より優れたデータ パイプラインに投資する AI 企業は、より迅速に規制当局の承認を獲得しています — これがその理由です

私たちは、AI 対応医療機器の加速による医療の大きな変化を目の当たりにしています。検出やリスクの層別化から医薬品開発や臨床作業量の改善に至るまで、健康の公平性を向上させる大きな可能性を秘めています。

これらのイノベーションを構築するには、AI モデルをトレーニングするための高品質な現実世界の医療データが不可欠です。これらのソリューションを臨床医の手に届け、最終的に患者を助けるには、厳格な規制監督が必要です。このプロセスにより、テクノロジーが安全で効果的であり、臨床使用の準備が整っていることが保証されます。

医療 AI がデータに依存する理由

対象となる母集団から抽出されていない小規模で代表性のないトレーニング データセットは AI のパフォーマンスを妨げ、既存のバイアスの悪化、一般化性に欠ける製品の作成、不正確な出力の生成など、下流でさまざまな問題を引き起こします。

特に希少疾患の場合、データセットが小さいことが避けられない場合があります。ただし、この文脈を超えて使用すると、過小評価につながり、AI モデルが母集団全体に一般化する能力が低下します。

狭い集団サンプルでトレーニングされたアルゴリズムでは、より広範な患者グループにわたる状態の予測、検出、分類には限界があり、これが健康格差を悪化させ、患者の転帰の悪化につながります。モデルのトレーニングとテストに使用されるデータセットが対象集団を代表していない場合、モデルは正確な結果を生成しない可能性があり、いくらテストを行っても結果を適切に検証できなくなります。つまり、モデルはトレーニングされたグループを超えて一般化できないということです。追加情報 (ラベル付けや臨床レポートなど) が提示されていないか、エラーが含まれている場合、そのデータに基づいてトレーニングおよびテストされたモデルの出力も不正確になる可能性があります。

バイアスを最小限に抑えることは、AI 対応医療機器のデータのトレーニングとテストに不可欠な側面です。潜在的なバイアスを特定して軽減することも、規制当局が重点を置く重要な要素です。 AI のバイアスは多くの問題を引き起こしますが、大規模で適切に多様なトレーニング データセットはそれを軽減するのに役立ちます。

トレーニング データが最初に考慮される一方で、テスト データも対象となる母集団を代表するものである必要があります。モデルの精度と実用性を確保するには、高品質で多様性があり、十分な大きさである必要があります。また、テストでアルゴリズムの精度と有効性が真に評価され、現実世界のパフォーマンスの証拠が得られるようにするには、トレーニング データとテスト データが適切に独立している必要があります。

これらの課題は技術的なものだけではありません。これらは、規制当局が AI 対応デバイスの安全性と有効性を評価する方法に影響を与えます。

これが規制当局への提出にとってなぜ重要なのでしょうか?

規制当局への提出の準備は、クライアントが当社に連絡するための重要な推進力です。私たちが目にする共通点は、入力しているさまざまな地域からのデータに基づいてデバイスをトレーニングし、テストする必要があるということです。規制当局は、新しい医療機器のデータの代表性に関する詳細な情報をますます要求しています。

米国食品医薬品局などの機関は、 ガイダンス データ管理にどのように取り組むかについて、特に医療機器の有効性、正確性、有用性を確保するために使用されるトレーニングおよびテストデータに焦点を当てています。透明性の確保と責任ある AI 開発は、効果的で進化し続ける規制ガイドラインに準拠したデバイスを作成するための鍵となります。

多くの場合、規制当局は、データがどのように取得されたか、トレーニングとテストに使用されたデータの分割、データがどのように処理、保存、注釈付けされたか、その他多数の情報ポイントの中で、徹底的な文書化と記録を必要とします。最初からデータを適切に実践することで、開発者は規制当局への提出に必要な情報を簡単にまとめることができます。トレーニング データとテスト データが適切に調達および管理されており、大規模かつ多様であることがわかれば、規制当局は、デバイスが対象集団で正確に動作することが保証されるため、さらなる検証を要求する必要性を減らすことができます。

必要とされる広範かつ多様なデータへのアクセスが遅いと、最終的には規制当局への提出も遅くなります。トレーニングおよびテストデータの表現が不十分であることも、規制当局への提出が拒否される理由となる可能性があります。

将来を見据えて

医療分野への AI の導入競争では、スピードが重要です。しかし、構造のないスピードは挫折につながります。早期にデータに優先順位を付ける医療 AI 開発者は、より早く、より確実に規制のゴールラインを通過することになります。

現在の環境では、より優れたデータはより優れたアルゴリズムだけを意味するわけではありません。これは、臨床パフォーマンスを向上させ、患者の生活を向上させて、より迅速に市場に投入するための鍵です。

写真：スパットマン、ゲッティイメージズ

この投稿は、 メッドシティのインフルエンサー プログラム。誰でも、MedCity インフルエンサーを通じて MedCity News でヘルスケアにおけるビジネスとイノベーションに関する視点を公開できます。 方法を確認するにはここをクリックしてください。