ヘルスケア AI は複雑になりすぎています — 誇大宣伝を超えたインパクトを達成する方法は次のとおりです

あらゆる基礎テクノロジーの初期には、過剰な誇大宣伝と懐疑論が特徴です。 1990 年代にインターネットが初めて登場したとき、愛好家は、たとえ初期の Web ページがまったく役に立たなかったとしても、オンラインでほぼすべてを検索できる可能性に畏怖の念を抱き、よりつながりのある世界の機会を想像しました。懐疑論者は、インターネットは決して従来の通信手段や研究手段を引き継ぐことのない流行であると考えていました。時が経つにつれて、ブームと不況がありましたが、最終的には、インターネット アプリケーションはクールな目新しさから、現実の問題に対する実用的な解決策に変わりました。私たちは、携帯電話とソーシャルメディアでも同様のサイクルが展開するのを目撃してきました。現在、医療における人工知能 (AI) も同様の岐路に立っています。

医療における AI について考えるとき、ほとんどの人は次のような未来的なアプリケーションを想像します。 「AIドクター」 がんの診断に役立ち、 AI エージェントが身体を自動的にスキャンして心血管イベントを検出します それらが起こる前に。これらのイノベーションは将来の AI の可能性を示していますが、そのほとんどはまだ大規模に導入および検証されていません。今日の医療分野で有用な AI アプリケーションを見つけたい場合は、長年にわたる複雑な問題を解決する上で変革をもたらす可能性がある、さらに上流に目を向ける必要があります。

臨床研究は、AI の影響を受ける機が熟した分野の 1 つです。現在でもデータ管理は依然として大きな課題であり、臨床研究者は大量の健康データを整理して分析するために手動プロセスに依存しています。私たちは生活のほとんどの分野で、検索エンジンにクエリを入力し、すぐに回答を受け取ることに慣れていますが、ほとんどの臨床研究者は依然としてスプレッドシートを使用してデータを保存、交換、アクセス、分析することにこだわっています。オミクスの台頭により複合医療データの量と複雑さが増大するにつれて、これまで分析に使用していたツールは機能しなくなっています。時代遅れのプロセスは研究の遅れやイノベーションの停滞につながります。

ここで AI が登場します。誇大広告ではなく、臨床研究者のデータ管理の悩みに対する本当の解決策として AI が登場します。 AI システム、特に大規模言語モデル (LLM) は、研究者がデータをすぐに使用できる形式に整理し、より効率的にデータを操作できるようにするのに役立ちます。

これらのテクノロジーがすでに臨床研究において科学的なブレークスルーをどのように実現しているのかをもう少し詳しく見てみましょう。

現在、AI が付加価値をもたらしている分野の 1 つは、データの調和の加速です。臨床データは、そのソース形式では非常に乱雑です。研究者は通常、情報を研究にすぐに使える共通の構造に調和させるために、デジタル サイロと異種データ形式を解析するのに何か月も費やします。 LLM の出現により、研究者は AI を活用した自動化を通じてこのプロセスを 100 倍高速化できます。 LLM は、レジストリ、研究データベース、電子医療記録 (EMR) からの大量のデータを、分析に備えた管理された語彙に統合します。下流では、研究者は時間のかかるデータの検討を省略して、科学に直接取り組むことができます。

もう 1 つの価値の高いアプリケーションは、EMR からの自由テキストのメモなど、以前は使用できなかった「非構造化」データから構造化データを抽出することです。この情報には、たとえば患者の薬の使用に関する重要な詳細が含まれており、構造化された形式に整理されていないため、研究データベースから除外されることがよくあります。 LLM は、このテキストを臨床メモからより構造化されたフィールドにマッピングし、「この患者は放射線治療を受けたか」または「この人は癌が再発したか」などの質問に答えることができます。これは画像でも同様に機能します。たとえば、AI を活用したコンピューター ビジョンを使用して、細胞数、細胞の種類、染色などのメタデータを病理組織画像から抽出します。構造化されると、このすべてのデータを研究に利用できるようになり、洞察を得るまでの時間が短縮されます。

AI を活用したユーザー インターフェイスは、データのアクセシビリティを根本的に改善し、研究者とデータセット間の対話のための新しいパラダイムを生み出しています。研究者は、データベースの技術的な複雑さを学習したり、コードの書き方を知っているデータ専門家と協力したりする必要がなく、AI を活用したインターフェイスにより、自然言語を使用して「データとチャット」することができます。研究者はコードを一行書くのではなく、AIを活用したユーザーインターフェースに「病理学的ステージII以上の乳がんを患い、リンチ症候群に関連する遺伝子に病原性変異があるすべての患者を検索してください」と入力するだけで済む。 。 LLM はリクエストを理解し、それを調和されたデータセットに対するクエリに変換し、数週間ではなく数秒で回答を返します。これにより、洞察を得るまでの時間が短縮されるだけでなく、データへのアクセスが民主化され、さらに多くの医療専門家、特にコーディングの専門知識を持たない医療専門家が研究に参加できる扉が開かれます。

AI に関しては、誇大宣伝と懐疑論はどちらも良いことだと私は信じています。これらの視点は、効果の低い使用例を巻き込みながら、可能なことの限界を押し広げるでしょう。しかし、AI がすでに大きな影響を与えている分野に注目することが重要です。これらは実用的なアプリケーションであり、最も優秀な研究者がデータの不正操作ではなく科学に集中できるようになります。それらに取り組みましょう。

写真：rudall30、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。