医療におけるAI：実証済みの実用的な5つの活用事例と具体例

人工知能（AI）が至る所に浸透し、人間が効率的に行ってきた「学習」「推論」「論理の適用」を、ますます高度にこなせるようになっていることは疑いようがありません。

他の多くのビジネス分野と同様、医療業界においてもAIには莫大な可能性があります。

すでに健康管理のために、Fitbit、スマートウォッチ、スマートベルトなどのAI搭載ウェアラブルを利用している方も多いでしょう。

よく見ると、医療分野におけるAIの優れた事例は数多く存在します。それは着実に私たちのヘルスケア・エコシステムの一部となりつつあります。

本記事では、医療分野におけるAIの実用的なアプリケーションとユースケースについて解説します。

医療におけるAI：市場動向

人工知能は、医療およびヘルスケアにおいて重要な役割を果たすことが予想されています。その理由は主に以下の通りです。

• コンピューティング・パワーの進歩
• 学習アルゴリズムの発展
• 医療記録から得られる膨大なデータの利用可能化
• ウェアラブル健康デバイスの普及

AIのヘルスケア市場は日々拡大しており、市場動向は極めて有望です。

市場価値

レポートによると、世界のヘルスケアAI市場価値は、2019年の31.4億米ドルから2025年には238.5億米ドルに成長すると予測されています。2020年から2025年の予測期間中、CAGR（年平均成長率）40.15%で成長すると見込まれています。

エンドユーザー別インサイト

2019年には広告・メディア分野がAI市場をリードし、世界収益の20%以上を占めました。一方、ヘルスケア分野は2027年までにAI市場で首位のシェアを獲得すると予測されています。

医療におけるAIの実用的なアプリケーション

大量の利用可能なデータを背景に、AIは医療分野全体の変革を牽引するエンジンになる準備が整っています。AI、特に学習アルゴリズムは、診断、治療、ケアプロセスに関する洞察を人間にもたらすことで、ますます精度と正確性を高めています。

ここでは、患者と医師の双方にメリットをもたらす、医療におけるAIの実用的なアプリケーションを5つ紹介します。

1. 疾病診断

正確な診断は、治療成功の鍵です。誤診があれば取り返しのつかない事態を招きます。したがって正確な診断は極めて重要ですが、常に容易ではありません。

医療診断へのAI適用は、医療業界に多くのメリットをもたらしています。AIベースのソフトウェアは、明確な症状が現れる前から、患者が特定の疾患を持っているかどうかを判定できます。そしてその予測は、大半のケースで正確です。AIは診断をより安価に、よりアクセスしやすいものにします。

特にディープラーニング・アルゴリズムである機械学習は、疾患の自動診断に広く活用されています。

疾病診断における機械学習

機械学習アルゴリズムは、医師と同様にパターンを認識するよう学習します。大きな違いは、アルゴリズムが学習するために大量の具体的な事例を必要とし、それらがデジタル化されている必要がある点です。機械は教科書の行間を読めないからです。

したがって、医師が検討する診断情報がすでにデジタル化されている分野で、機械学習は特に威力を発揮します。例えば、MRI、CTスキャン、X線画像には、人間が評価するには複雑で時間のかかる大量のデータが含まれています。

機械学習が役立つ具体例：

• CTスキャンに基づく脳腫瘍や肺がんの検出
• 心電図および心臓MRI画像に基づく突然死リスクや心疾患の評価
• 皮膚画像における皮膚病変の分類
• 眼底画像における糖尿病網膜症の兆候検出

医師が上記すべてを行えるのに、なぜAIを使うのか？

「医師がいるのになぜAIが必要なのか」と疑問に思うかもしれません。MLのようなAI技術は、利用可能なデータから抽出した知識に基づき、患者の健康状態を評価する「第二の目」のようなものです。

上記のケースには、CT、MRI、ゲノミクス、患者記録、手書きファイルなど、大量の有用なデータがあります。これらすべてのデータにより、機械学習アルゴリズムは専門医の診断と同等の効率性を獲得しつつあります。

機械学習アルゴリズムの優位点は、はるかに高速に結論を導き出せること、そしてモデルを低コストで世界中に複製できることです。

では、AIが近い将来、医師に取って代わるのか？

いいえ、その可能性は低いです。AIは、潜在的に悪性の腫瘍や生命を脅かす心臓パターンをハイライトするために使われます。これにより医師は、ハイライトされた信号の解釈に集中できるようになります。

2. 薬剤開発の迅速化

新薬開発は、ますます競争が激しく、コストのかかる医療ビジネスです。技術進歩にもかかわらず、新薬開発コストは数年ごとに増大しています。AIはここで重要な役割を果たします。

大手医療・製薬企業は、R&Dコスト削減と高コストなエラー回避のためにAIを活用しています。薬剤開発の多くの分析プロセスは、機械学習によって効率化でき、数百万ドル規模の投資削減につながる可能性があります。

2026年までに、ヘルスケアAIアプリケーションは米国の医療経済に年間1,500億米ドルの節約をもたらすと予測されています。

薬剤開発は4段階に分かれます。

• ステージ1：介入ターゲットの特定
• ステージ2：薬剤候補の発見
• ステージ3：臨床試験の迅速化
• ステージ4：疾患診断のためのバイオマーカー発見

驚くべきことに、AIはこれらすべての段階で既に成功裏に活用されています。それぞれを見ていきましょう。

ステージ1：介入ターゲットの特定

薬剤開発の第一歩は、疾患の生物学的起源と耐性メカニズムを理解し、治療のための適切なターゲット（通常はタンパク質）を特定することです。shRNAスクリーニングやディープシーケンシングなどのハイスループット技術により膨大なデータが得られますが、従来手法ではこれら多様なデータソースを統合し、関連パターンを見つけるのは困難です。機械学習アルゴリズムは、利用可能なすべてのデータを迅速に分析し、優れたターゲットタンパク質を自動的に特定するよう学習します。

ステージ2：薬剤候補の発見

次のステップは、特定されたターゲット分子と所望の仕方で相互作用する化合物を見つけることです。膨大な数の潜在的化合物をスクリーニングし、ターゲットへの影響（親和性）を調べます。これらは天然、合成、バイオエンジニアリング由来のものがあります。しかし現行システムでは不正確で不十分な提案になりがちで、最適な薬剤候補を絞り込むのに多大な時間を要します。機械学習アルゴリズムは、構造フィンガープリントと分子記述子に基づいて分子の適合性を予測し、数百万の候補から副作用が最小限の最良の選択肢へと絞り込みます。これにより薬剤設計の時間を大幅に短縮できます。

ステージ3：臨床試験の迅速化

適切な臨床試験参加者を見つけるのは容易ではありません。不適切な選択は試験を長引かせ、時間とリソースを浪費します。機械学習は適切な候補者を特定し、試験参加者グループの適切な分布を確保することでプロセスを加速します。アルゴリズムは優良候補と不良候補を分離するよう訓練できます。AI技術は臨床試験を「より速く、より信頼性高く、より安全に」します。また、決定的な結果が出ていない試験に早期警告を発し、研究者が早期に介入して薬剤開発を救えるようにします。

ステージ4：疾患診断のためのバイオマーカー発見

患者治療は、診断が確実になって初めて可能です。バイオマーカーは血液などの体液中に見つかる分子で、患者が疾患を持つかどうかを判断し、疾患進行の追跡にも使われます。しかし適切なバイオマーカー発見は容易ではなく、数千の候補分子スクリーニングを伴う高コスト・長時間のプロセスです。AIはこの手作業の大部分を自動化し、プロセスを高速化します。アルゴリズムは分子を良い候補と悪い候補に分類し、専門家が最良の見込みを分析しやすくします。

バイオマーカーの用途：

• 疾患の最も早期の存在確認 — 診断バイオマーカー
• 患者が疾患を発症するリスク — リスクバイオマーカー
• 疾患の予想される進行 — 予後バイオマーカー
• 患者が薬剤に反応するかどうか — 予測バイオマーカー

例えば2017年、英国のアストラゼネカはバイオファーマ企業Bergと提携し、AIを用いて神経疾患のバイオマーカーと薬剤を探索しました。

3. バーチャル看護アシスタント

選択肢があれば、多くの人は不要な病院通いを避けたいと考えるでしょう。バーチャル看護アシスタントは、それを可能にします。

バーチャル看護アシスタントは、不要な病院受診を減らし、医療従事者の負担を軽減します。AI搭載のバーチャル看護アシスタントは、患者にパーソナライズされた体験を提供し、症状に基づく病気の特定、健康状態のモニタリング、医師の予約スケジューリングなど多くのことを支援します。慢性疾患の悪化予防にも役立ちます。

バーチャルアシスタントは今やトレンドです。病院や医療従事者は、患者エンゲージメント向上とセルフマネジメント能力改善のために活用しています。

4. パーソナライズド治療の提供

患者によって薬剤や治療スケジュールへの反応は異なります。パーソナライズド治療オプションには、患者の寿命を延ばす莫大な可能性があります。機械学習はパーソナライズド治療の提供に用いられます。

どのように？ 患者が特定の治療に特定の反応を示す特性を発見し、患者の予想される反応を予測します。MLアルゴリズムは、類似患者のデータを相互参照し、それらの治療と結果を比較することでこれを学習します。これは医師が患者に適した治療計画を設計する上で大いに役立ちます。

5. 遺伝子編集の強化

さらに、AIはゲノム研究にも活用されています。機械学習技術は、ゲノム配列決定とアノテーション、さらにはゲノムベースの診断へと応用範囲を広げています。

CRISPR、特にCRISPR-Cas9システムは、コスト効率よく精密にDNAを編集する能力を大きく前進させました。TALENsやZFNsも遺伝子編集に貢献しています。AIはすでに多くの面で私たちを支援していますが、これはまだ始まりに過ぎません。

医療データをより多くデジタル化し、統合できれば、複雑な分析プロセスにおいて、より正確でコスト効率の良い意思決定のためにAIを活用できるようになります。

2021年以降の医療AIの未来

AIには大きな可能性がありますが、それを完全に実現するには、医学、計算機科学、数学など多方面の専門家による協働が必要です。

1. 特定分野におけるAIの可能性探求

AIは以下の分野で医療を変革できます：

• 医療ミスの削減：医療ミスは誤診を招きます。例えば乳がんでは、偽陰性のマンモグラム報告が多くの女性の治療を遅らせます。AIは人間の目では見逃せない異常検出に広く活用されています。
• 医療を再び人間らしく：データ入力などの不要な作業を省き、医師が患者に共感を持って向き合えるようにすることは、AIが医療にもたらす最大の貢献かもしれません。
• 写真一枚で診断：未来は「医療セルフィー」の時代となり、自撮り一枚で診断を受けられるようになるかもしれません。

2. データをすべての人々にアクセス可能に

医療AI製品を構築するだけで十分でしょうか？ いいえ、それらを人々が利用できるようにすることの方が重要です。米国で訓練された肺疾患AIモデルが結核（TB）をラベルに含まない例を挙げると、TBは発展途上国の問題ですが米国では稀なため、訓練データにTB画像が含まれていません。AIはどこでも、誰にでも機能しなければなりません。結核画像をデータセットに追加することで、AIを世界の他地域にも汎用化・民主化できます。

3. IoMT — 医療モノのインターネット

患者と医師の双方にとって、慢性疾患の追跡と予防に重要な役割を果たす、より多くのデバイスとモバイルアプリが必要になります。AIが他のヘルスケア技術と相乗効果を発揮する可能性の高まりは、業界に多くの可能性を提示します。

ImaginovationでスマートなAI搭載医療プラットフォームを構築

AIでヘルスケア・医療ビジネスを変革したいですか？ それなら、私たちにご連絡ください。私たちはAIベースのアプリケーション開発で豊富な経験を持つ、受賞歴のあるテクノロジー企業です。お話ししましょう。