✏️ Learn & Dev: CloudMedxの取り組み：医療業界が個人情報を守りながら、効率的にAIを使うには？
人工知能（AI）が医療においてどのように人々の生活に大きな影響を与えるか、最も効果的な方法は医療分野にあります。現在、医療業界の大きな問題を解決するためにAIがどのような解決策を提供できるかについての理論化が進んでいます。しかしそんな中でも、変化が既に進行中であると言われています。
予測型AIと生成型AIの両方が、医療分野で具体的な変化をもたらすことができること、そして医療業界が他の産業に続くための道筋を築く手助けができると考えられます。
予測型AIと生成型AIとは？
予測型AI：
過去のデータやパターンを分析して将来の出来事や結果を予測することに焦点を当てています。例えば、医療分野では、予測型AIは患者の病気のリスクを評価したり、治療の効果を予測したりするのに使われます。
生成型AI：
生成型AIは新しい情報やコンテンツを作成することに特化しています。例えば、画像や文章の生成、音楽の作曲などが含まれます。医療分野では、生成型AIは新しい治療法や医療手順の開発、新しい薬の設計などに利用されることがあります。
医療業界が直面する課題
医療分野でアイデアを実用的なソリューションに変えることは非常に重要です。医療業界が直面する課題は年々増えています。「米国の医療業界は、2023年には景気後退の圧力、高いインフレ率の継続、労働力の不足、そしてCOVID-19の蔓延など、困難な状況に直面しています」とマッキンゼーのアナリストは報告しています。
さらに悪いことに、平均寿命は減少し、母体死亡率は上昇しています。医療の劇的な改善が必要です。
AIの活用により、医療の結果が改善され、命を救う手助けができるだけでなく医療費を大幅に削減することができます。
医療業界に革新をもたらすAI
全体として、AIの活用は医療業界に革新をもたらし、効率性と品質の向上を実現するだけでなく、経済的な負担を軽減することも期待されています。
マッキンゼーとハーバードの最近の研究によれば、AIはアメリカの医療費を年間3600億ドル節約することができるとのことです。「これらの機会は、医療の品質向上、アクセスの拡大、患者体験の向上、医療従事者の満足度向上など、財務以外の利益ももたらす可能性があります」と研究者は述べています。
医療従事者は診断や治療の効率化、予防ケアの強化、リソースの最適な配置など、さまざまな方法で医療費を削減することができます。これにより、医療サービスの効果的な提供が可能となり、コスト効率が向上し、資源の適切な活用が実現されます。
さらに、AIによるデータ分析や予測能力の活用により、早期の病気の発見やリスクの予測が可能となります。このように医療の品質が向上するとまた、患者の体験が向上し、アクセスも拡大することが考えられます。
このような可能性を追求するために、継続的な研究と開発が必要であり、医療業界と技術の専門家が協力して取り組むことが重要です。
しかし、医療業界は独自の圧力に直面しています。ウォールストリートジャーナルによると、OpenAIのChatGPTやGoogleのBardなど、最近人気のあるAIチャットボットは時折「間違った情報を生成することがある」と報じられています。
医療の現場ではこのような誤りは許されません。同様に、すべてのデータは機密保持されなければならず、医療機関はAIを通じて個人情報が漏れる可能性を冒すことはできません。
CloudMedxの取り組み
Sahar ArshadさんはCloudMedxの共同創業者兼COOであり、人工知能を使って医療の提供方法を変革しています。
CloudMedxのチームは、医療費の最大30%に貢献している管理上の負担を軽減するため、大規模な言語モデル（LLM）を基にしたアプリケーションの開発に取り組んできました。ここで学んだいくつかのポイントを共有し、他のテクノロジーリーダーがAIを活用した医療ソリューションの開発に役立てることができると考えています。
１）具体例のデータを使ってAIツールを開発する際、開発者はいくつかの方法を選ぶことができます。1つは、独自の基礎モデル（例えばGPT-4やPaLMなど）を作る方法ですが、これにはお金と労力がかかります。
２）もう1つは、既存の基礎モデルを使いながら、特定の分野に関する豊富なデータを追加し、微調整する方法です。
３）また、3つ目の方法として、既存の分野に特化した基礎モデルをそのまま使い、Zero-shot learningやFew-shot Learningといった特定のテクニックを使って、望ましい結果を得る方法もあります。そして、その上にユーザーインターフェースを作ります。このユーザーインターフェースは、基礎モデルを包み込むような役割を果たします。
Zero-shot learningとは？
機械が見たことがないものを予測するための機械学習の技術の一つです。 例えば、馬を見たことがある子供がはじめてしま馬を見たときでも、白と黒のストライプを持つ馬だろうと想像できます。参照：GMO
Few-shot Learningとは？
Few-shot Learningとは少ないデータ（画像等）で効率的に学習することができる学習手法です。Few-shot learningの場合、過去に学習した経験値を応用して、新しいクラスの学習を追加することができるようになります。また、全体の再学習が不要のため、少ない画像数で学習することが可能になります。また、Few-shot Learningは、最近話題になっているGPT-3にも採用され、タスクに特化したパラメータの更新を行わずにさまざまなタスクを解決できるよう組み込まれています。参照：GMO
CloudMedxの仕事では、解決すべき課題によって、第2の方法と第3の方法の両方を使っています。匿名化された医療データを基本モデルに入力しプライベートサーバー上でモデルを私たちの特定の応用分野に合わせて作り変え、専門知識を組み込んでいます。
たとえば、CloudMedxのツールは、特定の業界で使用される略語や頭字語の意味を理解する必要があります。多くの医師や看護師、その他の医療従事者は、「DM」というコードを糖尿病（正式名称のdiabetes mellitusを指す）の意味で書きます。これをAIツールにこれを教える必要があります。そうしないと、DMがダイレクトメッセージやダイレクトマーケティング、データベース管理などを指すと誤解してしまいます。業界固有の情報を提供し、使用事例の範囲を明確にするほど、誤った情報が出てくる可能性は少なくなります。
ファイアウォールと一方通行
企業がこのツールを導入するためには、厳密にファイアウォール内での動作がデザインされている必要があります。ファイアウォールとは、コンピュータシステムやネットワークを保護するためのセキュリティ機能のことです。
また一方通行の経路とは、データが片方向にのみ流れるように制御されることを意味します。このセキュリティの考え方を使って、ツールを設計することが重要です。
例えば、CloudMedxのツールは、医療のルールや規制がどのように変化しているかを自動的に調べることがあります。たとえば、特定の人口統計のカテゴリに属する患者の料金請求のためのコーディングガイドラインや、患者の臨床データや人口統計データに基づいたケアレポートの作成ルールなどです。
このような外部の情報を収集するためには、ツールはインターネットなどの外部のデータソースにアクセスする必要があります。しかし、同時に、ファイアウォールを通じてデータが一方向にのみ流れるように制限されます。これにより、プライバシーやセキュリティが守られ、機密データが外部に漏れることがないようになります。
CloudMedxのツールは外部からの情報を安全に取り込むことができる一方で、組織の重要なデータが保護される仕組みとなっています。
まとめ
これらのことは、AIが誰にどの手術を行うか、誰を退院させるか、または他の医療上の決定をする立場になるわけではありません。患者はもちろん、医療業界がそうしたことにAIを頼ることを望んでいません。
重要なのは、AIツールを設計することで、自動化できる作業を処理させ、医療従事者が重要な医療業務に集中できるようにすることです。（例えば、看護師は、推定で26％から41％の時間を文書作業に費やさなければなりません。）
医療部門がこれらのルール内でAIを活用する方法を先駆けることで、他の部門もそれに続く良い理由を持つことになるでしょう。
CloudMedx
人工知能（AI）が医療費に与える潜在的な影響
この記事が気に入ったらサポートをしてみませんか？