ジェネレーティブAIは伝統的な医師と患者の関係を破壊している

「医者はいつも正しい」という考えが何十年も続いた後、伝統的な医師と患者の関係は重大な岐路に立たされている。 OpenAI の ChatGPT、Google の Bard、Microsoft の Bing などの生成 AI ツールは、人々にさらなる意思決定力と制御力を与えます。この力は、個人の生活や日常業務に浸透するだけでなく、医療や健康のレベルにも反映されます。

生成 AI ツールがよりスマートで安全、そして信頼性が高くなるにつれ (AI の機能は今後 5 年間で 32 倍に増加すると予想されています)、平均的なアメリカ人は、いつでもどこでも、わかりやすい形式で比類のない医療専門知識にアクセスできるようになります。

現在、Google の Med-PaLM 2 モデルは、米国医師免許試験で 86.5% という専門家レベルのスコアを達成しており、他の AI ツールも複雑な病気の診断において一般の医師に匹敵するスキルと精度を達成しています。

近い将来、AI ツールは健康モニターや電子医療記録と統合され、患者に特定の医療問題に関する詳細な情報を提供できるようになります (Oracle/Cerner と Epic はすでにこのような EHR 電子医療情報プロジェクトを推進しています)。やがて、人々は今日の臨床医と同じくらい正確かつ効果的に健康上の問題を自己診断し、管理できるようになるでしょう。

この新たな専門知識の源は、伝統的な臨床実践の基盤を揺るがすものとなるでしょう。

公衆衛生の専門家は長い間、臨床医と患者が協力し、共に決定を下すという考えを強調してきましたが、これを現実に実現するのは困難でした。生成型AIの開発と普及により、この状況は変化すると期待されています。

今日の患者：苦しみと混乱

生成 AI が医療の実践にどのような影響を与えるかを理解するには、現在の医師と患者との関係から始めるのが最善です。

医師と患者の関係は5000年前にまで遡ることができ、長い間不平等な対立状態にあった。患者は、自分の病気を理解し、診断や治療のアドバイスを得るために、ほぼ完全に医師に頼るしかありません。

患者は現在、インターネットを利用して潜在的な診断や治療の選択肢を検索することができますが、専門的な医学知識が不足しているため、特定の病状を特定することができません。実際、オンライン リソースの多くは矛盾していたり​​、不明瞭だったり、大幅に古くなったり、誤解を招くようなものであったりすることが多く、言い換えれば、情報をふるいにかけるのは非常に困難です。さらに、インターネットユーザーは、年齢、病歴、遺伝子構成、現在服用している薬、検査結果に基づいた、的を絞った信頼できるアドバイスを得ることができません。

将来の患者：自信と自己診断を強化する

将来的には、生成 AI によって公平な競争環境が生まれ、従来の医師と患者の関係が覆されるでしょう。

消費者向け AI ツールは、ユーザーに知識を提供するだけでなく、専門的なガイダンスも提供できます。このようなツールにより、一般の人々が芸術的な傑作を創作したり、ヒット曲を書いたり、前例のないレベルの洗練されたコンピュータ コードを出力したりすることが可能になります。次世代の AI テクノロジーは、科学的または医学的背景を持たない患者にも同様の能力を提供します。

デジタルアシスタントと同様に、生成 AI は検索エンジンでは不可能な方法で医師と患者の間の知識のギャップを埋めます。 ChatGPT は、何百万もの医学テキスト、査読済みジャーナル、科学記事にアクセスすることで、正確で偏見のない医学的専門知識を平易な言葉で提供することができます。また、インターネット リソースとは異なり、生成 AI ツールには、分析結果を歪める可能性のある広告メカニズムやその他の利益要因が組み込まれていません。

患者と医師がこれからの AI 生成時代を乗り切るために、私たちは将来の医療実践のいくつかの実証済みモデルから始める必要があるかもしれません。

「フリップヘルスケア」モデルの導入

「反転授業」という概念は40年近く前に遡り、2000年代初めに北カリフォルニアのカーン・アカデミーを通じて全米で人気を博し始めた。

学生の学習プロセスは、従来の教室とはまったく対照的に、オンラインでビデオを視聴し、インタラクティブなツールを使用することから始まります。このコース前の準備（またはプレビュー）モデルにより、受講者は自分のペースで学習コンテンツをアレンジできます。さらに、反転授業では、授業中の相談を重視し、教師と生徒が以前よりも深くトピックについて議論できるようにします。実際、生徒はただ受動的に聞いてメモを取るのではなく、貴重な授業時間を活用して知識を活用し、協力して問題を解決する必要があります。

生成 AI の導入により、ヘルスケアにおける他のアプリケーションへの扉も開かれます。このテクノロジーが実際にどのように機能するかをいくつか紹介します。

• 診断前学習: 患者は医師の診察を受ける前に、生成 AI ツールを使用して自分の症状や一般的な治療法について学ぶことができます。この背景知識により、診断プロセスがスピードアップし、患者が医師の意見をより深く理解できるようになります。高度な診断テスト（X 線検査や血液検査）がなくても、診察前の教育セッションにより、臨床医がどのような質問をする可能性があるか、またそのプロセスにはどのような手順が含まれるかについて患者に事前に知らせることができます。
• 対人関係を深める: 患者は、長々とした誤解を招くような説明を省き、積極的な健康戦略や長期的な慢性疾患管理計画を掘り下げるための基礎知識をすでに持っています。このアプローチは、患者と臨床医の間の面談時間を最大限にし、一般的な実際的な問題を克服します。つまり、少なくとも 50% の患者が、診断と治療後に医師の意見を正しく理解したかどうか確信が持てないのです。
• 在宅モニタリング: 慢性疾患を抱えるアメリカ人の 60% に対して、生成 AI をウェアラブル モニタリング デバイスと組み合わせることで、リアルタイムのフィードバックを提供し、臨床結果を最適化することができます。これらの患者は、定期的に（3 ～ 6 か月ごとに）医師の診察を受けることなく、毎日の医療分析と洞察に簡単にアクセスできます。生成 AI が問題を発見した場合 (たとえば、健康データが医師の予想から外れている場合)、医師に薬の処方をすぐに更新するように通知します。患者の状態が良好な場合、医師は時間の無駄を避けるためにフォローアップ診察をキャンセルすることができます。
• 在宅病床：入院治療にかかる費用は、一般的に医療費全体の30％を占めます。軽度の肺炎や管理可能な細菌感染症などの症状について患者を継続的に監視することで、生成 AI (家庭用モニタリング デバイスや遠隔医療訪問と組み合わせる) により、患者は自宅で快適に治療を受けられるようになり、現状よりも安全で手頃な価格になります。
• 健康的なライフスタイル: 生成 AI は、予防的な健康対策やライフスタイルの習慣的な変化もサポートし、現場での臨床ケアの全体的な必要性を大幅に削減します。研究によると、食事、運動、定期的な健康診断に注意を払うことで、慢性疾患（心臓病、脳卒中、がんなど）による致命的な合併症の発生率を 30% 以上減らすことができることがわかっています。手術の需要が減ることで、医療保険基金の運用が改善され、将来的に予想される医師や看護師の不足も解消されるだろう。

将来を見据えて：優れた成果をもたらす共同ケア

アメリカの医療モデルでは、患者はしばしば不満や圧倒感を感じてしまいます。同時に、医師は過重な仕事量を抱えており、過度の仕事量により性急な診断や誤診につながることが多く、その結果、毎年推定80万人が死亡または障害を負っています。

カーン アカデミーにヒントを得た新しい「フリップ」モデルは、生成 AI を使用して患者が専門知識を習得できるようにします。この新しいモデルにより、臨床医は貴重な時間を節約し、患者の診察を最大限に活用できるようになります。確かに、この野心的な目標を達成するには、AI技術のその後の改善と医療文化の全体的な進化が必要ですが、少なくともこれは希望への扉を開き、より調和のとれた医師と患者の関係の可能性と、患者が自らの健康を改善するために自発的に取り組む可能性を見ることができます。

まだ疑問がある場合は、カーン アカデミーの教育者に相談してください。彼らは、この革新的なモデルが学生に優れた教育体験を提供する方法、また、アカデミーの教師と学生の満足度が従来の教育システムに比べてはるかに優れている理由などについて教えてくれます。これは教育にも医療にも当てはまります。