医師や検査機器不足の地域に光。進化続ける人工知能診断システム

shutterstock_107572736
 

医療の現場では、人工知能を活用した診断システムが飛躍的に拡大してきているようです。日本でも画像診断で、医師による見落としを減らすために活用され始めています。メルマガ『ドクター徳田安春の最新健康医学』の著者で現役医師の徳田先生は、世界では、臨床現場においても経験豊富な医師に匹敵する診断の正確さを示すなど、さまざまな手法による最先端のシステムが利用されていることを紹介し、医師の経験や数などの地域差が埋まっていくことに期待しています。

人工知能による診断が医師を超えるとき

ビッグデータに対してディープラーニング技術を適応することにより、進化した人工知能の応用が、飛躍的に拡大してきている。医療の現場では画像診断や病理診断への応用が実用化されている。ディープラーニングは、人間の脳の機能と構造を模倣したニューラルネットワークを応用した機械学習の方法である。人間の学習速度をはるかに超えるスピードと量で、人間のように学習していくのである。

最近の日本ではCT画像での癌の見落としが社会問題となっているが、ディープラーニングで学習をさせた人工知能の応用が画像診断での見逃しを減らす突破口として期待されている。専門領域が細分化された最近の医師は、自分自身の専門領域の画像所見の解釈は得意であるが、専門外の領域になると見逃しのリスクが高くなる。

大量の画像データを病院が入手することに対して、患者のアウトカムに影響を与えるような見逃しを防ぐには、放射線科医の読影を必須とすべきであるが、医師偏在の影響で困難となっている。日本には多くの病院があるが、その数に比べて医師の数が少なく、しかも大都市に医師が集中してしまっている。このような背景から、日本の医療機関における診療画像の読影については、人工知能の実用化が加速すると考えられる。

診断推論での応用

画像や病理以外では、皮膚科での皮疹や眼科での眼底所見の診断に人工知能が応用されてきている。実際にアメリカでは、皮膚癌の診断や糖尿病患者での網膜症のスクリーニングの目的に、人工知能が利用されている。皮膚科の診断トレーニングではもともとパターン認識の要素が強いため、ディープラーニングによる機械学習によく合うのだ。

では、臨床医の診断推論への応用はどうであろうか。臨床医は、問診による患者背景や病歴の情報収集に加えて、診断仮説に基づく診察と検査を行い、鑑別診断を挙げ、診断を絞り込む、診断推論というプロセスだ。これはまた、膨大な情報を取捨選択統合していくプロセスでもある。

しかし、診断推論は医師の思考過程の中でも、もっとも複雑なものであるがゆえに、エラーのリスクがある。アメリカのベテラン医師の研究では、外来患者100人当たり少なくとも5人、すなわち20人に1人で診断エラーが認められた。このうち、結果として患者に有害な影響をもたらすのは約半数程度。診断エラーを減らす努力が必要であることが、医学雑誌や学会などでも話題になってきている。

print
いま読まれてます

  • 医師や検査機器不足の地域に光。進化続ける人工知能診断システム
    この記事が気に入ったら
    いいね!しよう
    MAG2 NEWSの最新情報をお届け