニング方法が説明されています。従来の機械学習のアプローチでは、通常、写真を使用し、それを画像内に含まれる「タグ」と照合します。この手法は後に「教師あり学習」と呼ばれるようになりました。

Facebook で自分の写真や友達の写真にタグを付けたときのことを覚えていますか? 機械学習はこのようにして顔を認識し、他の人の顔と識別し、将来の認証と識別のためにインターネット上の他の識別要素と照合します。

機械学習で使用される他のトレーニング手法と比較すると、教師あり学習は高速で、比較的少ない計算能力しか必要としません。しかし、ソーシャル メディア、ハードウェアおよびソフトウェアのサービス契約、ソフトウェア ライセンス、Web サイトのコンサルティング パッケージなどから膨大な量の情報が毎日収集される実際のアプリケーションでは、大きな欠点があります。

機械学習を活用したデータマイニングや個人情報の収集は、さまざまな目的を持つ中小企業や大企業にとって非常に重要です。問題は、これらのデータのいずれもラベル付けされておらず、教師あり学習に依存する機械学習プログラムをガイドするために使用できないことです。なぜなら、データにラベルを付けたりタグ付けしたりするには依然として人間が必要であり、時間がかかるだけでなくコストもかかるからです。

ディープラーニング ネットワークは、「教師なし学習」を使用するため、従来の機械学習の欠点を回避します。ディープラーニングでは、データラベルやマーカーは使用されません。画像に「タグ」という名前が付いていなくても、ディープニューラルネットワークは人物を認識することを学習できます。

現実世界のアプリケーションに関心がある人にとって、ラベル付けされていないデータや整理されていないデータから学習できる能力は大きな利点であり、ディープラーニングは、それを利用したい人にとって非構造化データの宝庫を開きます。

人工知能とディープラーニングがあなたに合わせた医療サービスを生み出します

21 世紀においても、医師や医療当局はヒポクラテス流の個別化医療を堅持し、より高度な技術を活用して質の高い医療サービスを維持したいと考えています。一方、医療専門家は合理性を失い、神聖な臨床判断をアルゴリズムやプロトコルに基づいた患者ケアへと急速に押し進めています。以前の人口健康モデルは、この状況の原因の 1 つでした。

しかし、AI が透明性と説明責任のある方法で利用されれば、パーソナライズされた医療システムの基盤が築かれる可能性があります。ディープラーニング技術は、患者の出生時からのすべての情報を理解し、個人情報を他人に漏らすことなく分散型（ブロックチェーン技術を使用）で保存することができます。

データの唯一の所有者として、患者、医師、その他のユーザーによって収集され保持されるデータは、教師なしのディープラーニング技術を使用して、人々が望み必要とするパーソナライズされたケアを受けられるように支援できるようになります。ビッグデータの集中処理は他の業界に利益をもたらすだけで、欠陥のある人口健康モデルの汚染を悪化させるだけです。

人工知能により、医師は患者のニーズに基づいて治療計画をカスタマイズできます。集団健康の原則は患者の個々のニーズに対応できません。ディープラーニングは人々の期待とニーズに基づいて個々の要件を理解し、医師や患者に優れた推奨事項を提供します。

人工知能にも欠点はある

過去において、現代社会は公共のデジタル情報を非常に自由に扱っていたが、現在そして将来、人々はこの素朴な態度の代償を払わなければならないだろう。人々は最終的に、自分たちが公開している情報の価値と、それが悪用されたり自分たちに不利に利用されたりする可能性があることに気づきます。

最も重要なのは、ソーシャルメディアの巨人やテクノロジー界の大物たちが公に保証しているにもかかわらず、人々が自分たちのデータは自分たちに対して使われる秘密兵器であるだけでなく、ポケットに入れることのできるデジタル通貨でもあり、個人データが間接的に世界規模で兵器化され、ロンダリングされていることにようやく気づくことだ。しかし、私たち全員がこれらの問題を認識するのにはまだ遅くはありません。

Facebook ユーザーは他のユーザーとデータを共有することにますます慎重になっていますが、教師なしディープラーニングでは、ユーザーが Facebook の使用を完全にやめない限り、注意は役に立ちません。

同様に、患者は医師をより信頼する傾向があり、Facebook のような大企業を信頼する可能性は低くなります。これらの企業が自社のデータを大規模な研究プロジェクトに提供することは人々の不安を和らげるのに役立つかもしれないが、データが集中的に保管され、テクノロジー大手が「ビッグデータ」の唯一の保有者となると、一体何の役に立つのだろうか？

自動化は失業を引き起こす

人工知能が人間の仕事を置き換えるという問題は多くの論争を引き起こしているが、最も注目に値する問題ではない。 AI は、予測や反復作業を必要とする仕事だけでなく、多くの業界の特定の仕事を置き換えるでしょう。しかし、変化は間違いなく始まっています。

ユーザーのプライバシーの侵害

AIの不適切な使用は、さまざまなデジタルセキュリティの問題を引き起こす可能性があり、これは差し迫った問題です。マシンハッカーやソーシャルエンジニアリングの被害者を育成することは、大きな懸念事項です。さらに、私たちは、非国家主体が市場に出回っているドローンを兵器化し、プライバシーを排除する監視を実施し、偽情報の収集、抑制、自動化、標的を絞ったキャンペーンを行うのを見たくありません。

ディープフェイク（顔を変えるソフトウェア）もディープラーニングを使用している

同様に、ディープフェイクは音声と画像で作成されたオーディオとビデオでセンセーションを巻き起こしました。機械学習とディープラーニング（潜在的には自然言語処理も含まれる）を使用することで、政治家の音声クリップを改変し、実際にはそのような発言をしていないにもかかわらず、あたかもその人物が人種差別的な見解を表明しているかのように見せることができる。

不正確なデータは社会経済的不平等とアルゴリズムの偏りにつながる

社会経済格差が拡大し続けていることは反省すべき点である。 AI主導の仕事によって人間の失業を引き起こすことが大きな問題となっている。教育とともに、仕事は長い間、社会流動性の原動力となってきました。しかし、ある種の仕事に関しては、取り残された人々が、より高い給料をもらっている上級職の人たちよりも、再訓練の機会を与えられたり、再訓練を求めたりする可能性が低いことが現実として示されています。

あらゆる形態の AI バイアスは有害であり、データやアルゴリズムのバイアスも同様です。データとアルゴリズムの偏りは AI の偏りを「増幅」する可能性があります。

私たちは常に覚えておかなければならないのは、AI は人間の産物であり、人間は本質的に影響を受けやすいということです。 AI 研究者は、単に社会経済的に先進的な地域で育った特定の民族グループの人々です。科学者は何よりもまず、比較的均質な集団から生まれた健康な人々です。その結果、これらの人々にとって、社会の多様性と自分たちの懸念を効果的に結び付けることは困難です。

データマイニングからディープラーニング、そして最終的には人工知能に至るまで、すべての偏見は社会的および経済的考慮から生じます。テクノロジーは人間の設計から派生したものです。

武器の自動化

人工知能は爆弾よりも危険かもしれない。いずれかの軍事大国がAI兵器を開発すれば、世界的な軍拡競争がほぼ予想されます。この技術の発展の方向性は明らかです。自律型兵器は未来の銃となるでしょう。

核兵器とは異なり、AI の原材料は安価で容易に入手可能です。これらは、あらゆる主要軍事大国が大量に生産できるほど、広く普及し、安価になるだろう。知能ロボット兵器が闇市場に現れ、大衆をより良く統制したい過激派や、人種を浄化したい独裁者などの手に渡るのは時間の問題だろう。

AI兵器による戦争は人類にとって悪影響となるだろう。米軍が提案した2020年の予算は7,180億ドルで、そのうち約10億ドルが物流、情報分析、武器や装備のための人工知能と機械学習を支援することになる。

人工知能とビッグデータは企業をユーザーから奪う

現在、独占企業は人工知能を利用して、法律を犯すことなく人々の思考を読み取り、個人情報を入手しており、人々はまさにこれらの産業によって不当に搾取されている。

AI業界が医師に取って代わる

ハイテク業界では、最終的には機械が医師に取って代わるだろうと広く信じられています。確かにそうなる可能性はあるが、それは決して賢明な行動ではない。機械学習と人工知能のずさんな使用は医師を困惑させるだけでなく、患者ケアの質にも影響を与えています。

ビジネス インテリジェンスまたは機械学習を通じて、事前に作成されたアルゴリズムを使用してさまざまなソースからデータを収集するテクノロジを構築するという、恐ろしい傾向が高まっています。ビジネスの観点から見ると、それは今世紀のゴールドラッシュと同じくらい価値があり、品質と利用の観点から見ると、患者ケアに直接関係しています。

機械学習と人工知能の醜い側面

健康情報はあらゆる業界にとって金儲けの手段となっている。健康情報は単独で1兆ドル規模の市場を創出しました。ソフトウェア企業は、データは暗号化されており、自社の従業員であっても他人が閲覧することはできないと国民に伝えている。

しかし、AI は、公開データを好きなように使用できるようにします。ディープラーニング技術が進歩するにつれ、インターネットの自由やネット中立性の概念はますます時代遅れになりつつあります。

人工授精と遺伝子識別

現在、人工知能とビッグデータは、人工授精、卵子提供、遺伝子識別などの応用においてそれぞれ長所と短所を持っています。後者は科学技術、文化、倫理の応用に関わっています。誰もがそれらを使用すると、社会規範の安定性に対する悪影響は大きくなります。

私たちは、匿名性を維持し、個人のプライバシーを尊重し、重大な社会的、心理的、倫理的、法的複雑さを防ぐことが困難な領域に入りました。 AIとディープラーニングアルゴリズムが根本的な解決策を見つけない限り、父親の匿名性の時代はすぐに終わるでしょう。

精子バンクが提供者との秘密保持契約の規則を破らざるを得ないこと、遺伝子検査市場の拡大、企業の利益となる金銭的利益を考えると、提供者の秘密を保持し、次世代のアイデンティティを保護することは長期的な課題となることは間違いない。

アルゴリズムが重要な理由

同情、感情、共感はすべて、治癒プロセスと医療治療の重要な要素です。しかし、たとえコンピューターが共感することを学んだとしても、本物の人間の感情に匹敵することは決してできないでしょう。そのため、人工知能は決して医者に取って代わることはできないのです。それでも、医師は周囲で起こっている変化に没頭してはいけません。この事実を隠すことはできません。

インテリジェンスの時代が到来し、今後も発展し続けると思われます。医師は、特にディープラーニングアルゴリズムにおける技術の進歩に目をつぶることも、自分の分野を極めることを選ぶこともできる。もし医師たちが見て見ぬふりをすれば、彼らは職を失い、患者に対する神聖な義務を、患者ケアについてほとんど、あるいは全く知らない業界や人々に委ねることになる。

医師は医療行為のやり方を改革しなければならない。医師は、医療界によって検証されテストされた最先端のツールを使用して、患者のケアを調整し、正しい方向に導く必要があります。

AIアルゴリズムは透明性が求められ、設計者も責任を負わなければならない

アルゴリズムの透明性は、医師や医療界にとって、医療の質を確保するためにも重要です。これは AI と機械学習にとって不可欠なことです。テクノロジーを信頼することと、その設計者を信頼することはまったく異なります。

説明責任を確立する必要があり、AI の責任を判断するには、適切な透明性イニシアチブを実施することから始まります。最も重要なことは、医師自身が責任を負わない場合には、医師がこの透明性を要求し、説明責任を強制しなければならないということです。これは医療界が期待している変化の典型です。

法律専門家、特に弁護士は医師と同様の課題に直面しているが、AI アルゴリズムの所有権を事実上保持しているようだ。法律界では、「非弁護士」が法律事務所を所有したり投資したりすることで生じる金銭的な利益相反を認識することは、法制度を脅かすという点でコンセンサスがある。

技術的には、このような規則に反対する人々は、特に自らの技術の検証方法について懸念しており、不適切な検証と監督により、弁護士以外の者が特定の法的活動に従事することが容易になるだろう。

医師が人工知能について知っておくべきこと

医療技術の急速な発展は、医師が医療技術に疎くなる主な理由であり、逆にディープラーニングを使って患者の情報を獲得するための戦いはすでに始まっています。前述したように、ビッグデータマイニングは、将来人間に代わるロボット医療や人工知能に必要な膨大な情報基盤を提供するために非常に重要です。

アルゴリズムは、企業の経済的利益の追求を中心とするのではなく、戦術的な医療サービスに適切なサポートを提供すべきである。ディープラーニング アルゴリズムが個々の状況に適応していることを保証し、独自に行動するのではなく医師に役立つようにアルゴリズムを設計できるのは医師だけです。

医師が人工知能とディープラーニングの医療上の法的リスクを認識していない場合、その結果は悲惨なものとなるでしょう。したがって、有用な AI は、シナリオ、時間、場所、個人に基づいて、医療基準の特定の参照ポイントを正確に決定する必要があります。

医師は患者の協力を得て、すべての症例を再定義し、個別の計画を立てることで、法的、倫理的、方法論的に互いの判断を覆す力を持つべきです。患者の問題が医療基準の範囲内で解決されない場合、何か問題が起きたときに担当医が法的責任を負う可能性があります。

残念なことに、医療業界には自らを創造する習慣があります。医師の習慣的な実践は、これらの個人的な習慣と一致する文化的および雇用的実践を形成してきました。しかし、この慣例を打破する必要があり、それが逆転しなければ、医師は現代世界からさらに乖離してしまうことになるだろう。

医師は、前世紀に聴診器やX線検査を採用したのと同じように、人工知能とディープラーニング技術を採用する必要があります。医師は、その利点とリスクを理解する必要があります。そうして初めて、優れた医療行為に適応し、独立性を維持し、患者の安全を確保し、現代医学の個別化の発展を促進することができます。