バイオテクノロジー
大規模言語モデル（LLM）は脳卒中患者の分析において神経科医を支援できるか？
人工知能（AI）はこの10年で最大の技術的ブレークスルーの一つです。ChatGPTの登場により、AIは主流へと押し上げられ、医療を含むさまざまな分野で応用が広がっています。特に、神経科医はAIを用いて脳内の卒中部位を正確に特定できることから、大きな恩恵を受ける可能性があります、というのは最近の研究で明らかになった。
卒中と言えば、米国で死亡原因の上位に位置しています。米国では40秒ごとに1人が卒中を経験し、3分14秒ごとに1人が卒中で死亡しています。死亡率だけでなく、卒中は長期的な障害も引き起こす可能性があります。そのため、脳内の卒中部位を特定することは、長期的な影響を予測するのに役立ちます。影響は、個人の運動能力の障害から言語・発話能力への影響まで幅広く異なります。さらに、AIは患者の予後を判断し、最適な治療法を決定するのにも役立ちます。
通常、脳スキャンは卒中による組織損傷領域である病変の位置を特定するのに役立ちます。しかし、すべての人が神経科医による脳スキャンを受けられるわけではありません。
このギャップに対処するために、研究著者のJung-Hyun Lee医学博士（米国神経学会会員、ニューヨーク州立大学ダウンステート健康科学大学）は「GPT-4が患者の健康歴と神経学的検査に基づいて、卒中後の脳病変を正確に特定できるかどうかを調べたい」と述べました。
研究の他の参加者には、ニューヨーク・リンカーン医療センター内科部門のEunhee Choi医学博士、イェール公衆衛生大学院生物統計学部門およびWu‑Tsai研究所の計算生物学・バイオインフォマティクスプログラムのRobert McDougal医学博士、そしてニューヨーク州立大学ダウンステート健康科学大学神経学部門およびキングス郡病院神経学部門のWilliam W. Lytton医学博士が含まれます。
米国神経学会のオンラインジャーナル『Neurology® Clinical Practice』に掲載された本研究は、神経学的検査と健康歴のテキストを処理し、脳内の病変位置を特定するAIの能力を示しました。
この目的のために、チームは大規模言語モデル（LLM）であるGPT-4を使用しました。この生成的事前学習トランスフォーマーは膨大なデータで訓練され、テキストベースの問い合わせに対してテキスト応答を生成する「顕著な能力」を示しています。
この取り組みは初めてではありません。LLMの機能は以前から医師が自由形式の質問に答える形で探求されてきました。しかし、従来の病変定位ソフトウェアは範囲が限定的でした。本研究の目的は、臨床的提示に基づく急性卒中病変の定位におけるGPT‑4の能力を評価し、将来的に神経学の臨床ツールとしてAIが果たす可能性のある役割を示すことです。
巨大な可能性
本研究では、研究者は卒中を経験した46例の健康歴と神経学的身体検査を収集しました。このテキストデータをGPT-4に入力しました。Zero‑Shot Chain‑of‑Thought と Text Classification のプロンプト手法を用いて、モデルは各患者について3つの具体的な質問に対し、3回繰り返し回答するよう課せられました：患者が単一または複数の病変を有するか、病変が脳のどちら側に位置するか、そして病変が脳のどの領域にあるか。
GPT-4の結果を各参加者の脳スキャンと比較したところ、結果は概ね満足できるものでしたが、小脳と脊髄の病変については例外がありました。
GPT-4は大多数のケースで脳病変の位置を特定する高い精度を示し、特異度87％（陰性を正しく識別した割合）と感度74％（陽性を正しく識別した割合）を達成しました。また、最も影響を受けた脳領域を特定する際には、特異度94％、感度85％を達成しました。
さらに研究は、モデルが参加者の76％で病変数を、一貫して特定し、83％で病変の位置、87％で関与する具体的な脳領域を正確に識別したことを示しました。しかし、各参加者について3つの質問に対し3回の試行で回答を評価したところ、一貫性は大幅に低下し、GPT‑4は41％の参加者に対してのみ正確な回答を提供できました。
これは、生成的事前学習トランスフォーマー（GPT）などのLLMは「まだ臨床での使用には準備ができていない」ことを示しています。それでも、卒中後の病変位置特定において有望であり、異なる言語間で機能できるため、医療格差の縮小に貢献できる可能性があります。
本研究は、特に遠隔医療の利用が急増している中で、卒中介入における神経学的専門知識の重要性が高まっていることを強調しています。さらに、モデルは追加の画像検査や神経科医の相談が必要かどうかを迅速に判断するのに役立ちます。
Leeによれば：
「彼らの利用可能性は励みになるもので、特に複数の国で神経医療へのアクセスが限られている地域で、医療の改善が大きく求められているためです。」
特に、GPT‑4の精度は与えられるデータの質に依存しており、医療歴や神経検査の詳細情報が必ずしもすべての卒中患者に対して入手できるわけではありません。
研究は、研究者が医療訓練やファインチューニングを受けていないLLMで作業していることを強調しました。また、非典型的な症例の報告は、十分に詳細な健康歴や神経学的検査が欠如していることが多く、公開された症例の情報不足や論理的な失敗、基礎知識ベースのギャップが原因で不正確さが生じました。
したがって、物流面、法的側面、患者安全とプライバシー、精度と一貫性の確保、病院のワークフローへの統合など、LLMを臨床で実用化するためのさらなる研究が必要です。
2023年が人工知能のブレークアウト年であった理由を知るにはこちらをクリックしてください。
医療におけるLLMの重要性と利用の拡大
本研究は素晴らしい結果を示し、医療分野におけるLLMの役割が拡大しているもう一つの例を示しています。この分野は大きな注目を集めており、LLMはさまざまな方法で業界を変革しています。その利用は探索段階から実用段階へと徐々に移行し、現在は臨床研究や患者ケアに影響を与えています。大量のデータを処理し、リアルタイムの洞察を提供し、人間レベルの品質と専門的知識を備えたテキストを生成する能力は、業界を革命的に変えています。
テキスト、画像、動画など、インターネット上の大量かつ複雑なデータで訓練されたこれらのモデルは、医療を含むさまざまな領域で多用途に活用されています。
2018年にMicrosoft支援のOpenAIが最初のLLMであるGPT‑1をリリースしたことがきっかけで、注目を集め始めました。その広範な採用は、一般公開されたアクセス性と使いやすさによって促進されました。これらの特徴は、人間のフィードバックによる強化学習（RLHF）を組み込んだ結果であり、従来のモデルよりも信頼性が高く人間らしい出力を提供できるようになりました。
LLMベースのチャットボットアプリケーションであるChatGPTの登場以来、Meta（Llama）、Google（BARD）、Amazon、Salesforce支援のAnthropic（Claude）など、複数のテック企業が自社のLLMをリリースしています。一方、OpenAIの最新バージョンであるGPT‑4は、米国医師国家試験（USMLE）の合格点を上回るなど、機能が向上しています。
これにより、ChatGPTは医療分野での能力を示しており、LLMをファインチューニングし追加トレーニングを行うことで、患者ケアの向上に活用できるようになります。人間のコミュニケーションは重要な要素であり、GPTの人間らしい能力は患者満足度の向上と最適な臨床結果の実現に効果的です。
膨大なデータ処理は人間にとっては大変ですが、LLMはそれを短時間で容易に行えます。データを整理して提供することで、私たちはそれを有効に活用できます。過去のデータだけでなく、LLMはバイタルサインや患者の症状といった新たに入ってくるデータも継続的に分析し、医療専門家がリアルタイムで迅速な判断を下すのに大いに役立ちます。
科学文献、臨床試験、治療ガイドライン、医療記録などの膨大なデータセットを分析することで、LLMは新しい治療法の特定や効果的な治療法の開発を支援し、医療研究のスピードを上げています。これらのモデルは相関関係を見つけ、パターンを検出することで、疾患の理解を深め、医療研究を加速させることができます。
さらに、これらのモデルは臨床判断、正確な診断や個別化された治療計画などに役立つ貴重な洞察を提供し、患者ケアの向上につながります。専門家だけでなく、LLMは患者にも理解しやすくアクセスしやすい情報を提供し、患者が自らの状態をよりよく理解し、医療の過程に参加できるよう支援します。
AIが万能である理由を知るにはこちらをクリックしてください。
医療におけるイノベーションの推進
膨大な利益と可能性を踏まえ、医療向け生成AI市場は2022年に10億ドル超の評価額を達成し、Generative AI Trackerによれば2032年までに220億ドルに成長すると予測されています。2022年に10億ドル超。
医療機器分野におけるAIの利用に関しては、心臓病学がこのトレンドをリードしています。2022年にFDAが承認したAI対応医療機器の57％が心臓病学分野に属しています。GlobalDataによれば、この傾向は今後も続くと予想され、医療機器企業のAIへの支出は2019年から2024年にかけて年平均成長率20.6％で増加すると見込まれています。
将来的には、AIと3Dバイオプリンティングの統合により、患者ごとの特定のニーズに合わせた完全機能的な臓器の作成が可能になるかもしれません。
この可能性により、多くの大手組織が医療業界向けの専門的なAIソリューションを立ち上げています。例えば、MicrosoftはNuance Dragon Ambient eXperience（DAX）という専門ソリューションを提供しています。これは臨床医と患者の会話をキャプチャし、メモに変換し、EHRに統合します。
GoogleはすでにMedLMという医療特化型LLMをVertex AIプラットフォームで提供しています。同社は最新の研究を活用してヘルスAIモデルのトレーニングを続け、医療業界へのAI適用を進めています。このモデルはパートナー組織によって、看護師の引き継ぎの効率化や臨床医の文書作成支援などのソリューション構築に使用されています。
先月、Googleはモデルに新機能を追加し、MedLM for Chest X-rays を立ち上げ、放射線診断の方法を変えました。このアイデアは、生成AIが医療機関を支援し、胸部X線の分類をさまざまなユースケースで支援することです。
しかし、これだけではありません。Google ResearchはFitbitと協力し、個人の健康に基づくウェルネス機能を提供できる大規模言語モデルを構築しています。このモデルは、個々の健康とフィットネス目標に合わせた個別コーチングを提供することを目指しています。
Amazon Web Services（AWS）もHealthScribeを提供しており、診察会話を分析して評価、現病歴、治療計画などのセグメントごとに要約された臨床ノートを作成します。組織はこれらのノートを臨床アプリケーションに統合し、患者訪問の要約をより効率的に行うことができます。
今年初め、医療技術企業のSiemens Healthineersはインド科学研究所（IISc）と提携し、AIを用いた精密医療のためのSiemens Healthineers‑Computational Data Sciences（CDS）共同ラボを立ち上げました。このラボは、神経画像データにおける病理所見の正確なセグメンテーションを自動化するオープンソースAIツールの開発に焦点を当てており、神経学関連疾患の診断精度向上と臨床効果の分析に貢献します。
これは医療分野におけるAIトレンドの始まりに過ぎません。人工知能の役割はさらに大きくなると予想されます。現在は手術中にリアルタイムで患者固有の3Dモデルを生成するために使用されていますが、今後はインタラクティブなヘルスケア体験を提供し、患者教育とエンゲージメントを変革することが期待されています。ゲノム編集においても、AIは単に複雑な遺伝データを分析するだけでなく、個別化された遺伝子編集のためにより正確な遺伝子‑疾患関連予測を提供する方向へ進化すると見込まれます。
AI搭載の没入型バーチャルリアリティ療法セッションは、メンタルヘルス治療に利用できるもう一つの方法です。また、ナノボットはAIを活用して、さまざまな医療状態を早期段階で特定し対処することが可能です。
しかし、医療におけるLLMの応用には懸念も伴います。プライバシー、透明性、セキュリティに関する倫理的問題があり、研究者、医療専門家、医療機関はこれらに注意を払う必要があります。また、説明責任の欠如により誤情報が拡散されるリスクもあり、既存のバイアスが再現されるという固有の限界もあります。
世界各国の政府はAIがもたらす課題に取り組んでいます。欧州はすでにAIに関する法的枠組みを策定しており、英国保健社会福祉省はAIを使用した医療機器開発に用いられるデータの透明性向上を計画しています。
AIと神経科学の相乗効果の高まりについて知るにはこちらをクリックしてください。
結論
LLMはすでに医療業界での利用が拡大しており、今後も採用と影響がさらに増大すると予想されます。しかし、これらのモデルは責任ある使用が求められ、基礎となるデータはバイアスや誤情報がなく、最高品質である必要があります。そうすることで、より正確な結果と患者の転帰改善が実現できます。
