医療AIとは？

近年、医療の分野においても AI（人工知能）を活用した製品やサービスが増えています。それらの多くはニューラルネットワークによる機械学習の技術を応用したものです。ここでは、ニューラルネットワークによる機械学習と、その医療分野への応用について解説します。

ニューラルネットワークとは

ニューラルネットワークとは脳内の神経細胞による情報処理の仕組みをモデル化したものです。このネットワークに、あるデータ（画像、音声データ、テキストなど）を入力すると、別のデータ（数値、ラベル、テキストなど）が出力されます。

例

スナップ写真の画像を入力すると、そこに写っている物のラベル（花、鳥、など）を出力する。
Ｘ線画像を入力すると、それが腫瘍の画像である確率（数値）を出力する。
日本語のテキストを入力すると、英語のテキストを出力する。

ニューラルネットワークは複数の層からなり、各層ではパラメーターによって振る舞いが変化する非線形変換がおこなわれます。

学習の仕組み

ニューラルネットワークの「学習」とは、入力に対して、常に望ましい出力が得られるよう、ネットワークを「調整」することをいいます。学習には学習用データが必要です。これは、入力サンプルと、それに対する「正解」（望ましい出力）を、多数集めたものです。学習においては、ニューラルネットワークに順番に入力サンプルを与え、その出力が「正解」に近づくよう、各層のパラメーターを少しずつ調整していきます。これを多数の入力サンプルに対して繰り返しおこなうことにより、最終的にはどの入力サンプルに対しても正しい出力が得られるようになるだけでなく、学習用データにはない初めての入力に対しても、多くの場合で「正しい」出力が得られるようになります。

深層学習とは

2010年ごろから、コンピューターの計算能力の向上などを背景に、多層からなるニューラルネットワークの学習が可能となりました。多層からなるニューラルネットワークは、画像・音声・テキストの認識や、チェスなどのゲームでの対戦において、高い成績をあげるようになりました。これらの多層からなるニューラルネットワークによる学習は、深層学習と呼ばれています。

生成AIとは

生成AIとは、言葉による指示に応答してテキストや画像、音楽などを生成することができる、深層学習を応用した人工知能システムの一種です。
2020年にOpenAIが発表したGPT-3というプログラムもその一種です。GPT-3が生成するテキストの品質は、それが人間によって書かれたものであるかどうかを判断することが困難なほど高く、人々を驚かせました。
生成AIを応用したチャットシステムとしては、OpenAIのChatGPTやマイクロソフトのBing Chat、GoogleのBardなどがあります。また、画像を生成するものとしてはStable DiffusionやDALL-E などのシステムが有名です。

医療現場におけるAI活用

現在、多くの研究機関や企業において、医療現場向けのAIを活用した装置やサービスの開発が進められています。また、スクリーニング、医師の支援、業務の効率化などをおこなうAI製品が、実際に医療の現場に導入され始めています。
ただ、現段階においては、広く一般の医療機関で使われているような製品はまだありません。
医療の各分野におけるAI活用に向けた試みを、開発・研究中のものを含め、いくつか紹介します。

■放射線科
読影医の不足に対し、AIがスクリーニングや診断支援をおこなうことで負担を軽減することが待ち望まれています。

例

マンモグラフィ画像から乳がんを検出するAIを検証
骨折疑いの領域を強調表示するAIソフト「BoneView」が米FDA認証を取得、フランス・ブザンソン総合病院で導入
胸部CT画像から結節影を検出するAIソフトウェアを福島県立医科大学附属病院で導入

■検診
検診ではスクリーニングにAIを使用し、確定診断は個別の精密検査でおこなう、という使い方が想定されます。
人手やコストの観点からも、検診へのAIの応用が進むことが期待されます。

例

英国・中国における眼科疾患のAIによるスクリーニング
歯科検診AIシステムで特許出願

■診療録からの疾患診断
自然言語処理技術によって、カルテ解析による疾患診断AIの精度が向上しています。
カルテには、医師の所見、検査結果、処方記録などが混在し、かつ病歴に従って膨大になるので全体の把握が困難ですが、AIによりそれらの情報の整理・分析を支援します。

例

カルテを解析して小児科疾患の診断をおこなう、自然言語処理AI
診療記録を分析・標準化するサービス（Amazon AI）

■AI搭載新医療機器
主に識別が比較的容易でデータも集めやすい分野において、さまざまなデバイスが開発されています。

乳がんの特定と分類をおこなうAIツールつき超音波検査装置
インフルエンザを識別する咽頭カメラ
AI聴診器
不整脈の自宅用モニタリングデバイスと組み合わせたAI解析サービス

■生成AIによる診断
医療に特化した生成AIの開発が、以下のような企業において現在活発に進められています。

医療サービスを手掛けるスタートアップのファストドクターとAI開発スタートアップのオルツの共同開発による生成AI
マイクロソフト社の研究機関であるマイクロソフトリサーチが2022年に発表したBioGPT
グーグルとディープマインドの共同研究グループによるMed-PaLM
米国のヒポクラティックAIというスタートアップによる生成AI

生成AIの医学的な知識の正確さについては、日本の医師国家試験や米国の医師免許試験において合格基準に達しなかったという結果や「いまだ臨床医の能力には及ばない」という意見がある一方、一部の医療特化型AIでは合格基準を上回る好成績を収めたという結果もあります。

また、人に対する医学的アドバイスの質や共感力という点においても、医師に比べて生成AIの方が高評価であったという研究があります。

医療現場では現在、この技術を患者の治療にどう生かすかについて活発な意見が交わされています。スタッフ不足の解決策として、また、電子カルテから情報を探し出したり、長く専門的になりがちな説明を要約して患者に伝えるといった作業において、生成AIへの期待が高まっています。

一方で、

医師が生成 AI にだまされたり、ずさんな回答をされたりした場合、誤診や不適切な治療計画の作成につながりかねない
生成AIは引用した情報の日付を明らかにしないことがある。模範的な治療法を提示するが、それが最新の情報なのか、すでに時代遅れになっているのかはわからない
生成AIはときとして人を惑わすような情報を捏造し、うわべだけの流暢さで語ることがあるなどの指摘もされています。

医療特化型の生成AIは、その医学的な判断の正確さや人に対する応対力をこれからもますます高めていくものと考えられます。私たちの「大事な健康問題は生身の人間に相談したい」という感覚も、生成AIの能力の向上につれて徐々に変わっていくのかもしれません。

生成AIに特有の性質や限界を見据えながらも、この技術を利用した医療用システムは今後も開発が進められていくものと思われます。医療現場や患者のニーズをうまくとらえる生成AIシステムが開発されれば、一気に導入が進んでいくかもしれません。

■創薬
薬の候補となる物質を探すためには、疾患に関わる標的分子（通常はタンパク質）の三次元構造を知ることが欠かせません。
タンパク質を形作るアミノ酸の配列（一次元構造）から、折りたたまれたあとの実際の形（三次元構造）を推測するために、AIが活用されています。このAIを用いて、タンパク質の三次元構造のデータベースが構築されつつあります。

例