AIを活用した医療ソリューションは、その効果と信頼性が実証されている一方で、医療機関はAIへの投資から望ましい価値を得るのに苦労しています。
最も有望なユースケースは、慢性疾患の早期診断とリスク層別化ですが、AIには創薬や医療システムの運営に革命をもたらす可能性もあります。
世界の健康に対するAIの影響は、3つの推進要因に左右されます。それは、利用可能で代表性のあるデータ、信頼できる設計、そして拡張性です。
GPSが登場する以前、ドライバーは控えめな紙の地図に頼っていました。GPSがすべてを変えました。この技術は完璧ではなく、新しい道路、一時的な通行止め、交通状況を把握できていませんでした。それでも、現状より優れていたため採用されました。時折起こる不具合は世界で最も深刻な問題ではなく、人々は衛星を利用した電波航法を完全に理解していなかったかもしれませんが、理解する必要もありませんでした。
しかし、自動運転技術は、その複雑さ、生死に関わるリスク、そしてあらゆる場所とあらゆる状況で機能する必要性を考えると、険しい道のりに直面しています。医療におけるAIは自動運転車に似ており、アルゴリズムの構築に用いられるデータや前提条件が不透明であること、アルゴリズムの不手際がもたらす結果が深刻であること、そして医療を変革するには、ソリューションを大規模に展開できなければならないという点で共通しています。
医療におけるAIイノベーションを推進する3つのメガトレンド
AIイノベーションと世界の健康へのAIの影響を推進している、3つの大きな変化があります。第一に、データの奔流です。1950年における医学知識の倍増期間は50年でしたが、2020年には73日になりました。米国、欧州、アジアの医師1,000人を対象に実施した調査では、その大多数が次のように答えました。患者データの量に圧倒されていると回答しています。技術がなければ、人間はもはや対応しきれません。
第二に、新たな課題があります。COVID-19は既存の医療上の問題を悪化させ、すでに深刻だった医師不足をさらに深刻化させ、多くの病院の経営基盤を揺るがしました。医療提供者が少ない資源でより多くのことを行えるようにするため、技術の活用が不可欠です。さもなければ、患者が苦しむことになります。第三に、技術のルネサンスがあります。例えば、ChatGPTや、ディープラーニングが治療法を求めて宇宙の謎を解き明かすことなどを見てください。
医療AIの現状：大きな可能性はあるものの、規模は不十分
バイオ医薬品、ヘルステック、政府、学術機関、非政府組織の幅広い分野から約50名の上級幹部にインタビューを行い、AIアプリケーションの現状、導入に対する障壁、そして幅広い利用を加速させる方法を探りました。幹部の98%がAI戦略を既に策定しているか、策定を計画していると回答している一方で、AIプロジェクトの最大92%が、期待される価値をもたらせていません。インタビューによると、人々は短期的にはAIを過大評価し、長期的には過小評価しています。
最も有望なユースケースは、データ主導の診断とリスク層別化です。AIは低コストで、迅速かつ拡張性が高いためです。例えば、膵臓がんの最も一般的な形態は、5年生存率が10%未満であるとされています。しかし、早期発見が行われた場合には、その生存率は50%になります。一方、Cedars Sinai の研究者は、従来の診断より最大3年早く疾患を検出できるAI画像診断ツールを開発しました。その精度は86%です。これは、多くの早期診断がもたらす累積的な利点が、時折生じる偽陽性の問題を上回るため、影響力が大きいといえます。
興味深いことに、医師のおよそ5人に3人近くが、AI技術が最も役立つと考えています慢性疾患の解決において。これらは米国の医療支出全体の75%を占めています。インドで最大規模の病院グループの一つであるApollo Hospitalsは、心疾患の早期発見のためのアルゴリズムを開発しました。このアルゴリズムは、ベンチマークとなっているフラミンガム・リスク・スコアを上回る性能を示しています。現在、アルゴリズムは、糖尿病、喘息さらにはうつ病の早期診断にも活用されています。
ZSは、現在の医療におけるAIの状況を把握するため、400件のユースケースを評価しました。患者への直接的な影響は早期診断とリスク層別化において最も大きい一方で、AIは新たな治療法の開発や医療システムの運用改善にも活用されています。医療システムの価値向上という分野では、例えばBlueDotとMetabiotaが、健康、移動、気候パターンにまたがるサーベイランス・プラットフォームを使用し、パンデミックの拡大に関する驚くほど正確な予測を通じて、医療システムの意思決定を改善しています。さらに、医薬品開発においては、H1やMedableといった企業が、AIを用いて、より多様で効率的な臨床試験を実施することで、健康の公平性を推進し、治療法の実現までの速度を加速させています。
医療におけるAI導入を加速させる3つの推進要因
これらのイノベーションは人間の創意工夫の頂点を示すものですが、道路の整備をおろそかにしたまま、医療のフェラーリを造ってはなりません。導入を加速させ、すべての人がその恩恵を受けられるようにするため、次の取り組みを進める必要があります。
1. 利用可能で代表性のあるデータ
利用可能で代表性のあるデータが必要です。そうでなければ、質の悪いデータは質の悪いアルゴリズムを生み出すことになります。幸いなことに、最も差し迫ったデータ上の課題を解決する機会は存在します。例えば、フェデレーテッドラーニングは、偏りのあるデータセットを解決し、プライバシーへの懸念を和らげるために分析モデルを訓練することができ、一方、データコンソーシアムは、国境を越えたデータセキュリティ、患者のプライバシー、相互運用性における差異を解消するのに役立ちます。
2. 信頼できる設計
最良のAIは、人間が生来持つ能力に自然に寄り添うものですが、その基準を満たさないことが非常に多いのです。そのため、 米国の医師のほぼ半数が、AIを信頼していないと答えているのも無理はありません。ZSは、AIに対する信頼のギャップを埋めるための3つの原則を特定しました。AIは次の3点に基づいて展開されなければなりません。（1）責任を持って、アルゴリズムの偏りの排除に配慮すること。（2）透明性を持って、AIにできること、できないことに関して明らかにすること。（3）適切に、そのメリットが、たまに見られる「誤り」、例えば不要な検査をオーダーしてしまうといった問題がもたらす結果を上回るように運用すること。
3. シームレスで拡張可能な応用
AIは大規模な効率化を生み出すことで、医師を反復的な作業から解放し、人間がAIよりも上手に行える業務に専念させることができます。 しかし、受け入れられるためには、AIは既存のワークフローにシームレスに統合されなければなりません。そのためには、作業をより容易にするか、退屈さを軽減するか、あるいは人間がまだ行っていないことを実現する必要があります。 また、AIイノベーションを一部の高所得国に閉じ込めておくことはできません。データインフラが発展途上である一方で、既存の有力企業による妨げが少ない低中所得国にも普及させるため、国境を越えた多国間パートナーシップを構築する必要があります。
AIの転換点
ある製薬業界の幹部は、印象的な言葉でこう表現しました。「医療分野では、商業航空会社よりも多くのパイロット事業があります」。実際、インタビューしたすべての人が、どのイノベーションを追求するかについて、はるかに意図的であるべきだという点で一致しました。ニッチな課題に対する巧妙なAIソリューションは追求すべきではありません。大規模に迅速に展開できる、高い効果をもたらすAIイノベーションを生み出すプロセスを産業化しようではありませんか。
メイヨークリニックは2021年、「AIファクトリー」を立ち上げ、専門知識と非特定化されたデータセットへのアクセスを通じて、AIを活用した医療イノベーションの検証と拡大を図っています。Andreessen Horowitzは、米国の地方の病院と提携し、AIを含む初期段階のイノベーションを検証しています。これらの事例は、もしGPSのように、AIの導入を極めて容易にし、その価値を自明のものにできれば、AIは人類の最も根深い課題を解決する鍵を握っているという認識を共有しています。
この力を引き出すには、従来は連携していなかった（あるいは利害が対立していた）関係者同士による、官民および国際的な継続的協力が必要です。私たちの未来はそこにかかっています。
