人工知能 - 医療機器分野への応用

はじめに 

人工知能（AI）という言葉を定義するのは難しい。しばしば人々は、コンピュータがうまく処理できることがわかっていること（会計など）とは対照的に、コンピュータが行うのが難しいこと（自然言語の理解など）を意味する言葉として使う。

しかし、人工知能とは何か？

ISO/IEC 2382:2015によると、人工知能とは、通常人間の知能に関連する機能を実行するタスクを実行したり、データ処理システムを開発したりするシステムの能力と定義されている。
言い換えれば、人工知能（AI）とは、コンピュータや機械が人間の知能や問題解決能力をシミュレートすることを可能にする特定のタイプの技術である。

機械学習とディープラーニングという2つの分野のおかげで、学習すると同時に時間の経過とともに予測の精度を高めることができるという人間の脳の意思決定プロセスをモデルにしたAIアルゴリズムを開発することが可能になった。

AIの歴史

では、人工知能という言葉はどこから来たのだろうか？

1956年の夏、ダートマス大学で開かれた学会で、数人の科学者が、機械に知性をシミュレートさせる方法について議論した。最初にマッカーシーが人工知能という言葉を提唱した。

しかし、人工知能の歴史は古代に始まり、名工によって知能や意識を与えられた人造人間の神話や物語があった。現代のAIの種は、人間の思考プロセスを記号の機械的操作として記述しようとした哲学者たちによって蒔かれた。この研究は、1940年代に数学的推論の抽象的エッセンスに基づく機械であるプログラム可能なデジタル・コンピュータの発明につながった。この装置とその背後にあるアイデアに触発され、一握りの科学者が電子頭脳を作る可能性について真剣に議論し始めた。実際、1943年には、マカロックとピッツによって最初の人工ニューロンが設計された。

1956年の会議以来、人工知能（AI）はさまざまな形や程度で、ヘルスケア、製造、銀行・金融市場、教育、サプライチェーン、小売、eコマースなど、幅広い分野の開発と発展に利用されてきた。

ヘルスケア産業におけるAI 

ヘルスケア業界では、AIベースの医療機器が作業を自動化し、複数のソースからのデータを合成し、傾向を特定することができるだろう。また、ウェアラブルセンサーからの情報を処理・分析し、病気や病状の発症を特定したり、医療記録に基づいてどの患者が病気や合併症、ネガティブな転帰のリスクが高いかを予測したり、大量のデータを評価して治療効果をモニタリングすることで研究をサポートしたりすることも可能である。

機械学習技術は、画像、遺伝子、電気生理学的データのような構造化されたデータを評価し、患者の特徴を組み立てたり、病気を予測したりするのに役立つ。代わりにディープラーニング技術は、医療データセットから得られるより複雑なデータに使用される。

生体パラメータを測定しやすい信号に変換できる医療用センサーは、診断分野において重要な役割を果たしている。これらを活用することで、診断装置はより効果的で安全となる。病気のモニタリングや診断のために様々な医療用センサーが開発されており、例えば生体マーカーは生体外や生体内で使用することができる。この種のセンサーは、例えば癌の検出などに積極的に利用されている。

一方、人工知能（AI）、特に機械学習（ML）として知られるAIのサブセットを組み込んだソフトウェアは、技術の進歩に伴い、ますます多くの医療機器に不可欠な要素となっている。

ソフトウェアにおけるAI/MLの最大の利点は、実世界での使用や経験から学習し、その性能を向上させる能力である。AI/MLソフトウェアが実世界のフィードバックから学習し（トレーニング）、その性能を向上させる（アダプテーション）能力は、これらの技術を医療機器としてのソフトウェア（software as a medical device : SaMD）の中でもユニークな位置づけにしており、急速に拡大する研究開発分野となっている。

実践的な事例 

AI/MLは、医療提供の過程で日々生成される膨大なデータから、新たな重要な洞察を生み出す可能性を秘めている。デジタルヘルス技術は、私たちの健康や日常生活の様々な場面でますます重要な役割を果たしており、AI/MLはこの分野における重要な進歩の原動力となっている。

ICU患者向けに設計されたAI/MLアプリケーションは、主要な患者モニターから心電図、血圧、脈拍酸素濃度信号を受信し、AI/MLソフトウェアの例として使用することができる。この例では、生理学的信号の処理と分析は、生理学的不安定性の開始時に発生するパターンを特定するために行われる。生理的不安定が検出されると可聴アラーム信号が生成され、患者への潜在的危害を防ぐための即時臨床処置の必要性を知らせる。

別の例として、モバイル機器のカメラと懐中電灯を使用して皮膚病変のリスク評価を提供することを意図したモバイルアプリを挙げることができる。リスク評価を行うのはAIアルゴリズムである。評価の結果に基づいて、ユーザーは正確な医学的診断を得るために皮膚科医にさらなる検査を受けるよう勧められる。結果画面で誤解が生じないように、アルゴリズムはリスク評価された病変の周囲に、割り当てられたリスクに応じて色分けされたボックスをプロットする。これは、リスク評価がどの病変に対して計算されたかを正確に示す。異なる病変がある場合は、対応する色で複数のボックスを作成する。アルゴリズムが病変を検出できなかった場合、結果画面にボックスは表示されず、ユーザーはその病変を評価できないことになる。

持続グルコースモニタリング（CGM）と自己管理モバイルアプリは、糖尿病ケアのデジタルトランスフォーメーションにつながっている。インスリン投与量の調整に役立つインスリンボーラス計算機も開発され、現在では市販されている最新のインスリンポンプの大半と一部のグルコースメーターに搭載されている。連続グルコースモニタリング（CGM）、Run-to-Runコントロール、人工知能を活用することで、この障壁を克服するデバイスが開発された。モバイルアプリに実装されたこのアルゴリズムは、持続グルコースセンサーとリアルタイムで通信し、個人と現在の状況に合わせた推奨インスリン投与量を計算するために、ユーザーがさまざまな情報を手動で入力する必要があるようだ。また、このアルゴリズムは、過去のインスリン推奨量の結果とユーザーの行動に基づいて推奨量を採用する。

補聴器の分野では、リアルタイムの機械学習を利用して、エンドユーザーがさまざまな環境での好みや意図に基づいて調整できるようにした初の補聴器が市場に導入された。分散コンピューティング・アプローチと補聴器に接続されたスマートフォンを利用することで、ライブの機械学習アプリケーションを組み込むことができる。シンプルなインターフェースを介して、アルゴリズムは自動的に学習し、エンドユーザーの好みや意図を満たすことができる。そのため、機械学習を利用すれば、補聴器の専門家がフィッティングに組み込んだプログラミングを変更することなく、イコライザーの設定を調整することが可能である。補聴器の永久的なプログラミングは変更されないが、エンドユーザーは、リアルタイムで、特定のリアルタイムの聞き取りに合わせて音響設定を簡単に調整することができる。

結論

日進月歩のヘルスケア・テクノロジーの領域において、人工知能はかつて想像もできなかったソリューションを提供する革新の道標となっている。リアルタイムのモニタリングから個別化された治療計画まで、AIは医療介入の効率を高めるだけでなく、患者がかつてないほど自分の健康をコントロールする力を与えている。私たちが未来に目を向けるとき、AIとヘルスケアの融合は、病気がより早く発見され、治療がより効果的になり、個人がより健康的な生活を送る力を与えられる世界の到来を約束している。