ヘルスケア分野におけるAIの5つの実例

0

の応用と例を紹介します。 ヘルスケアにおける人工知能 hold the promise of affordable ヘルスケア, improved success rates, efficient 臨床試験そして、より良いQOLを実現します。私たちの多くは、AlexaやSiri、あるいは自動運転車といった文脈でAIに親しんでいますが、現在、AIの臨床応用の可能性が少しずつ理解されつつあります。 の影響力が着実に高まっています。 人工知能 ヘルスケア業界の5つの分野を見てみると、次のようなことがわかります。

ヘルスケアにおける人工知能の事例をご紹介します。

1)人工知能による "健康維持 "の支援

ヘルスケア分野における人工知能の応用として、消費者に直接影響を与える可能性があるのは、人々の健康維持をサポートする能力です。の台頭により 医療機器のインターネット化 (IoMT) in consumer health applications, this application is growing in leaps and bounds in the last decade. Healthcare apps encourage healthy behavior among individuals. With mainstream companies like Apple now making tracking cardiac health, fall detection and emergency SOS major products of their portfolio, it looks like IoMT is here to stay. A report by Allied Market Research says that the IoTヘルスケア市場は$136.8億円に達する を2021年までに全世界で発売します。 で、2015年から2021年の間にCAGR 12.5%で推移しています。

2)AI支援ロボット手術

実践面では、まだ黎明期ではありますが、AIは手術のパフォーマンスを向上させるのに役立ちます。一般的に、手術の結果、特に新しい手術や複雑な手術の結果は、外科医の技量によって変化することがあります。AIを活用することで、このようなケースバイケースのばらつきを抑え、さらには優秀な外科医の効率を向上させることができます。例えば、AIで制御されたロボットは、関節を3次元的に拡大し、より精密で小型化されたパフォーマンスを提供することができます。AIを搭載したロボットは、精密な切断や縫合などの基本的な行為を行うことができます。 2017年、私たちは、外科医が AI支援ロボットによる縫合 オランダのマーストリヒト大学医療センターでは、0.03~0.08mmという非常に細い血管を使用しています。

もちろん、ロボットの縫合をコントロールするのは外科医です。外科手術には、ちょっとした複雑な作業が数多くあり、それにはニュアンスのある外科医のスキルが絶対に必要です。外科医や看護師の代わりにロボットが活躍するようなAIのユートピアが実現するには、まだまだ長い道のりがあります。しかし、今のところ、ロボットは結果のばらつきを抑えることができる優れた助っ人です。

3) 臨床的判断または診断

AIは、がんや網膜症などの病気の早期発見を可能にし、すでに改善されています。マンモグラフィーの分析やレビューにAIを使用したり ラジオロジー の画像は、プロセスを最大30倍に高速化し、99%の精度を実現します。 2017年には スタンフォード大学 published a study describing successful use of AI algorithms to detect skin cancer against the diagnosis of 21 dermatologists. 今年は、Googleの DeepMind の技術は、英国ロンドンのムーアフィールズ眼科病院との共同研究において、3D網膜スキャンを解析することで、50種類以上の眼疾患を検出するニューラルネットワークの学習に成功しました。この研究の最大の進歩は、コンピュータがどのようにしていくつかの解釈を導き出したかを説明できることです。これまでのデータ解釈や推論のブラックボックスを克服したことで、このアプリケーションの信頼性と信用性が強化されました。

何よりも重要なのは、AIアルゴリズムの力と医師の力を組み合わせることのメリットを認め、強調することです。 International Symposium on Biomedical Imagingでは、生検画像から転移性乳がんを検出するようプログラムされた計算システムのコンペティションが行われました。 勝利したプログラムは92.5%の成功率で診断を下しましたが、人間の病理学者の意見や専門知識と組み合わせることで、99.5%の成功率になりました。

4)プレシジョン・メディシン

One of the most valuable examples of artificial intelligence in healthcare is precision medicine, which is currently touted as the paradigm-shifting healthcare practice. The foundation of precision medicine relies on the copious amounts of data collected from many disruptive technological innovations, including health sensors patients use at home, cheap genome sequencing and advanced バイオテクノロジー. Precision medicine refers to “tailoring of medical treatment to the individual characteristics of each patient”. Medical practices are now rapidly shifting from making decisions based on few seemingly overlapping features among patients, to adopting a more personalized format.

Precision medicine depends on advanced supercomputing algorithms with deep learning and thus, uses the cognitive capabilities of physicians at a new scale. In this day and age of easy access to genomic data, one of the challenges is to plough through to identify genetic variants that increase disease risk. インテルは、米国カリフォルニア州スクリプス研究所と共同で、従来の統計的手法では特定できなかった心血管疾患のリスクが高まった23人の患者を、85%の精度で検出できる深層学習アルゴリズムを開発しました。 IBM Watson そして Google DeepMind は、医療記録のマイニングのリーダー的存在であり、最終的には、様々な臨床知識、分析・推論能力を備えた「コグニティブ・アシスタント」を作ることを目的としています。

5)創薬

現在の臨床試験の形式では、数十年の研究期間と数十億円の費用がかかります。 カリフォルニア生物医学研究協会によると、「前臨床試験を開始した薬のうち、ヒトへの投与が可能になるのは5,000分の5であり、そのうちヒトへの使用が承認されるのはわずか1つである」という。 The use of AI in drug discovery can help pharmaceutical companies to streamline drug discovery as well as, drug repurposing. Many pharma giants, including Pfizer, Sanofi and Genetech are now partnering with AI service providers- IBM Watson, Exscientia’s artificial-intelligence and GNS Healthcare, respectively, to drive their オンコロジー drug discovery programs. AI can pinpoint to previously unknown causes of various diseases, and, enable testing of more compounds with higher accuracy and reproducibility. Using AI for drug discovery would enable us to get rid of the traditional trial and error approach and embrace a more patient-driven biology via using more data-derived predictive hypotheses. Atomwise, a 医薬品開発 company used AI to analyze if existing medicines could be redesigned to target the Ebola virus in 2016. An analysis that would have normally taken months or years by the conventional means, was instead accomplished in a single day, resulting in two potential hits. While, the in silico 現代の医薬品の研究開発(R&D)では、モデリング技術の重要性が増していますが、標準的な製薬業界のR&Dの生産性を置き換えるにはほど遠い状況です。

上記のような事例は、AIの活用としては「クール」な部類に入りますが、その裏で注目されていないのが、AIによる事務作業の支援であり、その価値は以下のように推定されています。 $18億円.AIは、データの収集、記録、長期保存という医師や看護師のルーチンワークを助けることができる管理業務の自動化を動員しています。 医師の仕事の反復的な部分を取り除くことで、AIは介護者が定期的に患者のために利用できるように支援するかもしれません。

倫理的配慮

医療分野での人工知能の導入には、データのプライバシー問題やAIの倫理的な利用という裏返しの側面があります。AIを取り巻く倫理的な懸念には、以下のような疑問がありますが、これらに限定されるものではありません。

  • 機械のエラーがケアの不始末につながる場合、誰が責任を負うのでしょうか?
  • AIの学習に使用するデータに既存のバイアス(患者のサブグループが過小または過大)があると、診断や分析のバイアスを排除するのではなく、強化してしまうのではないか?
  • AIが自分の治療にどの程度の役割を果たしているか、患者は知らされるだろうか?
  • AIは、患者が医療従事者に相談せず、自己診断や投薬に耽ることを推奨するのでしょうか?
  • 医療従事者は、AIによって権威や自律性が失われる可能性があることに脅威を感じるのではないか?その結果、彼らの医療行為に影響を与えることになるのでしょうか?

これらは、ヘルスケアにおける人工知能の例でした。明らかに、これからのテクノロジーであるAIは、慎重に対処しなければならない綱渡りのようなものです。倫理面やデータプライバシーの観点から、責任を持って利用すれば、AIは医療業界のあり方をかつてないほど変革する可能性を秘めています。そのためには、現在の医療従事者にAIの使い方を教えることが重要です。AIは現在、誇大広告に包まれたバズワードのようなものなので、惑わされないためには、何が実際に役立ち、何が役に立たないのかを理解することが重要なのです。 人工知能は、医療分野における人間の関与をなくすにはほど遠いものですが、この分野で人工知能の教育を受け、人工知能を受け入れることができる実務者に有利な仕事を覆すことは間違いありません。

 

———————-
Need to consult an Artificial Intelligence expert? Hire from over 16,000 フリーランスの科学者 on Kolabtree. It’s free to post your project and get quotes from experts.


Kolabtree helps businesses worldwide hire freelance scientists and industry experts on demand. Our freelancers have helped companies publish research papers, develop products, analyze data, and more. It only takes a minute to tell us what you need done and get quotes from experts for free.


Unlock Corporate Benefits

• Secure Payment Assistance
• Onboarding Support
• Dedicated Account Manager

Sign up with your professional email to avail special advances offered against purchase orders, seamless multi-channel payments, and extended support for agreements.


READ ALSO  ヘルスケアにおけるAI。3大メリットと応用例
共有しています。

著者について

Maya Raghunandanは、米国ミネソタ大学ツインシティ校で生化学・分子生物学の博士号を取得しました。現在、ベルギーのブリュッセルにあるルーバン・カトリック大学でがん生物学の研究者として活躍しています。余暇には、専門用語を使わないブログ(http://www.sciencesnippets.org/)で、クールな科学の発見について書いています。なぜなら、科学は複雑に聞こえる必要はないからです。むしろ、誰もが理解できるものでなければなりません。

返信を残す