人工知能の一分野である機械学習(ML)は、明示的な指示なしにデータから学習するアルゴリズムを作成する技術と定義できます。こうしたアルゴリズムは、大量の入力データを処理し、情報に基づいた意思決定を導き出すことができます。医療の業務フローに組み込まれることで、医療分野のMLは新たな価値を引き出し、医療業界における大規模なイノベーションへの道を開くことが期待されています。
課題:増大する業務量と人材不足
医療従事者への負担が増しています。医療業界は、医療従事者、医療機関、ウェアラブル機器など、さまざまな情報源から生まれる世界全体のデータの約30%を占めると推定されています。情報が十分に構造化されていなかったり、ノイズを含んでいたりする可能性があるため、データの形式を整え、処理することがさらに難しくなります。
同時に、医療の提供そのものが、本質的に非常に大きな労力を要します。2050年には、4人に1人が65歳を超えるようになります。これは、医療分野が、より複雑なニーズを持つ、より多くの患者に対応しなければならないことを意味します。長寿化に加え、患者の期待の変化やライフスタイルの選択の変化といった要因も重要です。 医療分野でMLを活用しなければ、こうした複雑な要求に応えることは困難になるでしょう。
一方、人材不足は今後も拡大すると予想されています。世界保健機関は、2030年までに欧州全体の医療従事者の需要が1,820万人に増加すると推計しました。現在の看護師、助産師、医療補助者860万人では、増え続ける需要に対応できません。
解決策は、より多くの人を雇用することではありません。医療システムの運営と管理は、個々の診療機会への対応とケアの提供だけに重点を置く形から、先を見据えた、持続可能で拡張性のある形へと移行する必要があります。この変革は、医療分野のMLなど、技術の進歩によって初めて実現できます。
医療分野のMLに期待される3つの好ましい変化
医療分野でMLがもたらす最初の重要な効果は、 効率の向上です。日常的な事務作業は医療専門職の業務時間の最大70%を占めることがありますが、MLを活用したソリューションで自動化できます。下のグラフは、2030年までに自動化によって削減できる労働時間の割合を、さまざまな医療職種別に示しています。
2つ目は、 医療提供の本質を変えることです。医療分野へのMLの導入は、労働時間だけでなく、業務そのものにも影響を与えます。医療従事者は、利便性と最適な患者体験を重視した、一人ひとりにきめ細かく合わせたサービスの提供に、貴重な時間を充てられるようになります。より大きな視点では、医療従事者の育成と医療機関の運営が、イノベーション、継続的な学習、多職種による協働を中心とする形へと移行していきます。
3つ目の効果は、 医療業界に新たな職種をもたらすことです。医学とデータサイエンスの専門性が交わる領域が生まれます。このように、医療分野のMLは、新しく柔軟なキャリアの道を開き、両分野に精通した人々が価値ある貢献をできるようにします。例えば病院では、体系的で、臨床的に意義があり、使いやすい意思決定支援システムを開発するために、十分な医学知識を備えた開発者が必要になります。
倫理上の懸念
医療分野のMLがもたらす多大な恩恵への強い期待がある一方で、起こり得る倫理上の課題に対する不安も生じています。
- 十分な説明に基づく同意: MLを活用した健康関連ソフトウェアやウェアラブル機器が、ますます普及しています。しかし、人々は自分がどれほど多くの情報を提供しているかを必ずしも十分に理解していないため、食事指導や健康モニタリングといった機能は、利用者の同意に関する疑問を投げかけています。
- 安全性と情報の偏り:医療分野のMLアルゴリズムの学習に使われるデータは、実際の患者に適用した際に正確な判断を下せるほど、十分な信頼性と公平性を備えていない可能性があります。そのため、学習段階でデータセットの品質と多様性を確保する必要があります。
例えば、皮膚がんの最適な治療法を推定するために構築されたモデルを、主に白人患者のデータで学習させた場合、他の民族集団に属する人々に対しては、推奨内容の信頼性が低くなる可能性があります。
- 人間の専門職の役割喪失:医療分野でMLが広く使われるようになると、医療従事者の立場が脅かされると主張する人は少なくありません。その主張によれば、患者は、機械には偏りがなく、より正確な診断を行うと誤って考え、バーチャルな医療スタッフを好むようになる可能性があります。 また、自分の問題について医師に話すことに恥ずかしさを感じ、ためらう患者もいます。
医療従事者の能力を高め、業務を効率化するMLの実践的な活用例8選
医療分野は長年にわたり、MLソリューションの導入とその恩恵の享受を先導してきました。医療におけるMLにより、計算能力がさまざまな面で実質的な支援につながっています。
1. 健康データ管理
医療情報学では、MLを活用して記録の作成と管理を迅速化できます。この技術は、既存の非構造化された複雑な文書を統一されたデータセットに変換し、専門家に高度な知見を提供します。その結果、医療の質が向上し、管理コストが削減されます。

例えば、自然言語処理(NLP)は、手書きのものを含め、医師による診療記録の取り込み、記録、保存を支援します。これにより、手作業をなくし、将来参照できるようデータを統合することで、治療プロセスを最適化します。
2. 医用画像
MLシステムは、形状、質感、強度、色などの画像の特徴を観察したうえで、有意義な診断を導き出すように学習させることができます。下の図は、医療におけるMLを活用したモデルの仕組みと、その後、良性・悪性腫瘍の分類に応用される様子を示しています。

3. 遺伝学研究による疾患の早期予測
多くの保健医療の取り組みでは、研究目的で大量のヒトゲノムサンプルを取得する必要があります。しかし、ヒトゲノムは複雑な性質を持つため、この種の情報を理解し、適切に解読することは極めて困難です。
近年、医療におけるMLは、科学者がヒトゲノムのさまざまな領域にあるパターンや傾向を見つけるのに役立ち、健康に関わる要因と、がんやアルツハイマー病などの特定の疾患を将来発症するリスクとの間にある、これまで知られていなかった相関関係を明らかにしています。これにより、適切な時期の予防措置と早期介入が可能になります。
例えば、あるMLモデルはAUC 0.89で卵巣がんを予測できます(これは、モデルが症例を陽性または陰性と正しく分類する確率が89%であることを意味します)。
4. 感染症流行の予測
医療におけるMLは、地域社会での感染症流行を初期段階で予測する作業を自動化し、患者数を最小限に抑え、被害を軽減するのに役立つ可能性があります。疾患の性質、感染経路、地理的特徴、人口統計学的特性などのデータ変数を処理し、パターンを見つけて将来の流行リスクを推定します。 ある研究では、報道記事を分析し、特定の国で6か月間発生していなかった感染症が再び発生する可能性を推定する、MLに基づく手法が提案されました。下の表は、6か月分のデータを使用した3つの異なるモデルの精度を比較したものです。
5. 創薬と医薬品開発
この分野では、ヒトの生物学やゲノミクスなどに関する膨大で複雑な情報が、長年にわたって医師や研究者にとって大きな障壁となってきました。幸いなことに、MLは非構造化データの集まりを整理し、その意味を理解するのに役立つため、創薬パイプラインのあらゆる段階で活用できます。

例えば、MITの研究者は、薬物分子が標的タンパク質にどの程度結合できるかを計算するMLベースの手法を開発しました。下の図では、薬物分子と標的タンパク質はそれぞれピンク色の構造と円形の構造で示されています。医療分野でMLを活用したこのモデルは、従来の手法と同等の精度で計算でき、所要時間は大幅に短縮されます。
6. 手術支援
医療分野のML、特にコンピュータービジョンは、術前の段階で患者の解剖学的モデルを分析し、具体的な手術計画を立てられるよう外科医を支援します。
例えば、従来のコンピュータービジョンを使用すると、内視鏡映像の3D再構成モデルを16.7ミリ秒以内に生成できます。迅速かつ正確な出力により、ほかの臓器や組織に深刻な損傷を与えることなく、標的部位に到達するための最適な経路を推定できます。そのため、コンピュータービジョンによって支えられる3D再構成モデルのリアルタイムストリーミングとレンダリングは、外科医にとって有益です。
7. 個別化医療
一人ひとりの臨床的な特性は異なるため、薬や治療もそれに合わせて調整する必要があります。このアプローチは個別化医療と呼ばれます。
個別化医療の鍵は、患者の背景情報から健康に関する幅広い知見を引き出すことです。試行錯誤に頼るのではなく、家族に関する情報、病歴、生活習慣の選択などの詳細を調べ、診断に関する意思決定を最適化します。こうしたことから、医療分野のMLは、疾患に伴う健康面および経済面の負担を軽減します。
8. バーチャル看護師
看護師は日々、多くの患者に対応すると同時に、時間のかかる日常業務や手順をこなさなければなりません。看護師の生産性を高めるため、手厚い支援と補助を提供するバーチャル看護師ソリューションが導入されています。コンピューターで生成され、画面上に表示されるこれらのスタッフは、患者と簡単な会話を交わし、回復状況を遠隔でモニタリングして臨床医に通知できます。このように、医療分野のMLによって、医療機関は救急外来や集中治療室など、ほかの重要な部門への看護人材の配置に注力できるようになります。
おわりに
医療の現場では、技術、特にMLが不可欠な意思決定支援ツールとして果たす役割が重視されています。人間的な要素と組み合わさることで、MLソリューションは医療の進歩を積極的に推し進め、生活の質全体の向上に貢献しています。
機械学習の専門家をお探しですか?
1. GEM Corporationは、AIソリューションの開発経験を持つITアウトソーシング企業です。当社は日本の大手産業企業向けにNLPおよびOCRソリューションを開発してきました。チャットボット、テキスト・画像処理システム、レコメンデーションシステムの導入を専門としています。また、科学研究と人材育成においてベトナム国家大学のAI研究所と提携しています。
2. 当社が専門とする業界には、物流、通信、金融・銀行・保険、小売、製造などがあります。
3. 当社は7年を超える経験を有しています。オフィスはベトナムのハノイと日本の東京にあります。
4. 当社は米国、英国、欧州、日本、韓国、シンガポールなど、数多くの地域のお客様に向けて、100件を超えるプロジェクトを成功裏に実施してきました。
5. 次のAIソリューションの構築に向けて、どのような支援が必要かお聞かせください。今すぐお問い合わせいただき、 プロジェクトのデモをご覧ください。

