ヘルスケアにおける人工知能の課題にどう対処するか

[[384554]]

人工知能は、人類がより早く、より効果的に病気と闘い、より健康的な生活を送るのに役立ち、医療費を削減します。過去 10 年間にわたる数多くの研究により、人工知能の一分野であるディープラーニングは、データ パターンを予測に変換し、さまざまな種類の癌の診断、医薬品開発の加速、精密治療の提供など、多くの困難なタスクで非常に役立つツールになることが示されています。

しかし、AI テクノロジーをヘルスケアに適用することは、入力を出力にマッピングできる AI モデルを単に作成するだけでなく、多数の問題を解決する複雑なプロセスです。

フィリップスのデータサイエンスおよび人工知能センターオブエクセレンスおよびデジタルリサーチのディレクターであるティナ・マノハラン氏は、人工知能を実際のヘルスケアアプリケーションに適用する機会、課題、展望を分析し、詳しく説明しました。彼女は AI 研究、AI アルゴリズムおよび製品の開発において豊富な経験を持っています。彼女は、教師あり機械学習と AR/VR シミュレーションの分野で研究を行っており、修士号と博士号を取得しています。博士課程在籍中は研究助手として勤務。現在、彼女はデータ サイエンスと人工知能の活用を主導し、フィリップスのクラスター、ビジネス、市場をサポートして、スマートな接続デバイス、サービス、ソリューションを作成しています。

医療における人工知能の必要性

マノハラン氏は、ヘルスケア業界には革命が必要だと考えています。 「医療制度と医療提供者は、新型コロナウイルス感染症のパンデミックにより、これまで以上に大きな圧力にさらされており、医療従事者の不足、人口の高齢化、ライフスタイルに関連した慢性疾患などの問題に対処している」と彼女は述べた。

同時に、デジタル変革により健康データが急激に増加しています。デジタル化と接続性が普及するにつれ、組織はこれまで以上に個人や集団の健康に関する情報を収集する立場に立つようになります。しかし、このデータを使用することは大きな課題です。

「ある臨床医は私にこう言いました。『私たちは大量のデータを持っていますが、データで負担をかけたくはありません。意思決定には関連性のある正確な情報が必要です』」とマノハラン氏は言います。「AI は、このすべてのデータを最大限に活用し、臨床医、介護者、患者がより多くの情報に基づいた意思決定を行えるようにする前例のない機会を提供します。」

AI により、デバイス、システム、ソフトウェア、サービスが状況を認識し、正確で、パーソナライズされ、予測可能で、プロアクティブなものになる、と彼女は述べた。データを精密医療のための実用的な洞察に変換することで、全体的に正確で個別化された治療とケアが実現します。

しかし、AI は医療の精度を向上させるだけでなく、医療体験をより人間的なものにすることもできます。 AIの助けにより、医師はデータや医療記録を調べる時間を短縮し、患者により良い医療サービスを提供できるようになります。

「AIは臨床医を日常的な作業から解放し、最も得意とする業務に集中して、より正確かつ個別化された方法で患者と関わることを可能にし、時間の経過とともに価値を高める可能性があります」とマノハラン氏は述べた。

AI に関する議論の多くはソフトウェアが人間に取って代わることに関するものですが、医療においては AI は拡張要素として捉える必要があります。

「臨床医が日々下す決定の多くは複雑で、AI やデータ主導のアプローチだけでは不十分です」とマノハラン氏は言います。「効果的な患者管理に効果を発揮できるのは、拡張インテリジェンスと適切なタイミングでの意思決定のサポートです。AI 開発には人間中心のアプローチが重要です。臨床医と AI は、互いを置き換えるのではなく、補完し強化し合う独自の立場にあると私は信じています。」

ヘルスケアにおける人工知能

マノハラン氏は、フィリップス社で人工知能を活用して臨床業務を改善するいくつかの取り組みに携わっています。一例として、AI を使用して医療用磁気共鳴画像 (MRI) プロセスを高速化することが挙げられます。

「ここでの課題は、磁気共鳴画像法（MRI）には多くの利点（放射線を出さないなど）があるが、比較的時間がかかることだ。総合的な検査には1時間ほどかかることがあり、患者が動くと画質が悪くなり、検査をやり直す必要が生じるリスクがある」とマノハラン氏は述べた。

患者は MRI スキャン中に痛みを感じることがよくあります。スキャンの所要時間と狭いスペースにより、診察のストレスが増す可能性があります。患者に不快な体験をもたらすだけでなく、重複スキャンなどの問題によりコストが増加し、病院の MRI スタッフの時間が無駄になります。

2019年、Facebook AI ResearchとNYU Langone Healthは、人工知能を使用して磁気共鳴画像（MRI）スキャンの速度を上げることを目的としたfastMRIというチャレンジを立ち上げました。参加者はさまざまなディープラーニング アーキテクチャを使用して、画像取得機能を改善し、患者が磁気共鳴画像 (MRI) スキャンに費やす時間を短縮しました。

フィリップスとライデン大学医療センター（LUMC）のチームが開発したディープラーニングモデルが、このコンテストで最高の成績を収めました。ディープラーニングモデルにより、高品質の磁気共鳴画像（MRI）画像の再構成プロセスが 8 倍高速化されました。次のステップは、この研究プロジェクトや他の研究プロジェクトから得られた知見を、実際の医療現場で使用できる製品に統合することです。

「私たちは現在、患者のスケジュール設定からレポートの作成まで、MRI検査のワークフローをスピードアップできるAIアプリケーションスイートを開発しています」とマノハラン氏は語った。

同氏によると、その応用例の 1 つは、コンピューター ビジョンを使用してスキャナー内で患者がどのように呼吸しているかを検出することにより、磁気共鳴画像 (MRI) 検査のセットアップ段階をスピードアップできるシステムです。従来の方法では、患者一人ひとりが自分の姿勢を調整する必要があり、その作業には数分かかることもありました。 VitalEyeと呼ばれるAI駆動型ソリューションは、非接触型の呼吸検出を実行し、スクリーニング時間を1分未満に短縮します。

フィリップスは、時間が重要であり、タイムリーに適切な判断を下すことが患者の生命と健康に大きな影響を与える可能性がある集中治療室での AI の活用にも取り組んでいます。

「ここでの課題は、非常に動的でストレスの多い環境でより多くの患者を診察しなければならないときに、患者の悪化の兆候を早期に発見することです」とマノハラン氏は述べた。

フィリップスは、予測分析を使用して 60 分以内に介入が必要になる可能性のある患者を特定するソリューションを開発しています。このソリューションは、入院患者と外来患者の訪問、医療記録、医療警報システムからの履歴データに基づいてトレーニングされた機械学習モデルを使用して、患者のリスクを評価します。 AIの出力は医療専門家に提供され、最終決定が下されます。これにより、医療専門家はより迅速に介入し、患者の治療を改善できるようになります。

チームはまた、AI モデルを他のツールやテクノロジーと組み合わせて、医療モニターが遠隔医療テクノロジーを使用して中央監視場所から患者を遠隔監視し、現場の医療スタッフにサポートを提供できるようにすることも検討しています。

「コロナウイルスの影響で、自宅で患者の健康状態を追跡するために、ウェアラブルバイオセンサーなどの遠隔モニタリングツールの導入が増えると予想しています」とマノハラン氏は述べた。「これは慢性疾患の患者にとって役立つ可能性があります。また、予測分析を使用して、どの患者が追加のケアを必要とするかを予測し、積極的に連絡を取ることもできます。」

既存のワークフローにAIを統合する

毎年、医療分野における人工知能の研究には多くの人的資源と物的資源が投入されていますが、開発された技術を実際のアプリケーションに統合するにはいくつかの課題があります。

「人工知能は、その能力が非常に強力であるため、医療を改善する大きなチャンスであることは間違いありません」とマノハラン氏は言う。「しかし、そのような影響を与えるには、臨床スタッフのワークフローや患者の日常生活に深く統合される必要があります。」

AI システムのエンジニアや開発者は、そのシステムが医療従事者のワークフローにスムーズに統合されることも保証する必要があります。AI システムが臨床使用に追加の手順を加える別のアプリケーションとして設計されている場合、魅力的なものにはならない可能性があります。

「AI アルゴリズムはそれ自体がソリューションではなく、ワークフローに統合する必要があるツールであることを覚えておく必要があります」とマノハラン氏は述べました。「つまり、まずワークフローを理解し、次に AI コラボレーションを念頭に置いてソリューションを設計するということです。AI テクノロジーは、適切な情報を適切なタイミングで適切な形式で提供する必要があります。たとえば、放射線科医の場合、画像の解釈に役立つ AI ソリューションがあれば、アルゴリズムを実行するためにコンピューターを切り替えて別のアプリケーションを開く必要はありません。」

AIには統合された健康データが必要

AI システムの実行には、AI システムをさまざまな IT システムやデータ システムに統合できるツールによるサポートも必要です。 「AI向けのデータから有意義な洞察を得るには、相互運用性が本当に重要です」とマノハラン氏は語った。

相互運用性と統合の課題は、学術研究と AI の実際の応用を分ける主な要因の 1 つです。研究は多くの場合、慎重に選別された健康データセットで機能する人工知能モデルの開発を中心に展開されます。しかし、現実のデータは乱雑でアクセスが困難です。多くの場合、適切なデータ インフラストラクチャの欠如が、既存のアプリケーションに AI を適用する際の大きな障壁となります。

「今日の医療データは、交換、分析、解釈が難しい場合が多い」とマノハラン氏は言う。「AI ソリューションは数多く存在するが、医療ベンダーの状況は非常に断片化されているため、さまざまなベンダーの革新的な医療技術を、シームレスで完全な患者中心、疾患中心のソリューションに統合する必要がある。」

この問題を解決するには、テクノロジーベンダー、病院、医療機関間の協力的な取り組みが必要になります。マノハラン氏はさらに、「複数のベンダーのデバイスからデータを取得して病院の IT システムに接続する必要があります。また、1 つのデータ言語を使用して統一された方法でデータを理解できるようにデータ標準が必要です。ここで、接続されたデータ レイクが重要になります」と述べています。

データ レイクは、保存できるデータに制限のない大規模なリポジトリです。データは、テキスト ファイル、画像、ビデオなどの生の形式や、適切に構造化されたスプレッドシートで保存され、その後、データ サイエンスと機械学習ツールを使用してマイニングおよびクエリを実行する必要があります。

統合と法的課題を乗り越える

「AI で患者の全体像を構築するには、患者にデータを追跡する必要があります」とマノハラン氏は言います。「患者が患っている可能性のある病気と治療の過程を結び付け、病院と自宅、プライマリケアなどを結び付ける必要があります。そのためには、処方された治療に関する患者の経験を理解し、患者が報告した結果を臨床上の意思決定に組み込むために、継続的な患者エンゲージメントとフィードバックも必要です。」

もちろん、これにはいくつかの法的課題が伴うでしょう。医療データは機密性が高く、さまざまな管轄区域でプライバシー規制の対象となります。ヘルスケアや医療向けの AI ソリューションを開発している企業は、注意しないとプライバシー規制に違反する可能性があり、ヘルスケア業界は依然として、データへのアクセスを提供することと機密性の高い医療データの保護との間でバランスを取る方法を模索しています。

「現地の法律は、患者のプライバシーを保護しながら、医療研究と臨床診療のために適切に注釈が付けられたデータの安全な交換とアクセスを確保する必要があります」とマノハランは述べた。「この作業には、AIソリューションの開発を簡素化するヘルスケア技術ベンダーからの新しいアプローチも必要です。医療機器ベンダーは、アプリケーションプログラミングインターフェース（API）を公開して、スタートアップや学術臨床センターなどのサードパーティによるアプリケーション作成をサポートし始める必要があります。」

マノハラン氏は、AI 駆動型製品が採用され、医療に影響を与える前に、収益化、実装の取り組み、ワークフローの改善、信頼など、他の技術的および非技術的なハードルに直面するだろうと強調した。 「コストはいくらかかるのか、顧客はAIにいくら支払うのか、報酬や福利厚生はどうなるのかといった点を考慮する必要がある」とマノハラン氏は語った。

ヘルスケアにおける人工知能の未来

マノハラン氏は、すでに多くの AI ソリューションが存在するものの、次の真の飛躍は、製品をシームレスで完全な患者中心のソリューションに統合し、連携して正確な診断とより最適化された治療経路を可能にすることだと考えています。

マノハラン氏はさらに、「AIをベースにした新技術を開発する際には、既存および新たな課題や障害にも留意する必要がある」と述べた。

マノハラン氏は、デジタル変革によって健康データが急激に増加し、業界が急速に変化する中で、すべての答えがまだ得られていないことを認識することが重要だと考えています。

「AI を導入するというこの刺激的で革新的な道のりでは、新たな疑問が浮かび上がってきます。私たちは、患者と顧客のニーズを常に最優先に考え、オープンかつ透明性を持ってそれらに取り組む必要があります」と彼女は述べました。「こうすることで、社会の最も差し迫った課題のいくつかに対処し、克服することができます。顧客の変化するニーズに、より直接的に応えられるようになります。」