『ディープ・メディスン』（2019年）は、人工知能が診断から患者ケアまで、医療業界を劇的に再編する可能性を探る一冊です。現在の医療は「浅い」ものになりがちで、過重労働の医療者は患者と真に向き合い、共感し、耳を傾ける余裕を失っています。人工知能は、逆説的にも、医療に人間味を取り戻す力を持っているのです。
この要約で得られること――AIが医療とヘルスケアをどう変えるのか、リアルな展望
いま、私たちはテクノロジー革命の入り口に立っています。人工知能は今後数年のうちに、ほぼすべての産業や営みに影響を与え、私たちの生活や働き方を一変させるでしょう。医療も例外ではありません。では、病気になったらロボット医師や看護師に診てもらう世界がやってくるのでしょうか？
答えは、そう単純ではありません。自動運転車のように完全にAIに制御を委ねられる分野もあるかもしれませんが、医療には常に人間の監督が必要です。医療の最高の未来は、人間とアルゴリズムがそれぞれの強みを活かし、患者ケアと医療システムの改善のために協力し合うことです。いつかAIは、正確で完全な医療評価を下せるようになるかもしれません。しかし、その評価を実際に適用し、現在しばしば欠けている深い信頼関係を患者と築くには、人間が不可欠なのです。この要約では、以下のことがわかります。
- 機械学習が新生児の命を救った方法
- AIがスマートフォンでうつ病を予測できる仕組み
- 医者はいるけれど患者がいない病院が可能になる理由
医療は「浅い医療」から「深い医療」への転換を必要としている
ロバートは56歳で、比較的健康でした。しかしある午後、顔面がしびれ、視界がぼやける「ミニ脳卒中」を起こしたのです。主治医は以前から服用していたアスピリンを毎日続けるように言いましたが、納得できなかったロバートは神経科医を訪ね、その後心臓専門医を紹介されました。
そこで彼は、卵円孔開存（PFO）、つまり心臓の心房を隔てる壁に小さな穴が開いている状態だと知らされました。その心臓専門医は、このPFOがミニ脳卒中の原因であり、穴を閉じる手術が必要だと主張しました。しかしロバートは確信が持てませんでした。ここでのポイントは、医療は「浅い医療」から「深い医療」へと転換しなければならないということです。ロバートはセカンドオピニオンを求めて、著者であり同じ心臓専門医のエリック・トポルを訪ねました。トポルは最初の診断に驚愕しました。成人の5人に1人にPFOがあり、しかもこの症候は脳卒中とは関連性がないのです。
そこでトポルとロバートは共にロバートの本当の問題を突き止めました。それは心房細動であり、簡便な抗凝固薬で治療できるものでした。ロバートのケースは、トポルが浅い医療と呼ぶものの典型です。燃え尽き、うつ状態にある医師が、患者と真のつながりを築き、包括的な評価をする時間を取らない医療です。例えば米国では、外来診療の平均時間はわずか7分です。その結果かもしれませんが、全米で毎年約1200万件もの深刻な誤診が発生し、外科手術の最大3分の1は不必要なものとされています。患者は苦しんでいますが、治療する側も同じです。若手医師の4人に1人がうつを経験し、米国の医師のほぼ半数がバーンアウトの症状を示しています。
この状態は医療過誤のリスクを著しく高め、医師の自殺にさえつながります。こうした問題に対処するために、私たちは浅い医療から深い医療への転換を始めなければなりません。この転換は、三つの基本的な方法で行われます。第一に、医師は可能な限り多くの関連する個人情報や健康履歴を用いて、一人ひとりの患者を深く定義すること。
第二に、医師の診断能力を高め、反復的な作業を自動化するために、人工知能の深層学習が必要になります。そして第三に、深い医療は医師に深い共感を実践することを求めます。患者を診断すべき問題としてではなく、一人の人間として見ることです。医療における人工知能は、まだ遠い未来の話のように思えるかもしれません。
AIは医療に大きく貢献できるが、限界もある
しかし、実際にはすでに人命救助に使われています。あるケースでは、健康な男の赤ちゃんが生後3日で退院しました。その5日後、母親は彼をサンディエゴのレイディ小児病院の緊急救命室に運び込みました。新生児は絶え間ないけいれん発作を起こし、症状は悪化するばかりでした。
状況が絶望的になる中、男の子の血液サンプルが迅速な全ゲノム配列解析のために検査室に送られました。AIはわずか20秒で男の子の全医療記録を処理。次に機械学習アルゴリズムがデータをふるい分け、最終的に男の子の発作を引き起こしている可能性のある一つの稀な遺伝子変異に突き当たりました。ビタミンB6とアルギニンのサプリメントで、この遺伝子の影響を抑えられるのです。ここでのポイントは、AIは医療に大きく貢献できる一方で、限界も持っているということです。この治療法とAIの迅速な働きのおかげで、新生児の発作は止まりました。
彼は今、完全に健康です。このケースは、AIが人間の医師と協力することで、命を救う可能性があることを示しています。しかし、AIの能力をあまりに手放しで称賛する前に、その限界を考えることが不可欠です。何よりもまず、AIはデータの質に完全に依存しており、これだけが学習と予測の材料です。ほとんどのAIは、標準化され検索可能な構造化データを扱います。しかし、医療データは非構造化で、物語的な性質のものが多いのです。
不正確あるいは誤ったラベルは、アルゴリズムの出力を容易に狂わせます。また、AIは創造的ではありません。問題に対する新しい解決策を編み出すこともできないのです。かつてトポルは、極度の倦怠感に苦しむ70歳の男性を治療しました。CTスキャンの結果、右冠状動脈が80%狭窄していることが判明しました。トポルは混乱しました。この問題が通常これほど重い倦怠感を引き起こすとは限らないからです。彼は状況を説明し、狭窄した動脈にステントを挿入することを提案し、患者は同意しました。
手術のその夜のうちに、患者はすでに数ブロック歩いても疲れを感じなくなりました。彼は以前よりずっと強く、良くなったと報告しました。この患者特有の状況に対する前例がなかったため、コンピューターのアルゴリズムならこの処置を決して推奨できなかったでしょう。現在のAIには、人間の医師を完全に置き換えることを決して許さないいくつかの重大な限界があります。しかし、それでも医療に大きく貢献できるのです。
医師はAIを診断の改善に役立てられる
多くの人が医師を間違いのない、ほとんど超人的な存在だと思っています。しかし、医師も誰もがそうであるように、診断や治療のミスを招く無意識のバイアスを持っています。例えば、代表性ヒューリスティックという、過去の経験に基づいて意思決定をしてしまうバイアス。これによって、特に患者の症状すべてを注意深く調べていない場合、ある病気を別の病気と誤診してしまうことがあります。
おそらくさらにたちが悪いのは、自信過剰バイアスで、医師は自分の診断が実際よりもずっと正しいと信じてしまいます。こうしたバイアスはすべて、医師が患者を診断する際によく行う、直感を使った素早い判断の場で作用します。このバイアスの影響を減らすには、何年もの経験が必要かもしれません。あるいは、AIの助けが必要かもしれません。ここでのポイントは、医師はAIを診断の改善に役立てられるということです。症状があるのに原因がわからないとき、あなたはどうしますか？ほとんどの場合、Googleやオンラインの症状チェッカーに頼るでしょう。
多数存在しますが、まだあまり正確ではありません。2015年に23のオンライン症状チェッカーを調査した研究では、正しい診断を導き出せたのはわずか34％でした。現時点では、機械が包括的で全体的な診断を行うことは困難です。しかし、特定の種類の病気の診断には優れています。例えば、Face2Geneアプリは、特定の顔の特徴を認識することで、4000以上の異なる遺伝性疾患の診断を支援できます。すでに医療遺伝学者や遺伝カウンセラーの60％がこのアプリを業務で使用しています。
医療診断にAIを広く活用するには、診療をデータ駆動型の科学へと変革しなければなりません。そのためには、理想的には胎児期から始まり、生涯を通じて継続する、各個人に関する膨大な量の情報を収集する必要があります。もちろん、大規模なデータ収集には妥当な懸念がつきものです。もし保険会社が患者の詳細なデータにアクセスできるなら、AI分析を使って健康リスクに基づいて人々を分類し、高リスク患者の保険料に急激な格差を設けることも可能です。
こうした患者データの悪用を防ぐために、政府の規制が間違いなく必要になるでしょう。しかし、懸念によってAIの潜在的な貢献が覆い隠されるべきではありません。次のセクションでは、AIが特定の医療分野をどのように支援できるかを見ていきます。
パターン認識に基づく診断は、AIを大いに活用できる
診察中、ほとんど患者の顔も見ず、ほとんどの時間をコンピューターにメモを打ち込むのに費やす医師にかかったことはありませんか？ もしそうなら、その医師はおそらくあなたの電子カルテ（EHR）を更新していたのでしょう。EHRはもともと、臨床医の生活を楽にするために開発されました。
ところが、医師と患者のコミュニケーションの障壁となってしまいました。幸いなことに、EHRのようなものは自動化の格好の対象です。自然言語処理と呼ばれる機械学習の一種を使えば、診察中のすべての言葉を録音し、文字起こしできる可能性があります。そうすれば医師の時間が解放され、目の前にいる患者に集中できるようになります。膨大なデータを処理することは、AIの究極の才能です。そして、この才能から本当に恩恵を受けられる専門医がいくつか存在します。
ここでのポイントは、パターン認識に基づく診断は、AIを大いに活用できるということです。世界中で毎年20億件の胸部X線検査が行われています。瘢痕や虚脱した肺組織が他の問題を覆い隠すことがあるため、これらの画像の読影は難しい場合があります。しかし、テラバイト単位の画像データを素早く処理し解釈する能力を持つAIなら、これらの画像を高精度で読影できる可能性があります。ある研究では、5万件以上の胸部X線画像を「正常」か「異常」に分類する機械学習アルゴリズムが訓練されました。このアルゴリズムが広く使われるだけでも、放射線科医がどの画像をより詳しく調べるべきか、その優先順位をつけるのに役立ちます。
節約できた時間で、放射線科医は他の貴重な仕事、例えば患者と直接話すこと（現在の診療では非常に稀なことです）ができるようになります。アルゴリズムと人間の放射線科医が協力すると、どちらか単独よりも高い診断精度を達成できます。このことは、病理学や皮膚科学にも当てはまります。病気の診断のために人間の組織サンプルを解釈する病理医は、スライドを分析するツール「PathAI」を利用できます。このツールは単独ではエラー率2.9％ですが、人間の病理医と協力すると、その数値はわずか0.5％に低下します！
皮膚科では、少し異なる問題があります。米国では開業している皮膚科医が比較的少ないため、すべての皮膚疾患の約3分の2が、代わりにプライマリケア医によって診断されています。その結果、誤診率が驚くほど高くなっています。ここで、機械が特定の皮膚疾患の診断に介入できるのです。実際、2017年の論文ですでに、がんの分類や悪性黒色腫の識別において、アルゴリズムが皮膚科医よりも優れた成績を収めることが確認されています。
パターンを主に扱わない医師も、AIに定型業務を任せられる
アルゴリズムはデータによって成長します。多ければ多いほど、豊かであればあるほど良いのです。結局、このデータからパターンを識別し、答えを導き出すのですから。しかし、臨床現場で起きることの多くは、パターンに関係しません。医師は絶えず評価を下し、計画を立て、患者やその家族とコミュニケーションを取っています。
では、AIはどこに適合するのでしょう？ 現在のAIは、広範な機能よりも、狭い機能に適用されたときに最高の働きをすることがわかっています。そして、たいていの医師の日常には、そうした狭い機能が確かにたくさんあります。ここでのポイントは、パターンを主に扱わない医師も、AIに定型業務を任せられるということです。AIから恩恵を受けられる医師には、さまざまな種類があります。しかし、ここでは循環器内科医についてだけ見てみましょう。
最近の深層学習ニューラルネットワークは、約90％の精度で心臓発作を診断できることが証明されています。他のテクノロジーも、心拍リズムの測定に役立っています。iRhythm Zioパッチというデバイスは、胸に貼る絆創膏のようなものです。内部のチップが、装着者のすべての心拍に関する情報を10～14日間にわたってキャプチャします。この情報により、循環器内科医は心拍の不規則性や他の問題をより容易に評価できます。心拍数とリズムをデジタル情報に変換することは一つのことですが、人の精神状態について同じことを行うのははるかに困難です。
しかし、AIはメンタルヘルスの専門家や精神障害を持つ人々の支援にも使えます。費用や地域の精神科医の availability など、多くの要因が人々のメンタルヘルスケアへのアクセスを妨げています。しかし、メンタルヘルス用のチャットボットは、そうした場合の実行可能な代替療法を提供できます。こうしたチャットボットはしばしば、本来は対面相談に基づく認知行動療法（CBT）を、私たちのデバイス上で提供します。研究によっては、人々はデリケートで個人的な問題について、実際の人間よりもチャットボットと話すことを好むことさえわかっています！ チャットボットに加えて、AIはうつ病のようなメンタルヘルス状態の診断にも役立ちます。うつ病は世界で10％以上の人が経験しています。
例えばDeepMoodというアルゴリズムは、スマートフォンのキーボードの使用パターンを研究するだけで、高い精度でうつ病を予測できました。ここまでは、AIが特定の医療分野をどのように支援できるかを見てきました。では、医療システム全体にどのような影響を与えるかを見ていきましょう。
人工知能は医療システムの改革と科学研究の改善に貢献できる
人間は常に病院を必要とするのでしょうか？ 答えは明白に思えるかもしれません。しかし、ICUや緊急救命室は常に必要である一方、通常の病室はまもなく時代遅れになるかもしれません。米国にはすでに一つの「バーチャル病院」が存在しています。セントルイスのバーチャル・ケア・センターです。
そこでは看護師や医師が働き、患者と個別に、時間をかけてやりとりしますが、病院のベッドはひとつもありません。すべての患者は遠隔でモニタリングされ、自宅か集中治療室にいます。病室内のAI監視アルゴリズムが、心不全や敗血症の可能性を検知し、臨床医に警告を送ることができます。このバーチャル病院は今日こそ例外ですが、その状況も長くは続かないでしょう。AIは病院だけでなく、他の医療システムをも変革する可能性が高いのです。
ここでのポイントは、人工知能は医療システムの改革と科学研究の改善に貢献できるということです。より多くの病院がバーチャル化するにつれて、遠隔モニタリングの重要性はますます高まり、同様のテクノロジーは高齢者のサポートにも利用できます。例えば、床に埋め込まれたセンサーが、高齢者が転倒した場合にスタッフに知らせることができます。病院での1泊あたりの平均費用が4,700ドルであることを考えると、経済的負担を軽減するものは何でも歓迎されます。現在、正確な医療請求にかかるコストだけで、緊急外来受診の費用に25％もの上乗せがされています。明らかに、AIがこうしたコスト削減に乗り出すことができます。
自動化は将来、病院での効率性やワークフローを改善するかもしれませんが、すでに研究室では影響を与えています。AIは科学者がヒトゲノムの謎を解き明かすのを助けてきました。例えばアルゴリズムは、自閉症に関連する症状を引き起こしたり、その一因となったりする2,500の遺伝子を特定することに成功しました。その有用性は同定だけでなく、AIはヒトゲノムを編集し、血友病や鎌状赤血球症のような病気を根絶するためにも使われます。創薬もAIの重要な用途の一つです。結局のところ、可能な化学物質の組み合わせは、太陽系全体の原子の数よりもはるかに多いのです！
ある鎮痛剤の発見プロジェクトでは、アルゴリズムを使って300万件の鎮痛化合物候補リストをわずか23件に絞り込みました。このように、AIは医療や研究の舞台裏での作業の多くを助けることができます。また、患者に直接利益をもたらすこともできます。
人工知能は薬と食事のパーソナライズを可能にする
年齢に関係なく、すべての人間は生き延びるためにある特定の種類の「薬」を摂取しなければなりません。その薬とは食べ物です。古代ギリシャの医師ヒポクラテスの時代から、人々は健康と食べ物は切っても切れない関係にあると信じてきました。政府機関や食品業界の人々は健康的な食事の鍵を握っていると主張するかもしれませんが、はたして一律のアプローチは可能なのでしょうか？
私たち一人ひとりが生物学的、生理学的に大きく異なることを考えれば、私たちの食事もそれを反映すべきではないでしょうか？ 人工知能の助けを借りれば、私たちが個別化された栄養アドバイスやその他のパーソナライズド医療を受け取る日が来るかもしれません。ここでのポイントは、人工知能は薬と食事のパーソナライズを可能にするということです。イスラエルのワイツマン科学研究所で行われた研究は、異なる食品に対して個人がどう異なる反応を示すか、その一端を明らかにしています。参加者の食習慣、身体活動、腸内細菌叢を含む数百万のデータポイントを処理し、機械学習モデルは人々の血糖応答を予測できる137の要因を特定することができました。これは、ある食品を食べた後に血糖値がどれだけ急上昇するかの指標です。
アルゴリズムがその仕事を終えた後、26人が予測された血糖応答に合わせて調整された個人別の食事プランを与えられました。彼らは対照群と比較して、食後のブドウ糖応答が有意に改善しました。これは重要なことです。大幅な血糖値の急上昇は、糖尿病、肥満、心臓病の発症と関連付けられているからです。ワイツマン研究で使われたような人工知能は、より広く個別化された食事プランの提供に利用できます。私たちの健康の他の側面も、ポケットの中に持ち歩くバーチャル医療アシスタントの開発によって同様にパーソナライズされるでしょう。こうしたテクノロジーはすでにいくつか存在しますが、特定の領域に焦点を当てています。
例えば、Migraine Alertというアプリは、機械学習アルゴリズムを使って、ユーザーに迫り来る片頭痛を85％の精度で予測します。これにより、片頭痛が始まってから治療するのではなく、予防策を講じることができます。現時点では、真に包括的なバーチャル医療アシスタントを作るために必要なデータの量は法外です。「今日は何を食べたらいい？」と冷蔵庫に尋ねられるようになるまでには、まだ長い道のりがあります。当面は、より狭い関心事に焦点を当てるのが最善かもしれません。最後のセクションでは、AI革命に直面して、人間の医師に何ができるかを見ていきます。
臨床機能の自動化により、医師は患者ケアに専念できるようになる
著者が医学部に入学した1975年、医療施設と医療行為の様相は今日とは大きく異なっていました。外来の予約は、新患は最低1時間、再来患者は30分と設定されていました。診察の記録は、しばしば患者のカルテに手書きで記入されていました。医師の月次の生産性レポートすら存在しませんでした。
当時、全米の医療関連の仕事は400万件未満で、年間の医療費は患者一人当たり800ドル未満でした。対照的に現在では、1600万件以上の医療関連の仕事があり、支出は一人当たり年間11,000ドルを超えています。医療がますます経済的な営みとなるにつれて、ケアの人間的な側面が失われ始めていました。幸いなことに、人工知能にはそれを復活させる可能性があります。ここでのポイントは、臨床機能の自動化により、医師は患者ケアに専念できるようになるということです。
特定の業務を自動化する可能性により、人工知能は医師と看護師の時間の推定25％を解放するのに役立つでしょう。これにより、彼らのワークライフバランスが改善されるとともに、患者とのより長い診察時間が可能になります。ある研究は、6万人以上の患者に対する在宅診療の時間の長さの影響を調査しました。その結果、診察が1分長くなるごとに、再入院のリスクが8％減少することがわかりました。時間の余裕は医師がより「人間的」になる助けとなりますが、それが唯一の要因ではありません。共感もまた重要な要素です。964件の研究をレビューしたところ、医師の共感能力と良好な臨床転帰との間に明確な関連性が認められました。
しかし、今日の平均的な医療専門家は、共感指数テストで低いスコアしか取れていません。幸いなことに、行動トレーニングが共感を育むのに役立つことが研究で示されています。加えて、医師はその場にいることが必要です。注意深く、意図的に患者に耳を傾け、完全な注意を向けるべきです。平均して、医師は診察が始まってわずか18秒で患者の話を遮ってしまいます。そうすることで、患者が話を聞いてもらい、理解される機会を奪っているのです。
人工知能は、純粋な知性、パターン認識、あるいは大規模なデータ統合に依存するタスクを引き継ぐことができるでしょう。しかし、共感、信頼、思いやりといった、人間特有の性質に取って代わることは決してできません。医師がこれらを積極的に育み始める時なのです。
最後のまとめ
医療業界は伝統的に新技術の導入が遅いですが、今後数年のうちに、医療システム、臨床実践、科学研究、そしてパーソナライズド医療において、AIの存在感が確実に増していくでしょう。AIがもたらす時間とコストの節約により、医師は深く共感的な患者との関係を育むことに努力を集中できるようになり、そして実際にそうしなければなりません。医療に人間らしさを取り戻す時が来たのです。
