ブログ

Jan 09, 2024

ヘルスケアと生成 AI: 新しいユースケースは何ですか?

Dai riepiloghi delle consultazioni alla diagnosi e alla scoperta di farmaci, diamo un'occhiata ad alcuni di essi.

相談の要約から診断、創薬に至るまで、この分野のいくつかの新しい生成 AI ソリューションを見ていきます。

– Microsoft は、Nuance および Epic との新たなパートナーシップを発表し、医療従事者が患者の記録とメッセージの下書きを文書化できるようにする AI を活用した生成ツールを統合しました。

– Google は、医療上の質問に答えるように訓練された生成 AI である Med-Palm-2 をリリースしましたが、その精度と実際の患者ケアへの適用については改善が必要です。

–Insilico Medicine や Evotec などのバイオ医薬品企業は創薬と開発を強化するために生成 AI を使用した臨床試験を開始しています。

–Zepp Health のようなスマート テクノロジー企業は、生成 AI をウェアラブルに統合しています、ユーザーの健康管理と一般的な幸福を支援します。

機械学習はヘルスケア分野で広く採用されており、予測 AI アルゴリズムは放射線医学における画像ベースの診断からゲノム解釈に至るまで、さまざまな機能に使用されています。 単に分析するのではなく、アルゴリズム (大規模言語モデル (LLM) など) を使用して作成する生成 AI はテクノロジーの世界を魅了していますが、リスクとチャンスの両方をもたらします。 一方で、偏見や不正確さのリスクにより、医療分野での使用の倫理に疑問が生じますが、他方で、サービスを大幅に合理化して改善する可能性があることが研究で示唆されています。

Accenture の調査によると、全業界の労働時間の 40% が LLM の影響を受ける可能性があります。 同社は、言語に関連する 200 のタスクを特定し、それらが業界全体にどのように配分されているか (2021 年の米国の雇用レベルに基づく) により、労働時間の配分と潜在的な AI への影響を調査しました。 言語タスクは総作業時間の 62% を占め、そのうち 65% は自動化または LLM によって強化される可能性が高いタスクでした。

特に医療分野では、労働時間の 28% が自動化の可能性が高いタスク (LLM によって変換される可能性があり、人間の作業者の関与を減らす必要があるタスク) として定義されました。 タスクの 11% には、拡張の可能性が高くなります (より多くの人間の関与が必要です)。

では、生成 AI は正確に医療にどのような影響を与えるのでしょうか? 最近の例をいくつか見てみましょう。

Accenture のグローバル医療業界責任者である Rich Birhanzel 氏は、顧客サポートなどの分野と同様、生成 AI の直接的な利点は要約にある可能性があると示唆しています。 彼はHealthcareITNewsに次のように語った。

「看護師や医師がバイタルから治療計画までの情報を記録する代わりに、Gen AI が診察中の会話を聞き、電子医療記録に追加できる概要を作成できます。さらに、このテクノロジーは複雑な医療用語も簡素化することができます。患者が理解でき、あらゆる言語に簡単に翻訳できる要約にまとめられています。」

この種のユースケースのいくつかに対するソリューションはすでに見つかっています。 3 月末、Microsoft の Nuance Communication は、GPT-4 を利用した新しい臨床文書化ツールを発表しました。 Dragon Ambient eXperience (DAX) と呼ばれるこのツールを使用すると、医療従事者は医師と患者の相談を「聞く」だけで臨床文書を自動化できます。

「ニュアンスとマイクロソフトは、医療のデジタル変革を支援するという目標を掲げて提携しました。そして今日、私たちは、過重な負担を抱えている医療提供者向けの AI を活用したソリューションの継続的な進化において、次の一歩を踏み出します」とニュアンスの CEO であるマーク ベンジャミンは記事で説明しました。声明。

Microsoft はまた、電子医療ベンダー Epic との提携により、医療分野における AI 機能を拡張しています。 この提携により、Microsoft は Azure OpenAI Service テクノロジーを Epic の電子医療記録 (EHR) ソフトウェアに追加することになり、同社はこれにより「生産性が向上し、患者ケアが強化され、世界中の医療システムの財務上の健全性が向上する」と述べています。 最初の取り組みの 1 つは、生成 AI を使用してメッセージ応答の草案を自動的に作成することであり、現在、UC San Diego Health、UW Health、Stanford Health Care によって試験導入されています。

製薬会社やヘルスケア会社は、メモを取るなどのタスクを自動化するだけでなく、意思決定や診断などの医療の他の分野でも効率を高めるために生成 AI を実験しています。

最近、Google は最新世代の大規模言語モデル Palm-2 を発表しました。これにより、多言語、推論、コーディング機能が向上しました。 これに加えて、医療業界向けに特別に開発され、医療上の質問に答えるように訓練された AI である Med-Palm 2 も登場しました。 Google によると、Med-Palm 2 は、米国医師免許試験 (USMLE) 形式の質問の MedQA データセットで 85% 以上の精度を達成し、インドの AIIMS および NEET の健康診断の質問で構成される MedMCQA データセットで 72.3% のスコアを獲得しました。

これは、Med-Palm 2 がオリジナル バージョンから改良されていることを意味するが、Google は「医療上の質問に答え、当社の製品の優秀性基準を満たすという点では、まだ大きなギャップがある」と述べ、この技術が実現するまでにはまだ道があることを示唆した。実際の臨床現場に導入されます。 ただし、このツールはGoogle Cloud顧客の選ばれたグループがテストのために利用できる予定で、Googleによれば、これは「このテクノロジーの安全で責任ある有意義な使用方法を調査する際に、ユースケースを調査し、フィードバックを共有するため」だという。

また、新興企業の Glass Health は、臨床医が臨床計画を作成し、患者の症状に基づいて鑑別診断 (DDx) を生成することを支援することを目的として、生成 AI を実装しています。DDx とは、特定の疾患や状態を、同様の症状を示す他の疾患から区別することを意味します。

共同創設者の Paul Dereck 氏によると、わずか 2 日間で 146,000 人が Glass AI を使用して 25,700 件のクエリを送信し、ユーザーは DDx の 84% と臨床計画の出力の 78% を役立つと評価しました。 しかし、Google と同様に、デレック氏も全体的な精度の欠如を強調し、ユーザーは DDx 出力の精度率が 71%、臨床計画の精度率が 68% であると述べました。 したがって、デレック氏は、精度よりも Glass AI の「有用性」に焦点を当てる必要があると付け加え、この種のテクノロジーは単に人間の判断を補助する (そしてそれに寄り添う) ために使用されるべきであると示唆しています。

それでも、AI が最終診断にどれほどの影響を与えるかに関係なく、医療現場では生成 AI を慎重に使用する必要があるという提案があります。 NPRは、MITの学生、マルジー・ガセミ氏による研究を引用しており、AIシステムは、特に人間によって訓練された場合（人間の既存のバイアスを反映するため）、バイアスがかかる可能性があることが判明した。 「それには客観性の輝きがある。『ChatGPTは、この薬を服用すべきではないと言っている。それは私ではない。モデル、アルゴリズムがこの選択をしたのだ』」とガーセミ氏は説明し、この技術が下した決定に対する説明責任に疑問を投げかけた。

生成 AI は、新しい治療法の発見とその発見のスピードの両方の点で、医薬品開発にも影響を与え始めています。

たとえば、トロント大学の研究者は、自然界には存在しない新しいタンパク質を開発するために、生成拡散（DALL-E などの画像作成ツールと同じ技術）を使用した AI システムを開発しました。

「私たちのモデルは画像表現から学習して、まったく新しいタンパク質を非常に高い速度で生成します」とトロント大学のフィリップ M. キム教授は説明します。 「私たちのタンパク質はすべて生物物理学的に本物であるように見えます。これは、細胞内で特定の機能を実行できるように折りたたまれる構造を意味します。」

バイオテクノロジー企業 Insilico Medicine も、疾患の進行に寄与するタンパク質を標的とする新しい分子構造を設計するために生成 AI をどのように使用しているかに関する調査結果を発表しました。 そのために、生成 AI アルゴリズムと医薬化学および計算化学の方法論を接続する機械学習プラットフォームである Chemistry42 を使用しています。 Chemistry42 により、Insilico Medicine は、構造ベースの生成化学アプローチを使用して、がん治療のための CDK8 の小分子阻害剤を発見することも可能になりました。

そのほか、ドイツのバイオテクノロジー企業エボテック社は最近、AIを活用した医薬品開発を加速するために英国に本拠を置くエクスシエンシア社に投資した。 この提携により最近、新しい抗がん分子に関する第 1 相臨床試験が実施され、ネイチャー誌によれば、この分子は Exscientia の「Centaur Chemist」プラットフォームを使用してわずか 8 か月で発見されたとのことです。 従来の創薬プロセスには通常 4 ～ 5 年かかります。

生成 AI のもう 1 つの活用方法は、スマートウォッチやウェアラブルからデータを収集して分析することです。 そうすることで、このテクノロジーは、企業が個々のユーザーのニーズに合わせて調整された健康管理や体重管理の推奨事項など、個別化されたケアを提供するのに役立ちます。

一例として、Zepp Health は最近、既存のスマート ウェアラブルと統合する AI を活用した製品をいくつか発売しました。 たとえば、Zepp Aura は、ユーザーにパーソナライズされた睡眠コーチング、睡眠分析、ユーザーの心拍数に基づいてリアルタイムで調整する AI 生成の睡眠音楽を提供する睡眠とリラクゼーションのプラットフォームです。 Zepp Aura のプレミアム加入者は、睡眠や健康全般に関する質問に答える AI チャット サービスにもアクセスできます。

一方、Zepp のスマートウォッチ ブランド Amazfit も 3 月に、ChatGPT を GTR4 ウォッチに統合し、ユーザーが自然言語を使用して「ChatGenius」の質問をできるようにすると発表しました。

「大規模言語モデル (LLM) と生成 AI テクノロジーを当社のスマート ウェアラブルに適用することで、ユーザーが情報に基づいた意思決定を行い、健康とフィットネスの目標をインテリジェントに達成できるようにします」と Zepp Health の会長兼 CEO の Wang Huang 氏は説明しました。

一般的な健康状態を超えて、メタボリックヘルス企業の January.ai は生成 AI を使用して、血糖値という 1 つの特定の問題に焦点を当てています。 January.ai は、会員が持続血糖モニター (CGM) を装着していない場合でも、さまざまな食品に対する個人の血糖反応を推定および予測し、それによって会員が賢い食品の選択をできるようにします。 共同創設者のヌーシーン・ハシェミ氏は次のように説明した。

「ジャニュアリー AI を使用すると、会員が食べようと考えている食品を入力すると、予測 AI モデルがその食品が血糖値にどのような影響を与えるかを教えてくれます。これは、自分の体に何を摂取しようとしているのかについて、より適切な決定を下すのに役立ちます。ポケットの中に AI 栄養士がいて、スムージーを注文するべきかルッコラサラダを注文すべきか、そしてその後 25 分間散歩したらどうなるかを教えてくれるようなものです。」

これらすべてのユースケースにおいて、治験と専門家が「情報を共有する」ことが重要な役割を果たしているのは明らかであり、偏見、正確さ、プライバシー、全体的な患者体験の可能性について議論が行われるべきです。 しかし、大規模な投資が行われているため、生成 AI とその医療業界への影響に関する議論は今後も続くことになるでしょう。

ヘルスケアおよび製薬業界におけるデジタルの役割の詳細については、当社のセクターハブをご覧ください。

オンライン旅行代理店や新興企業は、依然として多くのレガシー テクノロジーが存在する業界で、旅行計画 (および潜在的には予約) エクスペリエンスを強化するために ChatGPT および Bard と統合しています。