人工知能
AI搭載予測モデルが医療を飛躍的に進化させる
Securities.io を Google の優先ソースに追加
AIの目標は、機械が学習、推論、予測を含む人間の思考や行動を模倣できるようにすることです。この取り組みの中心には、AIベースのモデリングがあり、これは自動化されたインテリジェントシステムを作成する基盤となります。
このようなモデルを構築するために、さまざまな手法が利用されます。これらは金融、医療、農業、サイバーセキュリティなど、さまざまな実世界の分野でスマートシステムを作成するために重要です。
これらのモデルの開発では、問題の性質と解決要件に応じて、記述的、診断的、予測的、処方的といったさまざまな分析手法が使用されます。
本日は、データを解析して将来の出来事を予測する予測分析に焦点を当てます。膨大なデータを活用することで、モデルは認識可能なパターンを解釈し、正確な予測を可能にし、情報に基づく意思決定を支援します。
人工知能への投資についてすべて知るにはここをクリックしてください。
AIの比類なきトレンド認識能力
AIは変数の集合内でトレンドを認識する比類なき能力を持っています。これは、人間とは異なり、技術が膨大なデータを迅速に処理し、パターンやトレンドを特定し、それらが何を意味するかを把握できるためです。
機械学習アルゴリズムを通じて、AIモデルは提供されたデータに基づいて出力を予測するという役割を果たします。
トレンドを分析する際には、学習と適応能力があるため、人間の脳機能にインスパイアされたニューラルネットワークが通常使用されます。トレンド分析に重要な他の機械学習アルゴリズムとしては、データを明確なクラスに分類するサポートベクターマシン（SVM）や、複数の決定木を統合して強力な予測モデルを構築するランダムフォレストがあります。また、ベイジアンネットワークは確率的グラフモデルを使用して変数集合間の統計的依存関係を表現します。
医療分野では、これらの機械学習アルゴリズムを活用してAI搭載予測モデルを構築することで、より優れた、個別化されたケアと治療計画が可能になります。
そのために、AIは多様な医療データを精査し、疾病進行の新たなトレンドを提示します。これにより、医療専門家は健康問題に先んじて対処し、治療戦略を適応させ、患者ケアを再構築できます。
医療におけるAIのパターン検出能力の可能性
では、変数の集合内でトレンドを認識する技術の実際の活用例を見てみましょう。
症状発現前に敗血症を検出するAI監視ツール
最近の研究で、研究者は新しいAIアルゴリズムを利用してハイリスク患者の敗血症感染を成功裏に予測し、命を救えることを発見しました。
敗血症は世界中で死亡率と罹患率の主要な原因です。この状態では、体の免疫系が感染に対して過剰に反応し、自身の組織や臓器に損傷を与えます。
米国では、毎年少なくとも170万人の成人が敗血症を発症し、約35万人がこの致命的な血液感染で死亡しています。一方、世界全体では年間約4,890万人が影響を受け、そのうち約1,100万人が死亡すると推定されています。
しかし、カリフォルニア大学サンディエゴ校医学部の研究者は、AIを活用してこれらの数字を変える準備ができています。
デジタルメディシンのオンライン版に掲載された研究によると、研究者はCOMPOSERというAIアルゴリズムを開発しました。これはリアルタイムでデータを活用し、臨床症状が現れる前に患者がこの状態にあるかを事前に判断し、「裏で静かに安全に」機能します。
このモデルは、UCサンディエゴ（UCSD）救急医学部の集中治療部門長であるGabriel Wardi医師（共同研究者）が指摘したように、すべての患者を継続的に監視し、敗血症の兆候を探ります。
敗血症の早期認識は重要で、介入は病程の早い段階で実施されるほど大きな効果があります。
このモデルは、地域唯一の学術医療システムであるUCサンディエゴヘルスの救急部門で使用され、敗血症感染リスクのある患者を特定し、死亡率を17％削減しました。
その仕組みは、患者が救急部門にチェックインした後、COMPOSERが敗血症に関連する可能性のある150以上の患者変数を監視し始めることです。これらの変数には、人口統計、病歴、バイタルサイン、検査結果が含まれます。
患者が複数の変数を有し、敗血症感染の高リスクと判断された場合、アルゴリズムは病院の電子健康記録を通じて看護スタッフに通知します。スタッフは医師と確認し、患者に適切な治療計画を決定します。
これらの高度なAIアルゴリズムは、人間の目には最初は明らかでないパターンを検出できます。
– Shamim Nemati, Ph.D., 研究共同著者兼UCサンディエゴ医学部予測分析ディレクター兼生物医学情報学准教授
彼はさらに付け加えました：
システムはこれらのリスク要因を検討し、非常に高精度な敗血症予測を導き出すことができます。
この研究は米国国立衛生研究所、国立医学図書館、そしてUCサンディエゴヘルスのジョーン＆アーウィン・ジェイコブス・ヘルスイノベーションセンターから資金提供を受け、AIアルゴリズムが病院の救急部門で導入される前後に、6,200件以上の患者入院を調査しました。
これはAIディープラーニングモデルを利用し、患者の転帰改善を報告した初めての研究です。モデルは人工ニューラルネットワークを使用して、患者の複雑かつ多数のリスク要因を正確かつ安全に特定します。Wardiは次のように述べました：
このAIモデルのおかげで、私たちのチームは患者に対してより迅速に命を救う治療を提供できるようになりました。
COMPOSERは2022年12月に初めて稼働し、現在はUCサンディエゴヘルス全体の多数の入院ユニットで使用されています。将来的には、UCサンディエゴヘルス東キャンパスでも導入が開始される予定です。
最近、ヘルスケアセンターは初代チーフヘルスAIオフィサーを発表しました。また、クラウドベースの電子健康記録システムであるEpicとChatGPTが、より思いやりのあるメッセージ応答を自動作成するパイロットを開始し、医師や介護者が患者ケアに集中できるようにしています。
「電子健康記録へのAI技術の統合は、デジタルヘルスの約束を実現するのに役立っています。」
– Christopher Longhurst、研究共同著者兼Jacobsヘルスイノベーションセンター執行ディレクター、UCサンディエゴヘルスの最高医療責任者兼最高デジタル責任者
ゲノムデータを解析し、正確に疾病を予測するソフトウェア
医療分野でAI搭載予測モデルが役立つ別の例として、先週発表された研究があります。Rutgers Healthで開発された、初のソフトウェアIntelliGenesはAIと機械学習を組み合わせ、個人の疾病予測を支援します。このモデルはゲノムデータを解析し、健康に関連するバイオマーカーを見つけ、個別化された患者予測とその視覚的表現を生成します。
マルチゲノムデータは患者の固有の遺伝的構成について情報を提供し、疾病リスクに基づく新たなバイオマーカーを発見する可能性があります。研究は次のように述べました：
「我々は、複数のAIアルゴリズムを協調的に使用することで、単一のAIアルゴリズム単独に比べ、より正確な結果を提供し、洞察に満ちた結論と実世界の問題に対する精密な予測が得られると信じています。」
さらに、サポートベクターマシン（SVM）とランダムフォレスト（RF）が、予測精度が高く、回帰や分類の問題を解決するために最も成功した機械学習アルゴリズムであることが判明しました。
現在、完全なヒトゲノムを調査・解釈できるAIツールは存在せず、特に専門家でない個人には利用が難しい状況です。そのため、研究者はIntelliGenesを開発しました。これはバイオインフォマティクスの知識が少ない人や高性能コンピュータを持たない人でも利用できるよう設計されています。
機械学習アルゴリズムの組み合わせを用いて、Rutgers Healthの研究者は従来の統計や伝統的なバイオインフォマティクス手法では見落とされがちな情報を明らかにしようとしています。
研究者はさらに別の研究でIntelliGenesを適用し、新規バイオマーカーを発見し、心血管疾患（CVD）を高精度で予測しました。
研究によれば、AIと機械学習手法の適切な活用は、心血管疾患に関する新たな洞察と理解を提供し、結果としてより優れた個別化治療を可能にします。
この研究は遺伝子発現データの徹底的な前処理から始まり、続いて3つの統計検定を用いてトランスクリプトミクス（全RNA集合の研究）発現の差異と、CVD患者と健康な個人の臨床的特徴の違いを評価しました。
研究では、チームはCVD集団で高度に有意な18のトランスクリプトミックバイオマーカーを発見しました。これらは最大96％の精度で疾病予測に使用されました。これらの結果は、コホートの患者から収集された臨床記録でも交差検証されています。
「データセットの統合と人工知能・機械学習の驚異的な進展には大きな可能性があります。」
– Zeeshan Ahmed、研究の第一著者。AhmedはRutgers Institute for Health, Health Care Policy and Aging Research（IFH）の教員であり、Robert Wood Johnson Medical Schoolの医学助教授です。
彼によれば、このモデルは個人における一般的および希少な疾病の個別早期検出を支援するだけでなく、最終的に新しい介入や治療につながる広範な研究への道を開くと述べています。
AIはまだ完璧な解決策ではない！
ご覧のとおり、AI搭載モデルは医療分野で大きな利点があり、疾病を高精度で早期に検出し多くの命を守ることができます。しかし、まだ究極の解決策ではなく、少なくとも現時点ではそうではありません。このことは、今月初めに発表された研究で、実世界でAIを適用するとミスが発生することが示された例からも分かります。
今月初めに『Modern Pathology』誌に掲載されたこの研究は、組織汚染がAIの学習モデルにどのように影響するかを初めて検証したものです。
この研究では、研究者は胎盤組織の顕微鏡スライドを解析するために3つのAIモデルを訓練し、血管損傷の特定、妊娠週数の推定、肉眼的病変の分類といったタスクを行わせました。さらに、4つ目のモデルは針生検から得られた組織サンプルで前立腺癌を検出するよう訓練されました。
ロバスト性をテストするため、研究者は各モデルに他のスライドからランダムに抽出した血液や膀胱組織などの汚染組織の小片を曝露させました。このステップは、汚染物質がしばしば存在する実世界の条件を模倣することを目的としています。
AIモデルの性能を評価した結果、4つのモデルすべてが主要タスクに集中せず、組織汚染物質に注意が向いてしまうことが判明しました。この注意散漫により、妊娠週数の推定、前立腺癌の診断、病変の特定、血管損傷の評価に誤差が生じました。これは、AIが訓練されていないさまざまな実世界の材料に直面するためであり、クリーンなシミュレーション環境とは異なります。
「我々の発見は、実験室で非常に優れたAIでも実世界では失敗する可能性があることを思い出させます。患者は、組織サンプルや生検での診断において最終的な判断は人間の専門家に委ねられるべきです。病理医は、コンピュータが私たちの仕事を奪うことを恐れ、AI企業はそれを期待していますが、まだそうではありません。」
– 共同著者 Jeffery Goldstein博士
AIだけでなく、広範に訓練された病理医にとっても、組織汚染はかなり一般的な問題です。しかし、研究は医師や非病理学研究者がこれに驚くことが多いと指摘しています。ある日、病理医がスキャンする80〜100枚のスライドのうち、2〜3枚が汚染されていると予想されています。
研究によれば、AIモデルは人間がスライド上の組織を検査するのと似たように機能します。人間は顕微鏡内の限られた視野しか見られず、次の視野へ移動して得られた情報を統合し診断を行います。
しかし、AIは汚染物質に誤って注意を向けやすく、何に注意し何に注意しないかを決めなければなりません。「それはゼロサムです」とGoldsteinは述べました。彼はノースウェスタン大学フェインバーグ医学部の周産期病理学ディレクター兼周産期病理学・解剖学助教授です。
「組織汚染物に注意を向けているなら、検査対象の患者組織への注意が減るということです。」
研究著者によれば、実務者はAIモデルが生体不純物をエンコードできない問題を定量化し、改善に取り組むべきです。
しかし、結果はGoldsteinに「AIによる胎盤評価は実現可能だ」と自信を持たせ、AIの破壊を「スピードバンプ」と呼びました。これは、病理学における機械学習の統合が進んでいることを意味します、と彼は付け加えました。
AI搭載予測モデルから恩恵を受けることができる企業
AIモデルが大きな期待を示す中、どの企業が最も恩恵を受けるか見てみましょう：
1. Google DeepMind
これはテック大手Googleの子会社で、インテリジェンスを解決し「科学を進歩させ、人類に利益をもたらす」ことを目指しています。
最近、Google DeepMindの研究者は、医師向けのAIアシスタント「Articulate Medical Intelligence Explorer（AMIE）」を開発し、患者診断を支援できることを明らかにしました。また、同組織の別の論文では、LLMにおける報酬ハッキングに対処するためのWARMが提案されました。
GOOGL 価格チャート
執筆時点で株価は152.59ドルで、年初来8.94％上昇しており、Google（GOOGL）の時価総額は1.9兆ドルです。同社は過去12か月の売上高が2,970億ドル、EPS（TTM）が5.21、P/E（TTM）が29.19でした。
2. Siemens Healthineers
このリーディングヘルスケア企業は、AIを活用して医療産業を変革することに注力しています。Siemens Healthineers (SHL.SW ) は2023年11月時点で84のAI対応製品を開発し、技術に関連する800件以上の特許を保有しています。 (SHL.DE )
親会社Siemensから分離したこのヘルスケアソリューションプロバイダーの時価総額は630億ドルで、株価は51.68ドルです。Siemens HealthineersのEPS（TTM）は1.35、P/E（TTM）は38.28です。
最終的な考察
ご覧のとおり、AIはトレンド分析において大きな可能性を秘めており、技術が進歩すれば、さらに正確で実用的な洞察や各セクターでのイノベーションが見られるでしょう。医療分野では、AI駆動の予測モデルがデータ、洞察、介入を統合し、医療を個別化し、成果を最適化します。
