網膜症治療のAIが成熟する中、なぜ医療業界は「無反応」なのか？

網膜は人体の中で唯一、血管や神経細胞の変化を非侵襲的に直接観察できる組織であり、さまざまな慢性疾患の指標として利用できることはよく知られています。そのため、補助検査手段として、網膜イメージングは​​常に医療画像の研究焦点に挙げられており、AI医療業界でも重要な役割を果たしています。

データによると、人工知能医療画像市場において、人工知能網膜画像が最も急速に成長しており、2019年から2021年までの年平均成長率は171.0%です。

AI医療は商業戦場で何度も壁にぶつかり、診断と治療の核心に到達できていない。技術の発展が時代のペースに追いつけないという事実に加え、本質的に医師の優位な地位を完全に置き換えることはできない。 AIは幅広い発展の見通しがあるにもかかわらず、前年比損失の悪循環から抜け出せず、「お金の無駄遣い」は常にAI医療にとって消えないレッテルとなっている。

では、この厄介な立場において、医療 AI 業界は新興産業の導きの光となることができるのでしょうか?

AIはどのようにしてボトルネックを突破できるのでしょうか?

AIヘルスケアの開発で最も難しいのはデータベースの構築であるという意見が業界内で一致しています。結局のところ、各病院の情報システムにあるデータの質は異なり、初期段階のスタートアップは有償購入や科学研究協力を通じて1つまたは複数の病院との協力しか得られず、部分的かつ不完全なデータしか得られない可能性が高いのです。

しかし、眼底AIの分野ではそのような心配はありません。データによると、中国国家検査検疫研究所の眼底画像データベースの構築は2018年3月に完了しました。この基礎知​​識に基づき、2020年8月、イーグルアイテクノロジーとシリコンインテリジェンスが開発した「糖尿病網膜症補助診断ソフトウェア」の第一弾が国家食品医薬品局の承認を通過し、第三級医療機器証明書を取得しました。その後すぐに、Zhiyuan HuituとWeDoctor Medical Device Co., Ltd.の製品も認証を取得し、そのうちのいくつかはEU CE認証を取得しました。

眼底AIの開発は着実に進み、網膜画像に基づく診断システムが徐々に確立されてきていると言えます。私たちの理解によれば、網膜画像を撮影して分析することで、黄斑変性、病的近視、網膜剥離などの眼科疾患を特定できるだけでなく、糖尿病、高血圧、心血管疾患、脳血管疾患などの全身疾患も診断できるとのことです。

基本的に、眼底 AI は診断において眼科医に完全に取って代わることはできませんが、予防の面で重要な役割を果たします。

「2017年中国保健・出産計画統計年鑑」によると、中国には慢性眼疾患の患者が約4億人いるが、眼科医は3万6000人しかおらず、外来患者数は1億1000万人以上、入院患者数は450万人以上となっている。医療環境全体を考慮すると、眼底AIの登場により、多くの慢性疾患の「早期スクリーニングと治療」が可能になり、医師の診断結果と相まって、多くの患者が早期治療を受けている。

また、各職種にはそれぞれ得意分野があり、眼科医は糖尿病や内分泌学などの他の専門疾患を正確かつ迅速に診断・治療できない場合があります。眼底疾患の病変は小さく、異なる病変間の区別がつきにくいため、眼科医以外の医師が眼底画像を読影する能力には限界があります。全国的にも読影能力を持つ医師は比較的少ないのです。 AIを活用した眼底診断・治療は、ある程度、医師の「助っ人」となり得る。

眼底 AI が人工知能イメージング市場で際立っている理由は、企業の導入シナリオの多様性とも密接に関係しています。肺画像、心血管画像、胸部画像など、一般的には大病院で導入され、ハードウェア機器と組み合わせて販売されています。眼底AIの選択肢は広く、三次病院から選択することも、検眼センターで小規模なブレークスルーを実現することもできます。 Eagle Eye Technology の眼底検査ソフトウェアと同様に、低コストの眼底カメラを使用して主要な医療システムへの浸透を実現しています。

しかし、AIの動向は良いことであり、それが儲かっていないという事実は明らかです。例えば、イーグルアイテクノロジーの目論見書によると、2019年、2020年、2021年上半期の売上高はそれぞれ3,041.5万元、4,767.2万元、4,947.7万元となっている。昨年11月には「初の医療AI銘柄」イーグルアイテクノロジーが上場を果たしたが、上場と同時に株価は発行価格を下回った。

AI医療業界はまだ歴史が浅いとしか言​​えず、昨今の経済情勢の低迷も相まって、新興業態の発展は停滞している。発展を望むなら、まず既存のビジネスモデルを打破し、積極的に革新しなければ新たな転機は訪れないだろう。

人工知能＋医療は両立するのか？

おそらく西洋映画のシーンの影響を受けて、人工知能は常に人間の究極の姿を表現してきました。

近年、人工知能の発展も急速です。研究によると、最大規模の人工知能モデルのトレーニングに使用されるコンピューティング量は、2012年から2018年の6年間で飛躍的に増加し、3.5か月でコンピューティング量が2倍になりました。第二に、資本は中国の人工知能産業の発展に対して引き続き楽観的である。2020年までに、中国の人工知能産業の資金調達規模は1402億元に達するだろう。

特に交通や医療のシナリオは広く注目されており、企業は今後人工知能に注力していくことを表明しています。

iiMedia Researchのデータによると、中国のネットユーザーの80％以上が人工知能の将来の発展の見通しについて楽観的であり、交通シナリオと医療シナリオがそれぞれ45.2％と40.5％を占めている。調査対象となった企業の80％が人工知能を非常に重視していると回答し、60％近くが将来的に人工知能に注力すると回答した。

疫病の到来により、中国の医療機器市場の規模は拡大し続けており、特に人工知能は医療業界で重要な役割を果たしている。 iiMedia Researchのデータによると、中国の医療機器市場の規模は2020年に7,341億元に達した。その中で、手術ロボットやAI臨床支援システムなどのインテリジェント医療ツールは、流行との闘いにおいて重要な役割を果たしてきました。同時に、人工知能医療機器に関する中国の特許数もさらに増加し​​ました。

AI医療産業の発展は、医学、教育、産業の強みを融合したものであることは否定できません。資本による後押しに加え、関連部門の科学研究力も切り離せないものです。 2017年3月25日、浙江大学瑞益人工知能研究センターが設立されました。リーダーの呉昭輝教授は、「浙江大学の基本的優位性を生かし、主要な医療機関や学術リーダーとオープンに協力し、データソースを接続し、多分野・多機関の協力メカニズムを確立し、医療人工知能の主要技術の早期突破を目指します」と述べました。

しかし、結果は期待通りには進まず、国内の医療AI市場規模の成長率は極めて鈍く、むしろ減少傾向にありました。統計によると、2020年の中国の医療AI市場全体の規模は約265億元で、2015年のトレンドの上昇から2020年上半期まで、医療AIの総資金調達規模は350億元を超えました。

2021年、医療AI企業は上場というハードルを乗り越えたものの、本格的な商業化から2年が経過した現在もその実績は二次市場の精査に合格できず、相次いで敗北を喫している。 3月にCoa Medicalは香港証券取引所にIPO申請を提出したが、9月までに上場ステータスが「無効」になった。6月にはEagle Eye TechnologyもIPO申請を提出したが、11月には株価が上場時の発行価格を下回った。7月にはYitu TechnologyのIPOステータスが「終了」となり、8月にはYitu MedicalチームがShenruiに買収された。

国内のAI医療産業が破綻しただけでなく、医療分野で「全力」を尽くしていたGoogle Healthも深刻な危機に陥り、大量の従業員の解雇や組織再編を余儀なくされている。

GoogleはすでにAI分野では巨人だ。Google Healthの設立後、医療分野のベテランであるデイビッド・フェインバーグ氏もディレクターとして採用したが、医療AIに関するGoogleの革新的な事業はまだ展開されていない。 2021年第1四半期の四半期財務報告によると、人工知能のDeepMindやスマート医療のVerilyなど、Googleの革新的な事業は依然として赤字状態にある。

人工知能と医療シナリオの組み合わせは、技術のテストであるだけでなく、現実のシナリオの多面的なテストでもあります。残念ながら、広大な医療分野は人工知能の応用の深さを救うことができず、医療AI自体も苦戦していることは言うまでもありません。

アルゴリズムに囚われたAI医療

人工知能自体の特性上、複雑な医療シナリオには対応できません。人間の介入なしに完全に独立した診断と治療を実現することは、実際には非常に困難です。チューリング賞受賞者のヨシュア・ベンジオ氏も、医療文書においては、人工知能システムは人間の医師が気づく曖昧さや微妙な手がかりを理解できないと述べている。

AI医療アプリケーションを徐々により多くのシナリオに適用できるように、アルゴリズムはまだ最適化する必要があり、既存のモデルをより包括的なデータで強化する必要があると言えます。

2020年にアンドリュー・ン氏はスタンフォード大学のHAIセミナーでの講演で、医療分野におけるAI研究のアルゴリズムは、一部のデータでトレーニングされたモデルを他の状況に一般化することが難しいため、実用化が難しいと分析しました。この発言は、Google Health の「糖尿病網膜症スクリーニング」事業で確認されています。

以前、Googleは米国医師会雑誌に掲載された記事の中で、AIアルゴリズムによって「糖尿病網膜症のスクリーニング」の精度が90％に達し、理論的には数秒で結果を出せると述べていた。しかし、理論と現実を組み合わせると、大きな対照が生まれます。 2020年、Googleはこの事業でタイの公衆衛生局と協力し始めた。結局、写真をチェックするためのアルゴリズムの要件が非常に高かったため、精度は期待を大きく下回るものとなった。

また、写真をアップロードしてから結果が出るまでの時間は、地元の病院のネットワーク信号が良好かどうかにも左右され、患者が結果を受け取るまでには通常長い時間がかかります。

当然のことながら、AI医療は環境や写真のピクセルなどの外部要因に大きく依存しており、予期せぬ事態が発生すると効果を発揮できなくなります。比較的成熟した眼底 AI アルゴリズムでさえ、開発がすでに制限されている他の領域は言うまでもなく、さまざまな状況に適応することはできません。

AI医療の応用には多くの制限要因があります。

まず、基本的な地理的制限により、AIは実際のシナリオでは普遍的ではありません。本質的に、より適用性の高いAIは基本的にカスタマイズされた研究開発です。例えば、子供の骨年齢を診断するインテリジェント補助ソフトウェアは、診断にいくつかの問題があります。このソフトウェアは南部地域の身長を基準としているため、平均身長が突出している地方には適していません。

第二に、技術的な制限により、市場に出回っている心臓血管医学のAI診断および治療ツールは画像機能に集中しており、敷居の高い技術的困難さにより多くの企業が参入を断念しています。基本的に比較的静的な状態である網膜や肺の画像スキャンと比較すると、心臓や冠動脈の極めて複雑な網状構造の画像は撮影が難しく、画像合成や三次元再構成も非常に困難です。心臓血管分野の AI では、さまざまな心臓疾患を診断および予測するために、より高度で複雑なアルゴリズムが必要です。

最後に、AI医療は実際の医療シーンに適用されます。大量のトレーニングデータが前提条件ですが、データの正確性と網羅性は保証されていません。例えば、米国の医療メディアSTATが公開したIBMの内部文書によると、ワトソンシステムは仮想患者の仮想データを使ってトレーニングされ、推奨される治療計画はメモリアル・スローン・ケタリングがんセンターの専門家の計画に基づいていた。また、トレーニングデータが不十分だった。8種類のがんのうち、トレーニングデータの量が最も多かったのは肺がんでも635件にすぎず、トレーニングデータの量が最も少なかったのは卵巣がんでも106件にすぎなかった。

アルゴリズムの最適化が医療シナリオの変化に追いつけず、多くの医療 AI が実際の運用では役に立たないことは容易に理解できます。しかし、膨大な人的資源と物的資源の投資はそれに見合った利益を得られず、AI医療産業に対する資本の熱意は急落し、この道はますます荒廃しているように見えました。