ヘルスケアにおけるAI導入が難しい理由

私たちはほぼ毎日、人工知能と医療業界におけるその応用に関する最新の記事を読んでおり、医療機関などのクライアントからは、人工知能とは何か、病院もこの点に関して行動を起こすべきかどうかについて常に質問を受けています。

AI に関する話題が誇張されているとは思いません。実際、AI はヘルスケア業界に大混乱をもたらそうとしています。人工知能は新たな領域であり、特に医療業界は人工知能技術の進歩により混乱に直面するだろうと、技術者も世論も考えています。ロボット医師が患者を診察する姿をすぐに目にすることはなさそうですが、AI 技術の臨床応用と非臨床応用の両方ですでに進歩が見られ始めており、医療業界が大きな変化の転換点に急速に近づいていることを証明しています。

しかし、人々は興奮する一方で、人工知能が実際に何ができるのかについて混乱しており、臨床スタッフや非臨床スタッフの仕事を人工知能が代替してしまうのではないかと懸念しています。人工知能技術の応用に躊躇するのは当然ですが、私たちは人工知能が最終的に医療業界に大きな助けをもたらし、よりアクセスしやすく、効率的で実用的な医療システムの構築に役立つと信じています。

人工知能はどのように機能するのでしょうか?

人工知能には、人間の知能をシミュレートするように設計されたコンピュータ システムの研究と開発が含まれます。 AI を搭載したプログラムは、経験から「学習」できるため (つまり、データを受信し、そのデータをアルゴリズム モデルに適用し、その結果を使用してモデルを改善することにより)、反復ごとに継続的に改善されます。

今日、AI は、機械学習 (ML)、ロボティック プロセス オートメーション (RPA)、コンピューター ビジョン (CV)、自然言語処理 (NLP) など、複数のテクノロジから構成されることがよくあります。しかし、単一のテクノロジーだけでは破壊的な変化は起こりません。複数のテクノロジーが組み合わさったときにのみ、最大の効果を発揮します。 AI の急速な進歩を考えると、これらのソリューションを構成するテクノロジーはすぐに大幅に強化されるか、現在研究中の新しいテクノロジーに置き換えられる可能性があります。

人工知能は病院にとってどのような啓蒙と意義をもたらすのでしょうか?

病院の観点から見ると、医療用人工知能ソリューションは、医療機関または医師ベース、患者ベース、手術ベースの 3 つのカテゴリに大別できます。これらの AI ソリューションは、入院前や退院後を含む患者の治療過程のあらゆる段階に影響を与える可能性があります。

主に医療機関や医師。

診断面では、糖尿病、脳卒中、がんなど、報告不足または診断不足の疾患の診断とプライマリケアに役立つ AI ツールが数多く開発されています。これらのツールは、過去の診断データを活用して、新たな患者における特定の病気の発症を予測できるアルゴリズムを開発することもできます。これらのソリューションは、医療介入を必要とする患者をより多く特定するのに役立つと同時に、患者を早期に特定することで、後で必要になる可能性のあるよりコストのかかる医療介入を回避することもできます。ツールのほとんどは、過去の診断データにアクセスできる病院やその他の医療企業と提携して医療技術企業によって開発されています。

人工知能診断ツール。パーソナライズされた糖尿病管理ソリューションの開発企業であるDreaMedは、適応学習アルゴリズムとファジー論理を使用して、インスリンポンプ、持続血糖モニター、血糖測定器、および患者の自己申告によるライフスタイルの選択からのデータを評価し、インスリン投与パターンを決定すると主張しています。 DreaMed は、医師の承認後、患者に直接送信できる投薬モードを通じて、患者に対する治療の推奨事項 (インスリン投与量の調整など) を提供できると主張しています。

人工知能を活用した医療相談システム。平安グッドドクターのAIドクターは、3,000以上の一般的な病気の知識グラフをカバーしており、医師が健康相談から処方までの全プロセスを完了するのを支援し、医師の診察効率と診断精度を大幅に向上させることができます。2019年、AIドクターは実際に6億7,000万件の診察データを蓄積しました。さらに、平安優良医師の「薬局クラウド」は、WeChatをキャリアとして使い、薬局で患者にインテリジェントなオンライン相談や電子処方箋機能を提供し、薬局が「薬を買う場所」から「医者に診てもらう場所」に変わることを支援しています。

臨床意思決定サポート。病院が臨床プロセスの標準化とデジタル化を進めるにつれて、AI システムをこれらのプロセスに組み込むことで、患者が受けるべき検査や、患者にとって最適な投薬や治療方法など、患者のケアに関する決定を医師やその他の医療スタッフが下せるようになります。 AI診断ツールを組み込んだソリューションは、患者中心の精密医療の実現に役立つことが期待されています。

臨床意思決定支援のための人工知能ツール。 Qlarity Imaging は、既存の医療画像から臨床的洞察を引き出し、患者ケアの改善に役立ちます。同社の最初の製品は、FDA 承認を受けた初の放射線コンピュータ支援診断ソフトウェアであり、放射線科医が乳がんと非がん性の乳房病変を分析して区別するのに役立つ複数の画像診断法を統合したシステムでした。 Lepu Medicalの人工知能ECG分析ソフトウェア（AI-ECGプラットフォーム）は、中国初の人工知能ECG自動分析システムであり、現在NMPA承認、FDA承認、CE認​​証を取得した唯一の人工知能ECG製品です。診断項目は主要な心電図診断イベントをカバーしており、全体的な精度は 95% 以上です。静的心電図の測定、分析、診断、レポート作成を短時間で完了できます。

病気の予防、監視、治療。多くの病院は、集団健康管理のためのデジタル機能の構築に投資しています。同時に、医療機関が病気の蔓延を防ぎ、治療する患者の健康状態を監視、維持、改善するのに役立つ医療 AI ソリューションの実験も行っています。たとえば、保険を提供するために垂直統合している病院は、AI を使用して患者の健康履歴や将来の病気の可能性を分析し、保険料の調整やカスタマイズに役立てることができます。

病気の予防、監視、治療のための人工知能ツール。デジタル ヘルスケア プラットフォーム Biofourmis は、FDA 承認の BiovitalsTM 分析エンジンであり、患者が重篤な病気を発症する前に臨床的悪化を予測できる、高度に洗練された AI 駆動型健康分析システムの一部です。これにより、病院は病気を予防し、複雑な慢性疾患の患者を管理し、不必要な再入院や緊急訪問を減らすことができます。

患者中心。

医療機関が退院後の患者のコンプライアンス（例えば、時間通りに薬を服用したり、フォローアップ検査を受けること）を改善するのに役立つ人工知能ソリューションが開発されています。これらのソリューションは、多くの場合、デジタル治療機器やスマート デバイスに組み込まれており、患者の服薬遵守を受動的に追跡し、医療提供者と連携し、行動科学を適用して患者の服薬非遵守を予測および防止します。

患者の服薬遵守のための人工知能ツール。 AI企業AiCureのインテリジェント医療アシスタント（IMA）は、顔認識技術を使って患者の服薬遵守状況を監視するもので、臨床研究試験や医療機関に導入され始めている。 AiCureは、同社のアプリは医師の介入なしに患者が薬を服用したかどうかを識別できると主張している。スマート医療アシスタントがリマインダーを発行すると、医療スタッフはアプリを通じて患者にリアルタイムで連絡を取ることができます。

患者の自己管理。患者の健康管理を支援するために設計された医療 AI ソリューションも開発中です。これらのソリューションには、フィットネスおよびウェルネスデバイス（パーソナライズされた健康トラッカーなど）やパーソナルヘルスアシスタント（知識ツール、消費者向け健康情報など）が含まれます。これにより、病院はこれらの個人用デバイスからのデータを患者データベースに統合し、患者の体験を向上させる機会が得られます。

主に運用に注力します。

ワークフロー ソリューション。非臨床業務（スタッフ管理、キャパシティ管理、収益管理、調達管理など）のデジタル化も、対応する機会をもたらし、病院は AI を使用して精度と効率を向上させ、コストを大幅に削減できるようになります。

ワークフロー AI ツール。ヘルスケア ソフトウェア会社 LeanTaas は、病院の効率化を目的とした製品をいくつか提供しています。中でも、手術室向け人工知能ツールである iQueue は、予測分析、モバイル テクノロジー、クラウド ツールを通じて手術室の容量を解放し、手術室の利用状況を評価するより透明性の高い外科医中心のプロセスを確立するのに役立ちます。点滴センター向け iQueue は、予測分析、レベル ローディング原則、最適化アルゴリズム、および個別イベント シミュレーションを通じて、各点滴センターのスケジュールを最適化します。

病院の運営効率を最適化するためのツール。 Alibaba Medical の人工知能システム「ET Medical Brain」は、病院の業務効率向上に役立ちます。その中で、洗練された業務分析は、アリババクラウドのインテリジェント分析アルゴリズムを使用して、医療機関のコア業務指標と上級機関が検査した重要指標を追跡・分析し、コア指標に影響を与える重要な要因と部門を見つけ出し、病院が経営戦略を策定するための参考資料を提供します。

AI を活用した医療ソリューションのほとんどはまだ開発の初期段階にありますが、今後 3 年間で市場は急速に成長すると予想されています。病院内では、診断、臨床意思決定支援、ワークフロー改善のための AI ソリューションが他の種類のソリューションよりも早く導入されると予測しています。

現在、AI ソリューションはどの程度成熟しているのでしょうか?

医療 AI ソリューションの種類について理解が深まったところで、これらのソリューションがどれだけ成熟し、先進的であるかについて理解する必要があります。実際、ヘルスケア分野における AI ソリューションのほとんどは開発の初期段階にあり、多くの人間の介入が必要であり、その有効性は証明されていないことがよくあります。同時に、AI テクノロジーは急速に進歩しており、近い将来に大きな進歩と新たなレベルが実現すると期待されています。

人工知能の発展を推進するトレンドの 1 つは、米国食品医薬品局 (FDA) が人工知能アルゴリズムの承認を加速していることです。スクリプス研究所トランスレーショナル研究所所長兼創設者のエリック・トポル氏の調査によると、FDAが2017年に毎月2件のAIアルゴリズムを承認したのに対し、2018年には1～2件のAIアルゴリズムが承認されたことが判明した。現在までに、FDA はさまざまな分野で約 30 のアルゴリズムを承認しており、今後もさらに多くのアルゴリズムが承認される予定です。

しかしながら、AI ツールが人間の健康に与える悪影響というデリケートな問題のため、医療分野における AI ソリューションの全面的な推進と最終的な実装にはまだ時間がかかる可能性があると私たちは考えています。人工知能の介入により患者が命を落とすようなことがあれば、「誰がその責任を負うべきか」という議論が勃発するだろう。したがって、より優れた法的および規制上の枠組みが整備されるまで、医療分野における AI の導入は比較的遅くなると考えられます。

ヘルスケアにおける AI の導入が他の業界よりも難しいのはなぜでしょうか?

現在、ヘルスケアにおける AI の応用を規制する法律や規制は不明確で困難です。

AI アルゴリズムをトレーニングおよびテストするための臨床データと非臨床データの入手が限られているため、AI ソリューションの精度と一貫性が損なわれます。そして、今日のCOVID-19の流行を前にして、この限界はさらに明白になっています。このような病気の歴史がないため、診断、臨床意思決定支援、患者モニタリングにおける人工知能ツールの価値は非常に限られています。人工知能はせいぜい分析ツールであり、同時に医療業界ではワクチンの研究開発や治療オプションの評価が行われています。現在の危機と闘う中で、膨大な量のデータが生成されますが、関連データを収集するためのインフラが整備されているため、AI は将来的にこのような出来事を予測し、対応するのに役立つ可能性があります。

実際、すでにこうした例が見られています。Google DeepMind はディープラーニングを使用して、COVID-19 を引き起こすウイルスのタンパク質の構造を予測しました。ジョンズ ホプキンス大学は、確認された症例、回復した症例、致死的な症例に関するリアルタイム データを追跡するためのインタラクティブなダッシュボードを作成しました。

患者データのプライバシーに関する法律および規制から生じる制限。 1996 年の米国の医療保険の携行性と責任に関する法律、欧州の一般データ保護規則、および他の国の同様の法律や規制は、AI ソリューションを市場に投入しようとしているヘルスケア AI エコシステムの参加者にとって大きな課題となっています。

既存の病院情報技術 (IT) との統合が困難です。 AI ソリューションを既存の医療 IT インフラストラクチャに統合するのは難しい場合があり、実装プロセスは関係者にとって負担となる可能性があります。さらに、合併や病院の統合が進むにつれて、IT システムの合理化や統一された臨床業務と非臨床業務の実装における課題が、特に米国などの成熟市場では AI の導入を妨げ続けることになります。

医療機関からの承認を得るのが難しい。 AI ソリューションは医療機関に取って代わるためではなく、付加価値をつけるために導入されていると医療機関を説得するのは困難です。変更管理戦略がなければ、これらのソリューションは意図した臨床的および運用上の効果を達成できません。

しかし、AI への継続的な投資など、時間の経過とともに AI ソリューションの成熟と採用を促進する要因もいくつかあります (順不同)。既存企業も新興企業も、医療技術企業は、聴診器からCTスキャナー、MRIまで、あらゆるものに人工知能（AIアシスタント）を組み込むために多額の投資を行っています。 AI 機能が広く利用可能になることで、時間の経過とともに新しいマシンが古いマシンに取って代わり、これらのテクノロジーの使用が促進されるでしょう。

デジタル化の度合いが深まっています。ヘルスケア分野のデジタル化が進むにつれて、AI ソリューションの導入が加速するでしょう。医療システムが患者の生体認証情報や長期データを追跡する能力を高め、患者が自分の健康データへのアクセスをますます望むようになっているのを私たちは見てきました。関連する患者情報のデータプールとデータレイクが成熟するにつれて、AI ソリューションを組み込むことは自然な流れになるでしょう。

コスト圧力。米国の患者保護および医療費負担適正化法とマクロ経済状況により、米国の医療制度には引き続きコスト圧力がかかっています。その結果、医療機関はコストを削減し、意思決定プロセスを合理化し、標準化された運用を確立するために自動化への投資を継続することになります。これらの投資により、ヘルスケア分野全体にわたる AI ソリューションの開発と導入のためのデジタル基盤が確立されます。

価値に基づくケアへの移行が進行中です。アカウンタブルケア組織で使用されるものを含む成果報酬モデルは、IT による効率性の向上を促進します。これは、意思決定を最適化するために、リアルタイムの臨床データと財務データに対する需要が高まることを意味します。人工知能は、臨床的および非臨床的な意思決定プロセスの自動化において重要な役割を果たす可能性があります。

外来診療へ移行します。医療技術と通信技術の進歩により、新しい医療提供モデルが可能になりました。病院は医療費の安い代替手段として外来治療にますます目を向けるようになっています。実際、2019年7月、ニューヨークのマウント・サイナイ医療システムは、ベス・イスラエル医療センターを再設計し、病床数を現在の683床から70床に減らし、救急治療室を追加する6億ドルの計画を提出した。この計画は、「コスト効率の悪い病院ではなく、外来診療所で提供されるサービスを増やす」ことに重点を置いている。ポイントオブケアへの移行に伴い、病院には院外の患者を監視およびケアするための AI ソリューションが必要になることが予測されます。

医療サービスの消費者化の傾向。一方では、医療費の消費者への継続的な負担の移行により、セルフヘルプおよびセルフモニタリングツール（Apple Watch の ECG 機能など）の開発が進んでいます。一方、ミレニアル世代と Z 世代 (1980 年代、1990 年代、2000 年代に生まれた世代) はデジタルの世界で育ったため、医療体験もデジタル化されることを期待しています。 AIウェアラブル技術は、さまざまな健康状態を予測し、予防するのに役立つため、今後も拡大し続けると予想されています。これらのテクノロジーを地元の病院のデジタル インフラストラクチャと統合することで、現在の医療システムのビジネス モデルの仲介を排除し、分散型の常時接続の医療モデルを確立するのに役立ちます。

専門の医療従事者が不足しています。医師と患者の比率で見ると、米国では患者 1,000 人に対して医師は 2.6 人です。ドイツの数字は 4.2、スウェーデンは 5.4 です。アジアに目を向けると、世界で最も人口の多い二大国である中国とインドでは、この比率はそれぞれ 1.8 と 0.8 に低下しています。専門医療従事者の深刻な不足と高品質の医療サービスに対する需要の高まりにより、これらの国々は人工知能医療モデルに多額の投資を行っています。インドでは、Sigtuple、LiveHealth、Onlidoc などの企業が台頭しています。中国では、AI がデジタル プラットフォームを活用して大規模な医療サービスを実現している様子を知るには、Ping An と Tencent を見るだけで十分です。

「eサービスファースト」ヘルスケアモデルの出現。中国の Ping An Good Doctor は、世界をリードするプラットフォームベースの「e サービスファースト」ヘルスケア エコシステムです。実際の病院、医師、診断センター、薬局のワンストップサービスが提供可能です。さらに、患者に遠隔診療を提供できる人工知能医師のチームも存在します。平安優良医院には1億9,300万人の登録ユーザーがおり（比較すると、アマゾンのプライム会員は1億人）、登録患者のデータを活用して保険プランをカスタマイズし始めている。 Ping An Good Doctor は、AI を使用して大量のデータから洞察を得て、他の企業では想像もできない新しいパーソナライズされた医療システムを構築しています。

科学的研究と現実世界の証拠は増え続けています。医師や医療機関が AI の利点に関する実際の証拠にアクセスできるようになると、この技術の受け入れが大幅に増加する可能性があります。たとえば、デジタルアプリケーションが利用可能なドイツでは、企業は資金提供から 1 年後にその影響の証拠を提示する必要があります。また、ディープラーニングアルゴリズムが最終的な解決策に到達するプロセスをより透明化することを目指した投資が世界中で大量に流入しています。

医療機関は、医療業界における人工知能の応用に十分な準備をどのように整えることができるでしょうか?

医療分野における人工知能の応用は単なる決まり文句の「神話」に過ぎないのでしょうか、それとも現状を本当に変えることができるのでしょうか?現在の AI ソリューションは断片化されており、ほとんどが実験的なものであり、広く導入されていないものの、成熟と成長の非常に前向きな傾向があることは明らかです。これらのソリューションを適切に使用すると、患者ケアの改善、医療機関内での関与の強化、コストの最適化に役立ちます。したがって、病院やその他の医療機関が組織全体と業務全体に AI テクノロジーを導入することが重要であると考えています。

ただし、どのタイプの AI ソリューションに投資するかを決定する際には、医療機関は他の投資決定と同様に、そのソリューションの戦略的価値、財務上の影響、企業がソリューションを導入する準備ができているかどうかに基づいて評価する必要があります。

さらに、実装の準備状況は、新しいテクノロジーを採用する機関の意欲と病院のテクノロジー チームの洗練度によって決まります。病院の日常業務に不可欠で段階的な実装を必要とするソリューションは、新しく病院に劇的な変更を必要とするソリューションよりも実装が容易な場合があります。

AI ソリューションの種類によっては、収益の増加に重点を置いているものもあれば、コストの改善と効率性の向上に重点を置いているものもあります。しかし、これらのソリューションは、収益とコストの両方に間接的な利益をもたらす可能性もあります。実際、ここで言及した企業のほとんどは、両方の分野で影響を受ける可能性があります。

要約すると、医療分野における人工知能の応用は、臨床および非臨床を含む医療システム全体のあらゆる側面をカバーする、避けられないトレンドです。 AI は、医療機関がケアの質を向上させ、コストを最適化し、患者の体験を向上させ、医療機関全体のエンゲージメントを高めるのに役立つことが期待されています。しかし、短期的には（今後10〜20年）、AIの応用が誇張されているのか、本当に混乱をもたらすことができるのかはまだ分からない。 AI を医療システムのワークフローに真に組み込むには、まず現在のプロセスのデジタル化がさらに成熟するか、新しいデジタル化されたプロセスが出現する必要があります。

しかし、AI の破壊的な可能性を考慮すると、病院の経営者は、デジタルファーストの医療モデルを構築しているアジアに特に焦点を当て、この分野におけるテクノロジー、規制、法律、ビジネス モデルの動向について最新情報を把握しておくことをお勧めします。同時に、AI をビジネスに適用できる分野を積極的に探し、AI の導入を組織および機能の戦略計画の一部に組み込みます。投資収益率ではなく病院の戦略的可能性に基づいて短期的に AI への投資を決定し、適時に規模を拡大します。病院のさまざまな分野の AI ソリューション プロバイダーと協力して、技術をテストし、スタッフをトレーニングし、経験から学びます。AI に精通した医療および技術の才能に投資し、医療システム全体で AI 技術を合理的に適用するためのサポートを提供します。著者：LEKコンサルティングのパートナー、ジョナス・ファンク、モニッシュ・ラジパル、スティーブン・サンダーランド。カンサル・アンド・カンパニーの創設者兼マネージング・ディレクター、ルチン・カンサル。