医療分野でAIの世代が急速に発展

[広告_1]

AIは20世紀後半にコンピューターエンジニアによってプログラムされ、人間が作成した一連の命令（ルール）に基づいて誕生し、テクノロジーが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、新しいテクノロジーの影響を受ける業界は数多くあります。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、医療関連産業など、様々な分野にも及んでいます。特に医療分野においては、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

現時点でのAIの学習方法は、医学生の学習方法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も学習します。これは、AIシステムに組み込まれた医療ルールの第一世代と考えられています。

意思決定アルゴリズムは木のように成長し、幹（患者の問題）から枝分かれしていきます。例えば、患者がひどい咳を訴えた場合、医師はまず熱があるかどうかを尋ねます。熱があるかないかという2つの質問が提示されます。最初の回答から、病状に関するさらなる質問へとつながります。そして、そこからさらに枝分かれしていきます。最終的に、それぞれの枝分かれが診断となります。診断は、細菌性、真菌性、ウイルス性肺炎から、がん、心不全、その他数十種類の肺疾患まで多岐にわたります。

一般的に、第一世代のAIは問題を認識できましたが、医療記録を分析・分類することはできませんでした。その結果、初期の人工知能は、医学と直感や経験を組み合わせた医師ほどの精度を出すことができませんでした。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）の登場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は、それ以前のシステムとは大きく異なる仕組みで動作します。研究者によって事前に定めら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、人間には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、研究者らはANIシステムに数千枚のマンモグラム画像を入力しました。そのうち半分は悪性癌、残りの半分は良性癌でした。モデルはマンモグラムのサイズ、密度、陰影における数十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は人間のようにヒューリスティック（経験則）に頼るのではなく、放射線科医とソフトウェア設計者の両方が知らない、悪性検査と正常検査の間の微妙な差異に頼っていることです。

ルールベースの AI とは異なり、第 2 世代 AI ツールは診断精度において人間の直感を上回ることがあります。ただし、この形式の人工知能にも重大な制限があります。まず、各アプリケーションはタスク固有です。つまり、マンモグラムの読み取りをトレーニングしたシステムは、脳スキャンや胸部 X 線を解釈できません。ANI の最大の制限は、システムの精度がトレーニングに使用されたデータと同程度になることです。この弱点の明確な例は、UnitedHealthcare が狭義の AI に依存して最も病状の重い患者を特定し、追加の医療サービスを提供したときです。研究者がデータを精査したところ、AI が有害な仮定を行っていたことがわかりました。患者は、医療記録で医療をほとんど受けていないという理由だけで健康であると診断され、医療を多く受けた患者は不健康であると判断されました。

未来の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するでしょう。現在、生成AIツール（GoogleのMED-PALM2）は、医師免許試験に専門家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可能性は低いでしょう。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のような未来のツールは、誰もが医療の専門知識を利用できるようにし、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