医療分野でAIの世代が急速に発展

[広告_1]

AIは20世紀後半にコンピューターエンジニアによってプログラムされ、人間が作成した一連の命令（ルール）に基づいて誕生し、テクノロジーが基本的な問題を解決できるようになりました。

編集者注：情報化時代において、新しい技術の流れの影響を受ける業界は数多くあります。自動化、コンピューターサイエンス、人工知能 (AI) の影響により、医師、病院、保険会社、医療関連業界などの組織も例外ではありません。しかし、ヘルスケアだけを見れば、AI は他の業界よりもプラスの影響を与えています。

第一世代

現時点での AI のトレーニング方法は医学生のアプローチに似ていると想像できますが、AI システムにも患者の症状を診断に変換するための何百ものアルゴリズムが教えられています。これは、ヘルスケアのルールを AI システムに組み込んだ最初の世代と考えられています。

意思決定アルゴリズムは、幹（患者の問題）から始まり、そこから枝分かれして伸びていく木の成長に似ています。たとえば、患者がひどい咳を訴えた場合、医師はまず熱があるかどうかを調べます。発熱の有無に応じて2セットの質問があります。最初の答えから、病状に関するさらなる質問につながります。これはさらに分裂を招きます。最終的に、それぞれの枝は診断名であり、細菌性、真菌性、またはウイルス性の肺炎から、がん、心不全、またはその他多数の肺疾患まで多岐にわたります。

一般的に、第一世代の AI は問題を認識できますが、医療記録を分析および分類することはできません。その結果、初期の人工知能は、医学と直感や経験を組み合わせた医師ほど正確ではありませんでした。そして、これらの制限のため、ルールベースの AI は臨床現場ではほとんど使用されません。

完全自動化

21 世紀初頭には、特定の一連のタスクを解決する人工知能である人工知能 (ANI) の登場により、AI の第二の時代が始まりました。人間の脳の構造を模倣したニューラルネットワークの出現により、ディープラーニングテクノロジーへの道が開かれました。 ANI は、以前のバージョンとは動作が大きく異なります。第 2 世代のシステムは、研究者によって事前に定義されたルールを提供するのではなく、膨大なデータセットを使用して、人間が行うには長い時間がかかるようなパターンを識別します。

ある例では、研究者らは何千枚ものマンモグラムを ANI システムに入力しましたが、その半分には悪性がんが示され、残りの半分には良性がんが示されました。このモデルは、X 線画像のサイズ、密度、陰影における数十の違いを瞬時に識別し、それぞれの違いに悪性度を反映する影響係数を割り当てます。重要なのは、このタイプの AI は人間のようにヒューリスティック (経験則) に依存せず、代わりに放射線科医もソフトウェア設計者も知らない悪性検査と正常検査の微妙な違いに依存していることです。

ルールベースの AI とは異なり、第 2 世代の AI ツールは、診断の精度において人間の直感を上回ることがあります。しかし、この形態の人工知能には重大な限界もあります。まず、各アプリケーションには特定のタスクがあります。つまり、マンモグラムを読み取るようにトレーニングされたシステムは、脳スキャンや胸部X線写真を解釈することはできません。 ANI の最大の制限は、システムの性能がトレーニングに使用されたデータと同程度しかないことです。明らかな弱点の例としては、UnitedHealthcare が、最も重症の患者を特定し、追加の医療サービスを提供するために、特定の分野に特化した AI に依存していたことが挙げられます。研究者たちはその後、データをフィルタリングする際に、AIが悲惨な仮定を行っていたことを発見した。医療記録のみで健康であると診断された患者はほとんど医療を受けられず、一方で多くの医療を受けている患者は不健康であると評価される...

将来の世代の AI では、人間が医師と同じように病気を診断し、治療を計画することも可能になります。現在、生成AIツール（GoogleのMED-PALM2）が医師免許試験にエキスパートレベルのスコアで合格しています。他の多くの医療 AI ツールも、医師と同様の診断を下せるようになりました。しかし、これらのモデルは依然として医師の監督を必要とし、医師に代わることはできません。しかし、現在の急激な成長率からすると、これらのアプリケーションは今後 5 年間で少なくとも 30 倍強力になると予想されます。 ChatGPT のような将来の世代のツールにより、誰もが医療の専門知識を利用できるようになり、医師と患者の関係が根本的に変化すると予測されています。

VIET LEによる編集

[広告2]
ソース