ポストエピデミック時代：医療業界で成功するには？

この記事は公開アカウント「Reading Core Technique」（ID: AI_Discovery）から転載したものです。

2020年のクリスマスまでに、いくつかのCOVID-19ワクチン候補が使用承認されたり、第3相試験段階に入ったりしていた。コロナウイルスの検出能力と治療能力も、流行の初期段階に比べて大幅に向上しました。

人工知能はCOVID-19パンデミックとの戦いにおいて重要な役割を果たしてきました。人工知能は万能薬ではありませんが、研究者が医療データからより有用な情報をより迅速に抽出するのに役立ち、それによってワクチンの開発を加速し、より効果的な治療に貢献することができます。

ポストエピデミック時代に人工知能とヘルスケアはどのように発展するのでしょうか？今回のエピデミックにおける人工知能の応用は、医療および臨床データの分析に大きな可能性を秘めていることを実証しました。

COVID-19パンデミックにおける人工知能の活用

COVID-19との戦いにおける人工知能の貢献

COVID-19パンデミックにより、患者データ、胸部X線写真、CTスキャン、血液検査結果、遺伝子データなど、毎日数百万ギガバイトのデータが生成されているため、人間の研究者が研究を始めるのはほぼ不可能です。幸いなことに、人工知能は大量のデータを処理し、その中のパターンを発見し、研究者をサポートし、病気の診断や治療、ワクチン開発を加速することができます。

• 新型コロナウイルスの診断における人工知能の応用

MITの研究者らは、無症状の人でも咳の音から新型コロナウイルスに感染しているかどうかを診断できる機械学習モデルを開発した。無症状の人もウイルスを拡散させる可能性があることを考えると、このモデル（アプリとして開発される可能性もある）はウイルスの拡散を遅らせる可能性がある。

アジアから北米に至るまで、多くの医療専門家も機械学習やコンピュータービジョン技術を使用して胸部X線やCTスキャンを分析し、COVID-19を診断しています。ノースウェスタン大学の研究者らは、患者の胸部X線写真を分析して放射線科医よりも10倍速く、6％高い精度で診断を下すことができる「DeepCOVID-XR」と呼ばれる機械学習モデルを開発した。このモデルは17,002枚の胸部X線写真に基づいてトレーニングされており、入院患者をCOVID-19以外の感染症について迅速にスクリーニングできる。

• ワクチン開発

2020年12月、モデルナ社のmRNAワクチンの使用が承認されました。同社はワクチンをより適切にテストするために、機械学習を使用してmRNA配列を最適化し、分子に変換しました。

モデナ社は、自社の医薬品設計研究所で複数のmRNA配列を設計し、その後機械学習を使用してこれらの配列を最適化したと伝えられている。これらの配列は高品質のワクチン候補となるように最適化されており、ワクチンの開発にかかる時間を短縮できる可能性があります。

機械学習により、ワクチンの改善が必要な領域も明らかになる可能性がある。 MITの予備調査によると、ファイザーやモデルナのワクチンはアジア人には効果が低い可能性があることが判明した。この分野ではまだ多くの研究が必要ですが、機械学習を使用することで、最初に問題を特定し、解決するための時間を確保することができます。

• 財政援助の配布

多くの発展途上国は、援助を最も必要としている国民に援助を分配するために AI を活用しています。トーゴは、衛星画像と電話データを分析して、指導者が財政援助を優先する極度の貧困地域を特定する機械学習モデルを訓練した。

• COVID-19治療薬の開発

世界の人口の4分の1は2022年までCOVID-19ワクチンを接種できないだろう。この期間中、人工知能はCOVID-19の治療薬の研究開発を促進する上で大きな役割を果たすことができます。非営利プロジェクト「Covid Moonshot」は、半教師ありディープラーニングモデルを使用して14,000種類の抗ウイルス薬をスクリーニングした。審査後、4つの薬剤が動物実験段階に入りました。

ポストエピデミック時代：人工知能が医療を変える

新興感染症の早期警報システムは、人工知能の応用例の 1 つにすぎません。

• 疾病早期警報システム

各国は、次の大規模な疾病の発生をできるだけ早く検知することが不可欠です。機械学習システムが従来のデータソースと代替データソースを分析して手がかりを発見できれば、病気の発生に関する早期警告を受け取ることができます。

COVID-19パンデミックは、誰もが不意を突かれたわけではない。 AI駆動型健康モニタリングプラットフォームのBlueDotは、世界保健機関が通知を出す9日も前の2019年12月31日に、武漢での感染症の発生をユーザーに警告した。

BlueDot は、65 の言語でのニュースレポート、動物や植物の病気のデータ、および COVID-19 の発生の可能性を警告する公式リリースに機械学習と自然言語処理を適用します。 BlueDotは、航空券のデータを分析することで、ウイルスが武漢からバンコク、ソウル、台北、東京に最初に広がった時期を正確に予測しました。

今後、より多くの AI ベースのリスク検出プラットフォームが登場し、企業、投資家、政府がそのようなテクノロジーに喜んでお金を支払うようになると予想されます。 GoogleやBloombergなどの企業も同様のサービスを提供する可能性が高い。

• 遠隔診断

COVID-19パンデミックにより医療資源がほぼ崩壊しているため、病院や診療所は医師の負担を軽減するためにAIベースの遠隔診断ツールを強力に支援する必要がある。基本的に、病院は診断を行うために、磁気共鳴画像（MRI）、X線、CTスキャン、さらには携帯電話の写真をコンピューターで分析することになる。

MIT で開発されたディープラーニング モデルは、マンモグラムを分析することで乳がんのリスクを予測できます。このモデルは9万枚のマンモグラムでトレーニングおよびテストされ、従来のスクリーニング方法よりも正確でした。

遠隔診断は、医療画像を使用して診断できるほとんどの状況に適用できます。さらに重要なのは、遠隔診断ツールにより、農村部や低所得地域のより多くの人々が質の高い医療相談を受けられるようになることです。地方の小規模な検査センターでは、新たな病気が町や村に広がる前に、より迅速な診断と低コストでのデータ収集が可能です。

• 臨床データに基づいた推奨事項を提供する

米国の医療システムでは、毎年約 12 億件の臨床文書が生成されます。そのほとんどは非構造化文書（医師の手書きのメモ、画像など）であり、残りは半構造化文書（臨床検査結果、手順、患者の死亡時刻など）です。

医師や看護師が電子形式を採用したとしても、整理すべきデータが多すぎます。かかりつけ医は、電子健康記録の取り扱いに 1 日最大 6 時間を費やすことがあります。 IBMのワトソンチームの調査により、医師は患者の記録の中で重要な質問を見逃す可能性があることが判明した。

人工知能は、医師や看護師が重要な患者データを抽出し、患者が将来直面する可能性のある医療リスクを分析するのに役立ちます。ディープラーニング モデルに光学文字認識機能があれば、医師の手書きのメモや医療画像をデジタル化してマークし、簡単に検索できるようにすることもできます。自然言語処理および機械学習ツールは、患者の状況の要約を生成し、患者の問題を浮き彫りにし、糖尿病や腎臓病などの将来の医療リスクを予測することができます。

しかし、これは難しいです。人工知能は、既成の信頼できるデータに頼ることによってのみ、医療機関に臨床上の意思決定支援を提供することができます。残念ながら、臨床データは整理されていなかったり、サイロ化されていたり、不完全であったりすることがあります。人工知能を医療上の意思決定に適用する前に、データの統合、クリーニング、前処理を実行する必要があります。

• 医薬品開発の加速

機械学習は、標的の治療効果を持つ化合物の設計に役立ち、それによって医薬品の開発コストを削減し、医薬品の市場投入を加速します。新薬の開発は困難で費用もかかります。医薬品の開発には10億ドル以上の投資が必要になる場合がありますが、市場に出る可能性はわずか15％です。創薬の初期段階では、通常最大 10,000 個の化合物が分析され、プロセス全体に 10 年以上かかることがあります。

人工知能、特にニューラルネットワークは、医薬品開発の期間を短縮し、コストを削減する可能性があります。ニューラル ネットワークの 1 つの特定のタイプである生成的敵対的ネットワーク (GAN) は、新薬に望ましい治療効果をもたらす化合物を設計するために使用できます。

Google の DeepMind は、タンパク質の 3D 形状を決定するための AlphaFold と呼ばれるディープラーニング プログラムを開発しました。タンパク質構造を予測することで、特定の疾患に関する洞察が得られます。たとえば、研究者がタンパク質がどのように相互作用するかを知っていれば、薬物化合物がどのような特性を持つべきかも理解でき、薬物開発時間を短縮できます。

人工知能を活用して医薬品開発を加速することは、人命を救い、企業の利益を増やす上で大きな意義があります。しかし、これらの技術の多くは新しいものであり、さらなる研究が必要なため、研究室が閉鎖され、科学者が職を失う可能性は低い。

• 病院運営の改善

COVID-19パンデミックから得られた重大な教訓の一つは、医療資源の潜在的な崩壊だ。 COVID-19パンデミックの初期の数か月間、主要都市の病院では個人用防護具（マスクや手術着を含む）や人工呼吸器が不足し、病床さえも不足していました。

これらすべてを回避できたらどうなるでしょうか? 人工知能に基づく傾向分析および予測ツールにより、病院に新たな病気の発生を警告し、ベッドを準備することができます。これについては、上記の BlueDot の例で説明されています。遠隔診断により病気をより早く発見し、病院に個人用防護具や人員を備蓄するよう警告できる可能性がある。医療用品の使用状況に関するデータを分析することで、在庫予測モデルは用品を発注し、不足を防ぐことができます。

パンデミック後の世界でも、AI は病院の運営を改善し、コストを節約し、管理上の負担を軽減し、患者ケアを強化することができます。 1 つのアプリケーションでは、機械学習を使用して病床の割り当てを最適化しています。病院は、現在の患者がいつ退院するかを予測することで、より適切にベッドを割り当てることができます。これにより、ベッドの空き状況が確保され、病院はより確実に手術をスケジュールできるようになり、不確実性と患者の待ち時間が削減されます。

AI の助けを借りて病院の運営を改善することは、すべての関係者にとってメリットがあります。人工知能の支援により、病院の資源をより有効に活用し、スタッフの数を確保し、ベッド不足によりキャンセルされる手術の割合を減らすことができます。これにより、患者の体験が向上し、病院の収益も増加します。

人間と人工知能

人工知能は、患者のケア、医薬品の開発、病院の運営、病気の追跡を改善する大きな可能性を秘めています。 AI 関連ツールを活用する製薬会社、病院、医療技術プロバイダーは、より高い利益と市場シェアの拡大が見込まれます。

ただし、これらのテクノロジーの多くは新しいものであり、その使いやすさと安全性を確保するためにはまだ研究が必要です。テクノロジーの導入にも時間がかかります。病院、診療所、製薬会社は、人工知能ツールを使用できるように、十分なデータとより質の高いデータを確保する必要があります。

人工知能ツールが広く応用される中で、医療専門家や科学者の存在は依然として欠かせません。人工知能ツールは医療画像に基づいて診断を下せるようになるかもしれないが、それでも医師は患者を安心させるために治療計画を処方する必要がある。ディープラーニングプロジェクトは医薬品開発を加速させるかもしれないが、科学者は依然として結果を再確認する必要がある。一度ミスをすると、その代償は莫大なものになります。

最終的には、AI は処理を高速化し、人間にインスピレーションを与えますが、患者の転帰を改善するには、これを人間の判断と組み合わせる必要があります。ヘルスケアの未来は、AI だけではなく、人間と AI の組み合わせです。