「AI+ヘルスケア」はいかにして質的変化を実現するか：人工知能企業は連携して突破口を拓くことができるか？

[[398946]]

画像ソース @Visual China

本文 | 冰建技術研究所

自然言語処理（NLP）、コンピュータービジョン、ディープラーニングなどの技術の急速な発展に伴い、人工知能の応用シナリオは拡大し続けており、「AI+ヘルスケア」は投資家や起業家の注目の的となっています。

医療分野における人工知能技術の応用は、病院の作業負荷を大幅に軽減し、診断時間を短縮するだけでなく、基礎病院の医師の診断精度の向上、病気の早期発見と治療、個人、家族、社会の医療保険の負担の軽減にも役立ちます。さらに、人工知能技術の使用により、製薬会社は医薬品の製造時間を大幅に短縮し、研究開発コストを削減することもできます。

現在、「AI+医療」に関する様々な研究成果が続々と出ており、量的変化から質的変化へと向かっているところです。大きな進歩が達成され、質的な変化が起これば、大手人工知能企業は莫大な利益を得ることになるだろう。

マイクロソフトは市場を掌握し、先行して関連路線を敷くため、今年4月に197億ドルを投じて、医療関連が最大の収入源である人工知能企業ニュアンスを買収した。

中国では、BATJ、iFlytek、CloudWalk Technology、Icejian Technology、Unisoundなどの主要な人工知能企業が医療業界に積極的に関与しています。北京大学（医療ロボット研究センター）、浙江大学（国立衛生医療ビッグデータ研究所）、吉林大学（インテリジェント医療研究センター）などの大学もスマート医療研究機関を設立し、この分野での飛躍的進歩を期待して、企業、病院、海外の有名大学（ハーバード大学など）と緊密に協力しています。

しかし、学術研究が活発化し、企業の投資も活発化する一方で、「AI+ヘルスケア」の実用化の進捗は予想よりも遅れている。医療用AIの先駆者であるIBM Watsonは、初期投資が過大であったことと商品化が不十分であったことからIBMに売却されると噂されていました。さらに、中国における関連研究は均質性が高く、リソースが集中し、激しい競争が起こっており、AI機器は単一の機能しか持たず、医師の多様なニーズを満たすことができません。

「AI+医療」という巨大な市場を前に、人工知能企業はどこから始めるべきでしょうか？商品化のプロセスはどのように進んでいますか?病院、医師、患者は本当に AI テクノロジーにお金を払うつもりなのでしょうか?

01 開発の経緯：「AI+医療」が深海へ

「AI+ヘルスケア」は21世紀以前はゆっくりと発展し、市販製品はほとんどありませんでした。 「AI+医療」が急速に発展し始めたのは21世紀に入ってからでした。海外では、ワトソン、ニュアンス、グーグルヘルスなどが先行しており、国内ではiFlytek、テンセントミイン、アリババヘルスなどの企業が早くから参入し、多額の投資を行ってきました。

• 海外では「AI＋医療」の発展はまちまち

ワトソンがIBMの「捨て子」になったという噂は、医療AI業界を凍りつかせた。現在、承認されているAI医療機器はごくわずかです。 2020 年 9 月に NPJ Digital Medicine に掲載された記事によると、現在 FDA 承認済みの AI/ML ベースの医療機器ソフトウェアは 64 種類しかないとのことです。 ”

マイクロソフトが人工知能企業 Nuance を 197 億ドルで買収すると発表したことは、この業界の熱い一面を示している。国泰君安のアナリストは次のように考えている。「マイクロソフトがNuanceを買収した重要な理由は、Nuanceが医療分野やその他の分野の音声対話市場のリーダーであることだ。同社の中核事業の1つは、医師と患者の会話を電子カルテに書き写し、それに基づいて補助診断サービスを提供することだ。マイクロソフトのデータによると、Nuanceの製品は医師の病院カバー率と製品性能の両面で医療分野をリードする地位にある。」

• 中国では、ベンチャーキャピタルが2015年に「AI+医療」のレイアウトを加速し始めた

ディープラーニング、コンピュータビジョン（特に画像認識）、NLPなどの技術の進歩により、過去10年間で「AI+ヘルスケア」が具体化し始め、多数の新興企業が「AI+ヘルスケア」を専門に設立または変革してきました。

ITjuzi.comの統計によると、2012年から現在までに「AI+ヘルスケア」分野には1,439社の企業があり、1,553件の投資を受け、総投資額は7,006億人民元に上る。BATJ、iFlytek、Ping An、Unisound、Yitu Technology、Bingjian Technologyはいずれも「AI+ヘルスケア」分野への参入を競っている。

02 医療分野における人工知能の応用

人工知能と医療アプリケーションが組み合わされている分野は数多くありますが、その中でも健康管理、医薬品開発、補助診断、医療画像、病気予測が現在最も主流のアプリケーションです。

• 健康管理・慢性疾患管理、インテリジェント音声診療記録入力などの分野は比較的成熟している

2018年12月、国家衛生健康委員会は「電子カルテシステム応用レベルの等級評価管理弁法（試行）及び評価基準（試行）の公布に関する通知」を公布し、「すべての中等以上の病院は、電子カルテシステムの機能応用レベルの等級評価に時間どおりに参加し、評価結果を公立病院の業績評価に含める必要がある。2020年までに、すべての三次病院は等級評価レベル4以上、中等病院は等級評価レベル3以上に到達しなければならない」と明記した。この政策は、「AI+ヘルスケア」の今後の発展のためのデータ基盤を提供し、iFlytekやUnisoundなどの企業によるインテリジェント音声カルテ入力ビジネスの急速な発展につながった。

国務院新聞弁公室が発表した白書「中国の医療・健康産業」によると、中国の工業化、都市化、高齢化の加速に伴い、住民の慢性疾患の発生率と死亡率は持続的に急速な増加傾向を示している。中国には2億6000万人の慢性疾患患者が確認されています。慢性疾患による死亡は中国の総死亡数の85%を占め、慢性疾患による疾病負担は総疾病負担の70%を占めています。そのため、慢性疾患管理の市場スペースは大きく、Yidu Technology、Fourth Paradigm、Yilu Kangfuなどの人工知能企業が急速に参入しています。

• 「医療画像に基づいてさまざまな病気を判断し、医師に補助診断の提案を提供する（医療画像+補助診断）」は、多くの人工知能企業が好む研究分野です。

冰建科技研究所は、人工知能企業が「医療画像+補助診断」を好む主な理由は2つあると考えています。第一に、この分野で使用されている人工知能技術は比較的成熟しており、多数の病気の診断精度は主治医よりも優れていることが証明されています。第二に、病気の予測、医薬品の開発などと比較して、この分野の応用難易度が低く、商業的見通しが優れていることです。

AI医療画像+補助診断とは、医療画像の診断、特にさまざまな病気のスクリーニングに人工知能技術を応用し、医師の参考のために診断提案を提供することを指します。現在一般的に使用されている疾患検査には、肺結節/肺がん、眼底疾患、子宮頸がん、肺炎、めまい、腫瘍、大腸がんなどがあります。米国ではワトソンなどの企業がAI技術を病気の補助診断に商業的に利用し始めている。

• 医薬品開発や疾病予測は「AI＋医療」の深海

AI医薬品研究開発企業の分布について、Deep Knowledge Analyticsによると、2020年末時点で、世界には240社以上のAI医薬品研究開発企業があり、米国は依然として54.4％を占め、トップの地位を維持している。

国内では、テンセントが2020年7月にAI+新薬研究開発分野に正式に参入し、同社が開発した人工知能創薬プラットフォーム「雲神智耀」を科学研究者に全面的に開放すると発表しました。さらに、Jitai Pharmaceutical、Wangshi Intelligence、XtalPiなどのスタートアップ企業もAI技術を活用して医薬品の研究開発に参加し始めていますが、関連する成果はまだ商業化されていません。

疾病予測に関しては、データが不完全で参入障壁が高いため、国内の参加者は非常に少ないです。しかし、ウェアラブルデバイスの普及、医療記録の電子化、血中酸素、睡眠、呼吸、心拍のリアルタイムモニタリングにより、将来的にはいくつかの病気を予測することが可能になるでしょう。

海外では、一部の研究成果が医学雑誌に掲載されているのみです。 2017年2月にネイチャー誌で報告されたように、自閉症は脳データを通じて予測できる。ノースカロライナ大学の研究者らは、兄弟に自閉症がある乳児の脳をスキャンすることで、リスクの高い乳児のうちどの乳児が後に自閉症を発症するかについて、かなり正確な予測が可能になったと述べている。

03 医療分野における人工知能の応用価値

• 疾病スクリーニング：従来の効率性の問題を解決する

2019年の「中国人工知能医療白書」によると、従来の診断モデルでは、医師が腫瘍のある患者1人のCT画像約200枚を概説するのに3～5時間かかります。腫瘍の位置を見つけた後、腫瘍の大きさや形に基づいて計画を立てるのに時間がかかります。従来のモデルと比較して、人工知能は大量の画像データを迅速に処理し、一度に完了することができます。

武漢ランディング株式会社の会長である孫暁栄博士は、「病理学者は伝統的な方法でがんの検査を行っていますが、それは主に顕微鏡でフィルムを繰り返し見るという単純なものです。しかし、彼らが一生の間に見ることができるフィルムの数は非常に限られています」と語った。子宮頸がんの検査を例にとると、伝統的な手動の方法は非効率的であるだけでなく、中国の病理学者の数は十分ではありません。子宮頸がん検診を受ける必要がある出産年齢の女性が約3億人いる現状では、技術革新が必要であり、人工知能技術は実現可能な解決策を提供することができます。同社は「2つのがん」の検査技術を開発し、2020年末までに子宮頸がんの検査を計117万件実施した。これは人工知能技術のこれまでで最大の人口応用でもある。

医療画像支援診断の面では、人工知能を通じて医療画像にラベルを付けることで、医師の作業効率が大幅に向上し、作業の重複や漏れが減ります。

• 補助診断：誤診率の低減

雑誌「臨床誤診と誤診」の統計によると、病気の誤診率は世界的に30%にも達する。権威ある組織の調査によると、アメリカの医師の臨床誤診率は15%から45%の間である。フォーブス・チャイナのデータによると、過去20年間、中国の外来患者の誤診率は年間50～90％、入院患者の誤診率は26～31％となっている。このうち、最も誤診されやすいのががんであり、例えば脳腫瘍の誤診率は約70％と高く、転移性骨腫瘍の誤診率は40％、大腸がんの誤診率は79％に達することもあります。

広東省衛生局の廖新波副局長はかつて「医師の診断の30％は誤診」と題するブログ記事を投稿した。外来診療所で医師に診てもらうと、誤診率は50％だ。 「脳腫瘍の誤診率は70％、場合によっては100％にもなる」と同氏は説明。器質性病変と機能性病変の両方が頭痛やめまいを引き起こす可能性があり、CTやMRでは機能性病変を検出できないため、判断は医師の経験に頼るしかないと述べた。

誤診には、医師の専門性の欠如、患者が病状を隠していること、病状が複雑すぎること、初期症状が隠されていることなど、さまざまな理由があります。治療を受ける患者全体のうち、病気の原因が見つかり適切な治療を受けられる幸運に恵まれるのはわずか10％程度です。

人工知能技術の使用により、特に病気が初期の潜伏段階にある場合、人的要因を効果的に回避し、誤診率と診断見逃し率を減らすことができます。

スタンフォード大学は人工知能を使用して、90%以上の精度で皮膚がんを診断しています。

オレゴン健康科学大学（OHSU）とマサチューセッツ総合病院（MGH）の研究者らも、米国医師会眼科学誌に、新たに開発されたアルゴリズムにより、小児失明の潜在的原因を91%の精度で自動的に検出できるという結果を発表した。同時にテストを受けた8人の医師からなる対照群では、眼の写真による診断の精度はわずか82%だった。

MITの研究者らが最近IEEE医学生物学工学ジャーナルに発表した論文によると、同大学のモデルは新型コロナウイルス感染症と診断された人の咳を識別する精度が98.5%で、その中でも咳の音を使って無症状の感染者を識別する精度は100%にも達するという。研究者らは、それぞれ複数の咳を含む7万件以上の録音を収集し、合計20万件以上の咳音サンプルを収集した。

平安スマートヘルスケア研究チームは、医療センターの外傷救急科の患者1,888人の骨盤X線画像データに対してAI技術を使用して骨折の結果と位置を判断するテストを実施しました。モデルの予測精度は92.4％に達しました。台湾の長庚記念病院の4科の医師23名との共同研究（AI+医師）では、救急医がAIシステムを使用した後、見逃し診断率が9.7%から0.7%に低下し、研修医の見逃し診断率は11.3%から1.58%に低下し、専門医の見逃し診断率は6%から0.5%に低下しました。検出感度や特異度などの定量的指標において、AI骨折システムは救急医や研修医を大きく上回り、放射線科医や一部の整形外科専門医に迫り、やや上回っています。

• 医師の業務効率を向上（インテリジェント音声による医療記録の入力と管理）

アメリカの有名な医療専門家向けウェブサイト「Medscape」が、アメリカで開業している医師15,000人を対象に調査を実施したところ、医師のほぼ3分の2が燃え尽き症候群（42%）、うつ病（15%）、またはその両方（14%）であると回答した。主な理由としては、臨床医がさまざまな複雑な医療文書を扱わなければならないこと（56%）と、電子健康記録に患者情報を入力するために多くの時間を費やすこと（24%）が挙げられます。

インテリジェントな音声による医療記録の入力と管理は、医師が時間を節約し、作業効率を向上させるのに効果的に役立ちます。これにより、この分野の「AI+医療」セグメントの商業化が最も成熟し、代表的な事例としてはiFlytek、Nuanceなどが挙げられます。

• 医薬品開発：時間とコストの削減

Deep Knowledge Analytics によると、新薬の研究開発には、高コスト (10 億ドル以上)、長い研究開発サイクル (10 ～ 12 年)、低い成功率 (13.8%) という 3 つの高リスク特性があります。医薬品研究開発への投資収益率は、 2010年の10.1 %から2018年の1.9 %へと着実に低下しています。これは、筋萎縮性側索硬化症などの特定の複雑な疾患領域に特に当てはまります。この疾患領域では、過去半世紀にわたる 50 件を超える臨床試験で、治療効果が実証されていません。

同時に、自然言語処理、ディープラーニング、画像認識、機械学習などの人工知能技術を活用することで、医薬品の開発期間を短縮し、医薬品の開発コストを削減し、予測精度と薬効を向上させることができます。

北京大学高等学際研究院定量生物学センターの研究者である裴建鋒氏は、AI技術、特に強力な人工知能の発展が医薬品設計における困難な問題を解決できると期待していると考えている。例えば、自然言語処理技術やAI文献情報抽出技術の発展により、将来的にはAIが膨大な非構造化特許・文献データを自動的に処理し、そこから重要な情報を抽出してナレッジグラフや認知グラフを構築し、薬物ターゲットや薬物分子を自動的に発見できるようになるでしょう。

MITテクノロジーレビューは2019年9月、AI製薬会社インシリコン・メディシンがトロント大学の科学者らと協力し、従来の方法では完了までに少なくとも8年かかるところを、わずか46日で新たな標的薬を開発し、予備的な生物学的検証を完了したと報じた。研究結果は「ディープラーニングにより強力なDDRIキナーゼ阻害剤の迅速な特定が可能に」というタイトルでネイチャー・バイオテクノロジー誌に掲載された。

クリスタルテクノロジーのCEOである馬建氏は、ITタイムズとのインタビューで次のように述べています。「計算を通じて、製薬会社が最も成功する薬物化合物、結晶形態の候補、およびR＆Dルートを優先し、これらの薬物R＆D専門家が利益を追求してリスクを回避するのを支援し、R＆Dの時間と試行錯誤の範囲を削減し、特に結晶形態のR＆Dサイクルを数か月、さらには1年から数週間から数か月に短縮することができます。」

04 市場規模と商品化状況

• 広い市場スペース

ReportLinkerデータベースが以前に発表したレポートによると、コンピューティング能力の向上とハードウェアコストの削減が世界の医療AI市場の発展を牽引しており、2025年までに世界の医療業界のAI市場規模は2,500億元に達すると予測されています。

中国情報通信科学院西部支部が発表した「2020年スマートヘルスケア発展研究報告」によると、2020年に中国のスマートヘルスケア産業の規模は1000億元の大台を超え、2021年には1259億元に達すると予想されており、同産業はインテリジェントで効率的、かつ大規模な発展により急成長期に入るとみられる。

具体的には、個別企業については、iFLYTEKが2021年4月20日に2020年度の業績報告を発表し、報告期間中にスマート医療事業の収益が前年比69.25%の成長を達成した。さらに、雲智盛の目論見書では、2017年から2019年までのスマートヘルスケア収益成長率も50％を超えたと明らかにされている（下図参照）。

さらに、易度科技の目論見書によると、同社の健康管理プラットフォームおよびソリューション事業は、2019年度の1,075万8,000元から2020年度には5,564万8,000元に成長し、前年比417.27%増加した。

しかし、医療記録の入力や健康管理におけるインテリジェント音声の監視は比較的緩やかですが、病気の診断や医薬品の開発などの分野では要件がより厳しくなります。

• 商業化は難しい

米国では、ワトソンの商業収益は投資額と大きく乖離している。ウォール・ストリート・ジャーナル紙は、事情に詳しい関係者の話として、ワトソンの年間収益は10億～15億ドルで、IBMのバージニア・ロメッティ最高経営責任者（CEO）が2013年10月に推定した額の10分の1に満たないと報じた。

同時に、Nuance も苦境に立たされていました。米国の病院の77％と提携しているが、営業利益は2016年以降5年連続で減少している。

中国では、BATJなど多くのインターネット、人工知能企業、医療機関、大学、ベンチャーキャピタルなどがスマートヘルスケアに数百億ドルを投資しており、関連する研究が学術誌に掲載され続けています。しかし、国家薬品監督管理局（NMPA）による承認に成功した医療機器ソフトウェアはわずか11件に過ぎず、主要病院の医師に認められ、大規模に商品化されるまでにはまだまだ長い道のりがあります。

エッグシェル研究所の業界評価によると、医療用画像、医療研究、バーチャルアシスタントは産業化に最も近く、大規模な商業化には2～5年ほどかかるが、現在は期待が高すぎる段階にある。一方、健康管理、医薬品開発、病院管理、疾病スクリーニングは産業化には程遠く、5～10年かかるとしている。アクセンチュア・アナリシスと杭州市資産管理の推定によると、AI医療製品が医療資源の全体的な効率を向上させるには10年かかるという。

05 「AI＋医療」の本当の問題点

AI画像スクリーニングの分野では、過去5年間で200件以上の資金調達イベントが発生しましたが、この分野は一般的に、高品質のデータが不十分、研究方向の深刻な均質性、医師のニーズとの大きなギャップ、草の根病院への資金が不足しているなどの実際的な問題に直面しています。

• 高品質なデータが不十分

表面的には、BATJなどの多くの人工知能企業が数百の病院と協力し、全体的な医療データは膨大であるが、特定の病気に関するデータは多くない。一部の画像データは品質が悪く、不完全で構造化されておらず、一部の医師の診断結果は合併症や患者の精神状態に基づいているが、こうしたデータの多くは記録されていない。たとえば、Google の研究者が公開した 2 つの乳がん検診に関する記事には、どちらもデータが不十分であるという問題がありました。

• 各チームは独立して作業しており、同僚間の協力はほとんどなく、研究の方向性が均一化しています。

冰建科技研究所は、単一の疾病早期スクリーニングプロジェクトの場合、研究に参加する企業の数は数社から数十社に及び、製品の研究は非常に均質的であることを発見しました。しかし、企業間での技術やデータの共有はほとんど行われておらず、各企業が独自に運営されていることが顕著であり、社会資源の大幅な浪費につながっています。オレンジ動脈データベースによると、肺結節や眼底検査には多数の企業が関わり、関連製品を発売しているが、実際に病院に導入され収益を上げている企業は10社未満だという。

• 需要と医師のニーズの間には大きなギャップがあり、購入意欲が不十分である

現在、大手AI企業は単一の疾患について個別の研究を行っていますが、医師が患者を診察する際には、1つの疾患だけではなく、複数の疾患、合併症、精神状態などを総合的に判断する必要があります。皮膚疾患だけでも2,000種類以上あるとされており、AI技術で診断できる皮膚疾患は現在数十種類に過ぎません。

中国電子科技集団公司第55研究所附属病院の張建炎院長はYiou.comのインタビューで、「（慧易オンラインが開発した、甲状腺結節の診断に使用される） DE超音波ロボットは、甲状腺がんのみをカバーしており、少し範囲が狭く、病院のニーズを完全に満たすことができません。また、結節であるかどうかで医師の間で意見の相違が生じるでしょう」と語った。また、機器の購入は病院が所属する医療連盟の推奨と関係があると付け加えた。

さらに、一次病院の医師は癌や腫瘍などの疾患の治療能力に限界があり、一次病院の医師が関連疾患を診断するのに役立つ補助診断に対する需要が非常に高い。ただし、関連疾患が発見された場合は、再検査や治療のために三次医療機関や専門病院を受診することが推奨されます。その結果、一次病院の収入は低下し、関連機器を購入するための資金が不足することになります。

しかし、専門病院や三次病院の中には、医師のレベルが高く、補助治療の需要が不足しているところもあり、購入意欲も十分ではないところもあります。

06 まとめと展望——AI企業間の連携を推進するのは誰か？

Huiyi Huiying の創設者 Chai Xiangfei 氏は次のように語っています。「現在の AI 医療製品は、診断の見逃しを減らし、効率を向上させるという短期的な価値があります。精密医療と個別化診断は長期的な価値があります。」

短期的には、AI医療画像に基づくさまざまな病気のスクリーニングと診断は比較的成熟しており、草の根の病院での誤診率を効果的に減らすことができます。大手AI企業は積極的に計画を立てています。

しかし、長期的に見れば、「AI＋医療」には多くの市場セグメントがあり、それぞれのセグメントで短期間で成果を上げ、病院の医師からの評価を得ることは難しいといえます。 Watson から学んだ教訓は、AI 企業が単独で行動するのは賢明ではないことを示しています。

また、大手スタートアップは資金面の支援をベンチャーキャピタルに頼ることが多く、長期間成果が出なかったり、収益が想定より低かったりすると、その後の投資は必然的に減額されてしまいます。

主要な人工知能スタートアップ企業は協力を強化し、疾病データを共有し、研究方向を合理的に分割し、皮膚科、眼科、胃腸疾患、胸部疾患など、幅広い疾病カテゴリーに対する人工知能診断スクリーニングサービスを開発し、医師のニーズによりよく応えるべきである。例えば、Huawei Cloudはあらゆる肺疾患（肺炎、肺結節、肺がんなどを含む）の補助診断システムを開発しており、スタンフォード大学チームの皮膚病変に関する研究は2,000以上の疾患をカバーしています。

複数の人工知能企業が協力して特定の種類の病気（胃の病気、肺の病気など）を徹底的に研究し、その研究結果を同じ医療機器に集中させて、医師のニーズを満たすことができる多機能診断機器を開発すれば、商業化のプロセスは間違いなく加速するでしょう。