WHOによると、2020年には新たに1,930万件のがんが発症し、この件数は毎年2,750万件増加すると予測されています。
この病気は治癒可能ですが、治療には費用がかかることがあります。世界経済フォーラムのヘルスケア担当リード、ルマ・バルガヴァ博士が述べています。
インドでは、治療の基本費用が世帯の80～85％超の年間所得を上回ります。
AIと機械学習は、がんの早期診断、個別化治療、医薬品開発において重要な役割を果たす助けとなります。
がん、いわゆる「ビッグC」は、早期に診断され、医療費を無理なく負担できるなら、慢性疾患でありながら治癒可能です。WHOのGLOBOCAN報告書によると、2020年には新たに1,930万件のがんが診断され、この数は毎年2,750万件増加する可能性があります。インドでは2025年までにがん症例数が12％増加し、疾病負担がさらに156万件増えると予測されていると、ICMRは報告しています。
これは警鐘を鳴らす状況です。医療制度は過重な負担を抱え、脆弱だからです。パンデミックは、新たな感染症や新興感染症が発生すると、医療制度による慢性疾患への対応が後回しになり得ることを、さらに浮き彫りにしました。インド保健管理研究所の報告書によると、インドの腫瘍専門医は現在1,250人を超える程度で、推定必要数の5,000人に届いていません。大規模検診に必要な訓練を受けた人員とインフラが不足していることも、対応の遅れを示しています。インドには、がん患者を受け入れる専門病院が約27施設あるほか、一般病院または複数診療科を備えた病院が約300施設あります。インドに設置されているマンモグラフィー装置は推定2,700台で、米国の5％未満に相当します。がん治療の莫大な費用も問題をさらに深刻にしています。治療の基本費用はおよそ30万～40万ルピーで、世帯の80～85％超の年間所得を上回ることもあります。
ここで人工知能（AI）や機械学習（ML）などの新興技術が重要な役割を果たせます。治療中に生成される大量のデータを活用し、臨床現場で具体的に役立つ成果につなげられるためです。
AIががん対策に役立つ主な分野は3つあります。第一に、AIは画像解析を通じて早期診断を可能にします。この進歩を後押ししたのが、画像からピクセル単位の情報を分析できる畳み込みニューラルネットワーク（CNN）の開発です。臨床写真、放射線画像、デジタル病理がその対象となります。初期の研究論文の一部によると、13万枚の皮膚画像で学習したCNNは、皮膚の悪性病変を、専門医認定を受けた皮膚科医21人のパネルより高い感度と特異度で分類できました。
第二に、AIとMLは、患者の電子健康記録、センサーやウェアラブル機器から得られるデータを活用し、個別化された治療や医薬品に役立てることができます。病歴と腫瘍の特徴を用いることで、AIは患者に複数の治療選択肢を提示できる可能性があります。AIに基づく自然言語処理技術は、医療制度全体で病気の発症を予測する可能性を示しています。注目すべき例として、マウントサイナイの研究グループによる、電子健康記録をモデル化した深層学習（DL）ベースのAIアルゴリズムがあります。このアルゴリズムは、前立腺がん、直腸がん、肝がんを含むさまざまな疾患の発症を、全体で93％の精度で予測できました。近い将来、AIが大規模なデータセットを分析し、患者一人ひとりの治療への反応を検出できるようになると期待されます。
第三に、AIは医薬品開発に活用できます。創薬には複数の段階があり、AIはタンパク質構造の設計、標的の妥当性確認、治験の管理を通じて、新薬の創出に役立てることができます。AIの導入により、医薬品の費用が低下するだけでなく、現在は最長10～15年かかる創薬プロセスも強化されると期待されています。
AIは医療を大きく変える存在になろうとしています。AIの力を活用し、現場に変化をもたらしている新興企業や産業がいくつもあります。臨床医であり公衆衛生の専門家でもある私は、テクノロジーの活用は常に医療従事者の能力を補い、強化するものであり、医療従事者に取って代わるものではないと強く考えています。それは決して可能ではありません。AIは単に病気を診断するツールではなく、大量のデータを活用して臨床上の意思決定をより良く支援するものと捉えるべきです。
しかし、腫瘍医療でこの技術を活用するには、コンピューターサイエンスと医学にまたがる協働的かつ学際的な取り組みが必要です。この協働には、複数の産業が大量のアノテーション付きデータへ公平にアクセスし、機械学習アルゴリズムを偏りなく訓練することが含まれます。
どのような技術の利用にも、警戒と説明責任が求められます。そのため、拡張性、倫理的・法的な考慮事項、有効性など、AIをめぐる課題に対処する必要があります。生成されるデータを標準化し、匿名化することが不可欠です。そのほかの障壁には、妥当性確認と汎用性の実証、解釈をめぐる懸念、臨床の専門家とデータサイエンスの専門家との知識格差の拡大があります。
しかし、資源が限られ、不平等が拡大する世界で前進するには、広く人々に手頃で利用しやすく、質の高い医療を提供できる、技術を巧みに活用した解決策が必要です。AIとMLは、質の高い医療を受けにくい人々の疾病負担を軽減するうえで中心的な役割を果たし、人間中心の設計を用いたAI支援技術を起業家が開発するための土台となります。
