AIの世代が医療分野で急速に発展

[広告1]

20 世紀後半には、人間が作成した一連の指示 (ルール) に基づいてコンピューターエンジニアによってプログラムされた AI が登場し、テクノロジーによって基本的な問題を解決できるようになりました。

編集者注：情報化時代において、多くの業界が新たなテクノロジーの影響を受けています。自動化、コンピューターサイエンス、人工知能（AI）の影響は、医師、病院、保険会社、医療関連業界などにも例外ではありません。しかし、特に医療業界においては、AIは他の業界よりも大きなプラスの影響を与えています。

第一世代

この段階におけるAIのトレーニングは、医学生が行うアプローチに似ていると考えられます。AIシステムは、患者の症状を診断に結びつけるための数百ものアルゴリズムを学習します。これは、医療の原理をAIシステムに統合した最初の世代と考えられています。

AI を活用したアプリケーションにより、医師は医療情報の最新情報をリアルタイムで受け取ることができます。

意思決定アルゴリズムは、幹（患者の問題）から枝分かれして成長する樹木に似ています。例えば、患者がひどい咳を訴えた場合、医師はまず発熱の有無を確認します。発熱の有無に応じて、2種類の質問が提示されます。最初の回答から、患者の状態に関するさらなる質問が生まれます。そして、これがさらに枝分かれへとつながります。最終的に、それぞれの枝分かれが診断へとつながり、細菌性、真菌性、ウイルス性肺炎から、がん、心不全、その他様々な肺疾患に至るまで、診断は多岐にわたります。

概して、第一世代のAIは問題を認識できましたが、医療記録の分析と分類はまだできませんでした。その結果、この初期の人工知能は、医学と直感や経験を組み合わせる医師ほど正確ではありませんでした。そして、こうした限界のため、ルールベースのAIは、他の時期には臨床現場でほとんど使用されませんでした。

完全自動化

21世紀初頭、AIの第二時代は、特定のタスク群を解決する人工知能（ANI）の出現によって幕を開けました。人間の脳の構造を模倣したニューラルネットワークの登場は、ディープラーニング技術への道を開きました。ANIの動作は、以前のシステムとは大きく異なります。研究者によって事前に定義されたルールを提供するのではなく、第二世代のシステムは膨大なデータセットを用いて、人間が識別するには非常に長い時間を要するようなパターンを識別します。

ある例では、研究者たちは数千枚のマンモグラム画像をANIシステムに入力しました。そのうち半分は悪性癌、残りの半分は良性癌でした。モデルはX線画像における数十箇所の大きさ、密度、陰影の違いを瞬時に識別し、それぞれに悪性度を反映する影響係数を割り当てました。重要なのは、この種のAIは人間のように推測（経験則）に頼るのではなく、放射線科医もソフトウェア設計者も気づかない、悪性所見と正常所見の間の微妙な違いに基づいている点です。

ルールベースのAIとは異なり、第二世代AIツールは診断精度において医師の直感を上回ることがあります。しかし、この形態の人工知能には重大な限界もあります。まず、各アプリケーションには特定のタスクがあります。つまり、マンモグラムの読影を訓練したシステムは、脳スキャンや胸部X線写真を解釈することはできません。ANIの最大の限界は、システムが訓練済みのデータに基づいている場合にのみ適切に機能することです。この弱点の明確な例は、ユナイテッドヘルスケアが狭義のAIに頼って最も健康状態の悪い患者を特定し、追加の医療サービスを提供したケースです。研究者は後に、データをフィルタリングする際に、AIが不利な仮定を行っていたことを発見しました。患者は、医療記録にほとんど医療を受けていないことが示されているという理由だけで健康であると診断され、より多くの医療を受けた患者は健康状態が過小評価されていました...

次世代AIは、人々が医師と同じように病気を診断し、治療計画を立てることを可能にします。現在、GoogleのAI生成ツール（MED-PALM2）は、医師免許試験に専門家レベルのスコアで合格しています。他の多くの医療AIツールも、医師と同様の診断を下せるようになっています。しかし、これらのモデルは依然として医師の監督が必要であり、医師に取って代わるほどのものではありません。しかし、現在の急速な成長率を考えると、これらのアプリケーションは今後5年間で少なくとも30倍の性能向上が見込まれています。ChatGPTのような次世代ツールは、誰もが医療の専門知識を得られるようになり、医師と患者の関係を根本的に変えると予測されています。

VIET LEによる編集

[広告2]
ソース