人工知能はヘルスケア分野の変革力となることが期待されています。では、医師と患者は AI 駆動ツールの影響からどのような恩恵を受けるのでしょうか?
今日の医療業界は非常に成熟しており、大きな変化を起こす可能性があります。慢性疾患やがんから放射線学やリスク評価に至るまで、ヘルスケア業界にはテクノロジーを利用して患者ケアにおいてより正確で効率的かつ効果的な介入を展開する機会が無数にあるようです。
テクノロジーの発展に伴い、患者が医師に求める要求はますます高くなり、利用可能なデータの数は驚くべき速度で増加し続けています。人工知能は医療の継続的改善を推進するエンジンとなるでしょう。
従来の分析や臨床意思決定テクノロジーと比較して、人工知能には多くの利点があります。学習アルゴリズムがトレーニング データと相互作用すると、アルゴリズムの精度がさらに高まり、医師は診断、看護プロセス、治療のばらつき、患者の転帰について前例のない洞察を得ることができます。
Partners Healthcare が開催した 2018 年世界人工知能医療イノベーション フォーラム (wmif) では、医療研究者と臨床専門家が、次の人工知能の導入に大きな影響を与える可能性が最も高い医療業界の技術と分野について詳しく説明しました。十年。
2018年wmifのCO議長であるアン・キブランクシ医学博士と、パートナーズ・ヘルスケアの学術最高責任者であるグレッグ・マイヤー医学博士は、あらゆる業界分野にもたらされるこの種の「破壊」は患者に多大な利益をもたらす可能性があり、広範な影響を与えると述べた。ビジネスの成功の可能性。
ハーバード大学医学部 (HMS) 教授のキース・ドライヤー博士、パートナーの最高データサイエンス責任者、マサチューセッツ総合病院 (MGH) 研究戦略および運営部長のキャサリン・アンドレオール博士など、パートナー医療機関の専門家の支援を得て、AIが医療サービスと科学に革命をもたらす12の方法を提案しました。
1.ブレインコンピュータインターフェースを介して思考と機械を統合する
コンピュータを使用してコミュニケーションすることは新しいアイデアではありませんが、キーボード、マウス、ディスプレイを使用せずにテクノロジーと人間の思考の間の直接的なインターフェイスを作成することは最先端の研究分野であり、一部の患者にとって重要な応用例です。
神経系の病気や外傷により、一部の患者は意味のある会話、動き、他者や環境との交流ができなくなることがあります。人工知能によってサポートされるブレイン コンピューター インターフェイス (BCI) は、これらの機能を永久に失うことを心配する患者に、これらの基本的な経験を復元することができます。
「神経科集中治療室で、行動や会話の能力を突然失った患者を見かけたら、翌日にはコミュニケーション能力を回復したいと願っています」と、神経工学・神経リハビリテーションセンター所長のリー・ホッホバーグ医師は語った。マサチューセッツ総合病院 (MGH)。ブレイン コンピュータ インターフェイス (BCI) と人工知能を使用することで、手の動きに関連する神経を活性化することができ、患者に活動全体を通じて少なくとも 5 回は他者とコミュニケーションさせることができるはずです。タブレットコンピュータや携帯電話など。」
ブレイン コンピューター インターフェイスは、筋萎縮性側索硬化症 (ALS)、脳卒中、または閉鎖症候群の患者だけでなく、世界中で毎年 50 万人の脊髄損傷患者の生活の質を大幅に向上させることができます。
2.次世代放射線照射装置の開発
磁気共鳴画像法 (MRI)、CT スキャナー、および X 線によって取得された放射線画像は、人体の内部を非侵襲的に可視化します。しかし、多くの診断手順は依然として生検によって得られた物理的な組織サンプルに依存しているため、感染のリスクがあります。
専門家らは、場合によっては、人工知能により、次世代の放射線科ツールが生体組織サンプルの需要に取って代わるほど正確で詳細なものになるだろうと予測しています。
ブリガムウィメンズ病院（BWh）の画像誘導神経外科部長、アレクサンドラ・ゴルビー医学博士は、「画像診断チームを外科医やインターベンショナル放射線科医、病理学者と連携させたいと考えているが、異なるチームが連携を図るのは大きな課題である」と述べた。 「目標の一貫性。組織サンプルから現在入手可能な情報を放射線医学に提供してもらいたい場合は、特定のピクセルの基本的な事実を知るために非常に近い基準を達成できなければなりません。」
このプロセスが成功すれば、臨床医は悪性腫瘍の属性の一部に基づいて治療法を決定するのではなく、腫瘍の全体的なパフォーマンスをより正確に理解できるようになる可能性があります。
AI はがんの浸潤性をより適切に定義し、治療目標をより適切に決定することもできます。さらに、人工知能は「仮想生検」の実現と、画像ベースのアルゴリズムを使用して腫瘍の表現型および遺伝的特徴を特徴付けることに取り組んでいる放射線医学分野の革新を促進するのに役立っています。
3.医療サービスが十分に受けられていない地域や発展途上地域における医療サービスの拡充
発展途上国では超音波技師や放射線科医など訓練を受けた医療従事者が不足しているため、患者の命を救うために医療サービスを利用できる可能性は大幅に減少します。
会合では、有名なロングウッド・アベニューのあるボストンの6つの病院に勤務する放射線科医の数が、西アフリカのすべての病院よりも多いと指摘した。
人工知能は、通常人間に割り当てられている診断責任の一部を引き継ぐことで、臨床医の重大な不足の影響を軽減するのに役立ちます。
たとえば、AI 画像ツールは胸部 X 線を使用して、通常は医師と同じ精度で結核の症状を検査できます。この機能は、資源の乏しい地域の医療提供者向けのアプリケーションを通じて導入できるため、経験豊富な放射線診断医の必要性が軽減されます。
「この技術には医療を改善する大きな可能性があります」とマサチューセッツ総合病院（MGH）の神経科学助手兼放射線科准教授のjayashree kalpathy Cramer博士は述べた。
ただし、AI アルゴリズムの開発者は、国籍や地域が異なる人々には特有の生理学的要因や環境要因があり、それが病気のパフォーマンスに影響を与える可能性があるという事実を慎重に考慮する必要があります。
「たとえば、インドで病気に罹患している人口は米国の人口とは大きく異なる可能性があります」と彼女は言う。これらのアルゴリズムを開発する場合、データが疾患の症状と集団の多様性を確実に表すことが非常に重要です。私たちは、単一の母集団に基づいてアルゴリズムを開発できるだけでなく、他の母集団でも役割を果たすことができることを期待しています。」
4.電子カルテの利用負担の軽減
電子医療記録 (her) は、医療業界のデジタル化において重要な役割を果たしてきましたが、この変革は、認知過負荷、無限の文書、ユーザーの疲労に関連する多くの問題を引き起こしました。
電子医療記録 (彼女) の開発者は現在、人工知能を使用して、より直観的なインターフェイスを作成し、ユーザーに多くの時間を要するルーチンを自動化しています。
ブリガム・ヘルス社の副社長兼最高情報責任者であるアダム・ランドマン博士は、ユーザーは臨床文書作成、注文入力、受信箱の整理という3つの作業にほとんどの時間を費やしていると述べた。音声認識とディクテーションは臨床文書処理の改善に役立ちますが、自然言語処理 (NLP) ツールでは十分ではない可能性があります。
「警察がカメラを装着しているのと同じように、臨床治療にビデオ録画を使用するなど、より大胆にいくつかの変更を検討する必要があるのではないかと思います」とランドマン氏は述べた。人工知能と機械学習を使用して、将来の検索のためにこれらのビデオにインデックスを付けることができます。自宅で人工知能アシスタントを使用する Siri や Alexa と同じように、将来的には仮想アシスタントが患者のベッドサイドに導入され、臨床医が組み込み知能を使用して医療オーダーを入力できるようになります。」
AI は、医薬品の補充や結果の通知など、受信箱からの日常的なリクエストの処理にも役立ちます。また、臨床医の注意が本当に必要なタスクに優先順位を付けることができ、患者がやるべきことリストを処理しやすくなる可能性があるとランドマン氏は付け加えた。
5.抗生物質耐性のリスク
抗生物質耐性は人間にとってますます脅威となっています。これらの重要な薬剤の過剰使用は、もはや治療に反応しない超細菌の進化につながる可能性があるためです。多剤耐性菌は病院環境に深刻な被害をもたらし、毎年数万人の患者を死亡させる可能性があります。クロストリジウム・ディフィシルだけでも、米国の医療制度に年間約 50 億ドルの費用がかかり、30,000 人以上が死亡しています。
EHR データは、感染パターンを特定し、患者が症状を示し始める前にリスクを強調するのに役立ちます。機械学習および人工知能ツールを使用してこれらの分析を推進すると、分析の精度が向上し、医療提供者向けにより迅速かつ正確なアラートを作成できます。
「人工知能ツールは、感染制御と抗生物質耐性に対する期待に応えることができます」とマサチューセッツ総合病院（MGH）の感染制御副部長エリカ・シェノイ博士は述べた。そうしないと、誰もが失敗します。病院は大量の EHR データを持っているため、それらを最大限に活用しなければ、臨床試験設計においてよりスマートかつ迅速な産業を創出しなければ、またこれらのデータを作成する EHR を使用しなければ、彼らは失敗に直面するでしょう。」
6.病理画像のより正確な解析を作成する
ブリガムウィメンズ病院 (BWh) の病理学部長であり、HMS の病理学教授でもあるジェフリー ゴールデン博士は、病理学者はあらゆる種類の医療サービス提供者に診断データの最も重要な情報源の 1 つを提供していると述べました。
同氏は、「医療上の意思決定の70％は病理学的結果に基づいており、EHRの全データの70％から75％は病理学的結果に基づいている」と述べた。そして、結果が正確であればあるほど、正しい診断がより早く下されることになります。これは、デジタルパソロジーと人工知能が達成できる可能性のある目標です。」
大きなデジタル画像をピクセルレベルで詳細に分析することで、医師は人間の目からは見えない微妙な違いを認識できるようになります。
「我々は現在、がんの進行が急速か遅いかをより適切に評価できる段階に来ており、臨床段階や病理組織学的等級付けではなく、アルゴリズムに基づいて患者の治療を変更する方法を検討できるようになった」とゴールデン氏は述べた。それは大きな前進となるでしょう。」
同氏はさらに、「AI は、臨床医がデータを確認する前にスライド内の関心のある特徴を特定することで生産性を向上させることもできます。AI はスライドをフィルタリングして、適切なコンテンツが表示されるように誘導し、何が重要で何が重要でないかを評価できるようにします。これにより、生産性が向上します」と付け加えました。病理医の活用が効率化し、各症例の研究の価値が高まります。」
医療機器や機械にインテリジェンスをもたらす
スマート デバイスは消費者環境を引き継ぎ、冷蔵庫内のリアルタイム ビデオからドライバーの注意散漫を検出する自動車に至るまで、さまざまなデバイスを提供しています。
医療環境では、ICU などで患者を監視するためにインテリジェント デバイスが不可欠です。敗血症が進行していることを示すなど、状態の悪化を特定する能力や合併症の認識を強化するために人工知能を使用すると、結果が大幅に改善され、治療費が削減される可能性があります。
「医療システム全体でさまざまなデータを統合することについて話すとき、私たちは統合してICUの医師にできるだけ早く介入するよう警告する必要があります。これらのデータの集約は人間の医師が行うことは良いことではありません」とマーク・ミハルスキー氏は述べた。 、BWh の臨床データ サイエンス センターのエグゼクティブ ディレクター。これらのデバイスにスマート アルゴリズムを組み込むことで、医師の認知的負担が軽減され、患者が可能な限り迅速に治療されることが保証されます。」
8.がん治療における免疫療法の推進
免疫療法は、がんを治療する最も有望な方法の 1 つです。身体自身の免疫系を利用して悪性腫瘍を攻撃することで、患者は頑固な腫瘍を克服できる可能性があります。しかし、現在の免疫療法レジメンに反応する患者は少数であり、腫瘍学者はどの患者がこのレジメンから恩恵を受けるかを判断する正確で信頼できる方法をまだ持っていません。
機械学習アルゴリズムと、非常に複雑なデータセットを合成するその能力により、個人の固有の遺伝子構成を解明し、標的療法に新しい選択肢を提供できる可能性があります。
「最近、最も興味深い開発は、特定の免疫細胞によって生成されるタンパク質をブロックするチェックポイント阻害剤です」と、マサチューセッツ総合病院 (MGH) 総合診断センターの計算病理および技術開発ディレクターであるロング・リー博士は説明します。しかし、私たちはまだすべての問題を理解しているわけではなく、非常に複雑です。より多くの患者データが間違いなく必要です。これらの治療法は比較的新しいため、実際に治療を受ける患者さんは多くありません。したがって、組織内でデータを統合する必要があるか、複数の組織間でデータを統合する必要があるかに関係なく、モデル化プロセスを推進する患者数を増やすための重要な要素となります。」
9.電子医療記録を信頼できるリスク予測因子に変える
電子医療記録 (her) は患者データの宝ですが、医療提供者や開発者にとって、大量の情報を正確、タイムリー、信頼性の高い方法で抽出して分析することは常に課題となっています。
データの品質と完全性の問題に、データ形式の混乱、構造化および非構造化入力、不完全な記録が加わり、有意義なリスク層別化、予測分析、臨床意思決定支援を実行する方法を人々が正確に理解することが困難になっています。
ブリガムウィメンズ病院 (BWh) の救急医学助教授でハーバード大学医学部 (HMS) の助教授であるジアド・オバマイヤー博士は、「データを 1 か所に統合するには、いくつかの大変な作業が必要です。しかし、もう 1 つの問題は、それを理解することです」と述べています。電子医療記録 (彼女) で病気を予測すると、人々は何を得ることができますか? 人々は、人工知能アルゴリズムがうつ病や脳卒中を予測できると聞いているかもしれませんが、実際には脳卒中のコストの増加を予測していることに気付きます。それ自体をストロークします。」
同氏はさらに、「MRIの結果に頼ることで、より具体的なデータセットが得られるようだ。しかし今、誰がMRIを買う余裕があるのかを考えなければならない。したがって、最終的な予測は期待された結果ではない。」と続けた。
NMR 分析は、特に研究者が深層学習技術を使用して、一見無関係なデータセット間の新しいつながりを特定する場合に、多くの成功したリスクスコアリングおよび層別化ツールを生み出してきました。
しかし、オバマイヤー氏は、臨床ケアを真に改善できるツールを導入するには、これらのアルゴリズムがデータに隠れたバイアスを特定しないようにすることが重要であると考えています。
「最大の課題は、ブラックボックスを開けて予測方法を検討する前に、予測した内容を正確に知っているかどうかを確認することです」と同氏は述べた。
10.ウェアラブルデバイスや個人用デバイスによる健康状態のモニタリング
ほぼすべての消費者がセンサーを使用して健康価値に関するデータを収集できるようになりました。歩数追跡機能を備えたスマートフォンから、心拍数を一日中追跡するウェアラブル デバイスに至るまで、いつでもより多くの健康関連データが生成される可能性があります。
これらのデータを収集および分析し、アプリケーションやその他の家庭用監視デバイスを通じて患者から提供された情報を補足することで、個人および集団の健康について独自の視点を提供できます。
AI は、この大規模で多様なデータベースから実用的な洞察を抽出する上で重要な役割を果たします。
しかし、ブリガム女性病院（BWh）の神経外科医であり、計算神経科学結果センターのCOディレクターであるオマール・アーナウト博士は、患者がこの親密で継続的なモニタリングデータに適応できるよう支援するには追加の作業が必要になる可能性があると述べた。
「以前はデジタルデータをかなり自由に処理できました」と彼は言う。しかし、ケンブリッジ・アナリティクスやフェイスブックでデータ漏洩が発生するにつれ、人々は誰にどのようなデータを共有するかについてますます慎重になるだろう。」
患者はフェイスブックのような大企業よりも医師を信頼する傾向があり、それが大規模な研究プログラムにデータを提供する不快感を軽減するのに役立つ可能性があると同氏は付け加えた。
「人々の注意は非常に偶然であり、収集されるデータは非常に大まかなものであるため、ウェアラブルデータは重大な影響を与える可能性が高い」とアーナウト氏は述べた。詳細なデータを継続的に収集することで、データは医師による患者のケアの向上に役立つ可能性が高くなります。」
11.スマートフォンを強力な診断ツールにする
専門家らは、スマートフォンやその他の消費者レベルのリソースから取得した画像は、特にサービスが十分に受けられていない地域や発展途上国において、ポータブル機器の強力な機能を使い続けることで、臨床品質の画像処理を補う重要な手段になると考えています。
モバイルカメラの品質は年々向上しており、AIアルゴリズムの分析に使用できる画像を生成できます。皮膚科と眼科はこの傾向の初期の恩恵を受けています。
英国の研究者は、子供の顔の画像を分析して発達疾患を特定するツールさえ開発しました。このアルゴリズムは、子供の下顎のライン、目と鼻の位置、顔の異常を示す可能性のあるその他の属性などの個別の特徴を検出できます。現在、このツールは一般的な画像と 90 以上の疾患を照合して、臨床上の意思決定をサポートできます。
ブリガム女性病院 (BWh) のマイクロ/ナノ医学およびデジタル健康研究所の所長であるハディ・シャフィー博士は、「ほとんどの人は、さまざまなセンサーが組み込まれた強力な携帯電話を持っています。これは私たちにとって素晴らしい機会です。ほとんどすべての人が、業界関係者は自社のデバイスに Ai ソフトウェアとハードウェアを組み込み始めています。これは偶然ではありません。私たちのデジタル世界では、毎日 250 万テラバイト以上のデータが生成されています。携帯電話の分野では、メーカーはこれを利用できると信じています。人工知能がよりパーソナライズされた、より速く、よりインテリジェントなサービスを提供するためのデータです。」
スマートフォンを使用して患者の目、皮膚病変、傷、感染症、薬物、その他の対象物の画像を収集することは、特定の苦情を診断する時間を短縮しながら、十分なサービスが行き届いていない地域の専門家不足に対処するのに役立つ可能性があります。
「将来、大きな出来事がいくつか起こるかもしれないが、私たちはこの機会を利用して、ケアポイントにおける疾病管理のいくつかの重要な問題を解決できるだろう」とシャフィー氏は語った。
12.ベッドサイドAIによる革新的な臨床意思決定
ヘルスケア業界が有料サービスに移行するにつれ、受動的ヘルスケアからますます遠ざかっています。慢性疾患、急性疾患事象、および突然の悪化の前に予防することが各医療提供者の目標であり、報酬体系により最終的には積極的かつ予測的な介入を達成できるプロセスを開発することができます。
人工知能は、予測分析や臨床意思決定支援ツールをサポートすることで、この進化のための多くの基本テクノロジーを提供し、医療提供者が行動を起こす必要性を認識する前に問題を解決します。人工知能は、通常、非常に複雑なデータセットの詳細な分析を必要とするてんかんや敗血症の早期警告を提供できます。
マサチューセッツ総合病院（MGH）の臨床データ担当ディレクター、ブランドン・ウェストオーバー医師は、機械学習は心停止後の昏睡患者などの重症患者への継続的なケアの提供にも役立つ可能性があると述べた。
通常の状況では、医師はこれらの患者の脳波データを確認する必要があると同氏は説明した。このプロセスは時間がかかり、主観的なものであるため、結果は臨床医のスキルや経験によって異なる場合があります。
彼はこう言いました。「これらの患者では、傾向が遅い可能性があります。医師は、患者が回復しているかどうかを確認したい場合、10 秒ごとに監視されるデータを確認することがあります。ただし、24 時間で収集された 10 秒間のデータから変化したかどうかを確認するのは、その間に髪の毛が生えたかどうかを見るのと同じです。しかし、人工知能アルゴリズムと多くの患者からの大量のデータが使用されれば、人々が見ているものと長期的なパターンを一致させることが容易になり、微妙な改善が見られる可能性があり、それが看護における医師の意思決定に影響を与える可能性があります。 。」
臨床意思決定のサポート、リスクスコアリング、および早期警告に人工知能テクノロジーを使用することは、この革新的なデータ分析方法の最も有望な開発分野の 1 つです。
新世代のツールとシステムに機能を提供することで、臨床医は病気の微妙な違いをよりよく理解し、より効果的に看護サービスを提供し、問題を事前に解決できるようになります。人工知能は臨床治療の質を向上させる新時代の到来をもたらし、患者ケアに画期的な進歩をもたらすでしょう。
投稿時間: 2021 年 8 月 6 日
