シンガポールの医療部門は、業務の変革と改善のためにテクノロジーを導入することに慣れています。
これは次の時点で明らかでした GovInsider ライブ: 2025 年ヘルスケア デーでは、一連のパネルとプレゼンテーションが、医療部門がテクノロジーを従来のプロセスに統合して、より将来に強い医療エコシステムを構築する方法を強調しました。
このイベントから明らかになったのは、医療専門家が臨床ワークフローを合理化し、患者ケアを個別化するために人工知能 (AI) エージェントを急速に導入しているということでした。
パネル内 AI とプレシジョン ヘルス – 対象を絞った公衆衛生を大規模に推進、講演者は、医療に AI を統合することで生産性が向上し、患者のニーズに合わせてケアがカスタマイズされた方法を共有しました。
NHG Health、医療サービスおよび成果調査、コンサルタントのアン・イー・ゲイリー博士は、「AI を使用すると、患者の好み、信念、さらには性格に基づいて、ターゲットを絞ったパーソナライズされたメッセージを実際に作成できます」と述べました。
講演者らは、AIを活用してこの種の個別化されたケアを提供するには、たとえば患者記録や薬物アレルギーなどの大量のデータを文脈化することが不可欠であると付け加えた。
重要なポイントは、医療機関が AI を利用して洞察を取得し、予測を生成し、データ駆動型の情報をワークフローに統合して有意義な方法で患者にアプローチできる強力なデータ基盤を確立する必要があるということでした。
GovInsider 速報を購読するには、クリックしてください ここ。
まず最初に行うこと: データの断片化に対処する
医療専門家は毎日、心拍を追跡するウェアラブルからのデータ、スキャン画像、ゲノムデータなど、さまざまなソースからの大量のデータを処理しています。
「最初の課題は常に断片化です。データはさまざまなデバイス、環境、アプリケーション、保管場所に分散しています。AI が国全体の医療アプリケーションを強化するには、患者情報、薬のアレルギー、病院の訪問記録などの関連データをどのように統合できるかを考える必要があります。」 Elastic の ASEAN、中華圏、韓国担当ソリューション アーキテクトのシニア マネージャー、サミュエル ホー氏は次のように述べています。
患者の健康状態を完全に理解し、的を絞った介入を実現するには、これらすべてのデータベースを接続することが鍵でした。
ただし、従来の統合アプローチでは、クラウド間またはオンプレミスからクラウド環境へのデータの移動に関してはコストが高くなる傾向があります。
異種ソースからのデータを統合するために、Elastic Search AI プラットフォームは規模と速度を重視して構築されています。組織が何十億ものログのインデックスを作成している場合でも、長年のデータから脅威を探索している場合でも、大規模なベクトル埋め込みを取得している場合でも、即座に検索可能な結果、AI 主導の関連性、リアルタイム分析の恩恵を受けることができるとホー氏は述べています。
ホー氏は、AI 対応プラットフォームはさまざまなソースからの大量のデータの管理に役立ち、データの有用性を高め、最終的には患者ケアを強化できると述べました。画像: GovInsider。
Search AI プラットフォームのアプリケーションの 1 つは、分散型「データメッシュ」とホー氏は、データを移動せずに管理できるようにし、データを元の場所に維持しながら、異なるシステム間でのリアルタイム検索を可能にすると共有しました。
膨大な量の断片化されたデータを管理するために、検索 AI でデータ分析の出力を強化することで、使いやすさと関連性の両方が向上するとホー氏は提案しました。
「すべてのデータを取得したら、誰もが共通の言語を使用して目的に関連するデータや洞察を検索して見つけることができる共通のスキーマを提供できます」とホー氏は述べています。
この柔軟性により、医療専門家は履歴データを活用して複数の環境にわたる検索を行い、特定の症状のある患者記録を見つけることができます。
「優れた検索エクスペリエンスを得ることができれば、私たちは自分が持っているデータにさらに多くのことを期待するようになります。検索 AI は、このデータを医療の文脈に合わせて解釈し、パフォーマンスを向上させるのに役立ちます。」
信頼と安全を確保する方法
個人の健康が危機に瀕しているヘルスケアでは、AI が生成した結果に起因するミスも含め、ミスは一切許容されません。
機密情報を保護するだけでなく、確立された臨床ガイドラインに沿った正確な洞察を生成する AI アプリケーションを構築するには、信頼が不可欠です。
Ho 氏は、データをネイティブな状態に統合することで、AI を使用する際の精度を維持できる可能性があると述べました。
「データを元のソースとして保持すると、データを変換しないことを意味するため、通常は正確性が確認されます」と彼は言いました。
GovInsider 速報を購読するには、クリックしてください ここ。
ゲノムデータなど、データがより機密性の高いケースについては、講演者らは、信頼を維持するための 5 つの安全フレームワーク (認定、データ保護、安全な設定、個人を特定できる情報の非公開、公衆衛生に重点を置いた安全なプロジェクト) について言及しました。
これは、プロセスのあらゆる段階で信頼を維持する方法だった、とアマゾン ウェブ サービス (AWS) の APJ ゲノミクス業界リーダー、チャーリー リー氏は述べています。
パネリストは、AI システムを扱う際のセキュリティと透明性を確保する必要性を強調しました。画像: GovInsider。
このプロセスは、データにアクセスする人々が認定、トレーニング、承認されていることを確認することから始まりました。これらの個人は、データにアクセスする理由についての目的を提供する必要があります。
研究環境は、完全な監査機能とエンドツーエンドの暗号化を含む安全な設定で保護されています。これは、個人を特定できる情報が漏洩していないことを確認するために、最終出力をレビューする必要があることを意味します。
最後に、このプロセスは個人の利益ではなく公衆衛生に利益をもたらす場合に、安全で信頼できると判断されるとリー氏は説明した。
「透明性と信頼がコラボレーションをもたらす」とリー氏は付け加えた。 「そのため、AI を活用する場合は、結果、AI がデータをどのように使用するか、プライバシーがどのように保護されるかを確実に説明できるようにする必要があります。」
国民データのセキュリティとプライバシーも強制する必要があります。セキュリティ保護手段に準拠するだけでなく、機密の個人情報が悪意のある行為者によって侵害されるのを防ぐためのアプリケーションを導入する必要があります。
また、組織は、特定の情報を必要とするユーザーのみが情報を取得できるように、使用する AI アプリケーションにガードレールが設置されていることを確認する必要があります。
たとえば、チャットボットに問い合わせる医師はチャットボットを使用して患者の医療記録を取得できる必要がありますが、エンドユーザーはチャットボットに別の国民の医学的アレルギーや識別番号を取得するように促すことができてはなりません。
サービス稼働時間の確保
パネリストは、医療提供が直面する課題、つまり、迅速な患者ケアで効率を達成する一方で、必要なときに国民のあらゆる分野に到達できる回復力のあるアプリケーションを目指していることを強調しました。
ユーザーが必要なときにサービスにアクセスできるようにするには、アプリケーションには、計画外のダウンタイムを最小限に抑えるために、データを安全かつシームレスに取得する機能が必要です。
Ho 氏によると、「あらゆるアプリケーションにとって可観測性は、異常を積極的に特定し、根本原因分析を行って問題を修正し、安定したパフォーマンスを確保するために重要です。
「データの収集と分析を通じて、IT チームは組織の環境やシステムで実行されているアプリケーションの動作についての洞察を得ることができます。」
Elastic Observability は、組織のデータからの洞察に基づいてパフォーマンスの異常を特定できるため、そのような問題に数時間ではなく数秒で事前に対処できるようになります。
たとえばサウジアラビアでは、次のような医療機関が 傾く は、可観測性のために Elastic の Search AI 機能を活用し、システム エラーの迅速な診断と修復を可能にしています。
Lean は、イニシアチブとデジタル製品を通じてサウジアラビアの医療分野に力を与える企業です。同社は、同国の医療セクター変革プログラム (HSTP) プロジェクトの一部です。
このソリューションにより堅牢なパフォーマンスが実現し、ユーザーは必要なときにいつでも自信を持って Lean のサービスにアクセスできるようになりました。
さらに、Search AI がアプリケーション パフォーマンス監視の大部分を処理するため、IT チームはより多くの顧客対応機能の開発に時間を費やすことができます。
GovInsider 速報を購読するには、クリックしてください ここ。
将来のヘルスケア アプリケーション
Ho 氏は、ヘルスケアのイノベーションが引き続き最高の患者ケアの提供に焦点を当てているため、データを相関させる機能を通じて、検索 AI を使用して直感的なアプリケーションを構築する新たな機会が生まれていると述べました。
SGH の Chia 氏は、AI が医療従事者が人口の特定の分野により適したケアを提供できるようどのように支援できるかについての例を共有しました。画像: GovInsider。
「イノベーションの次の波は、実際には、このすべてのデータを統合し、相互に関連付けて、出力を取得できるテクノロジーです」とホー氏は述べています。
人口のあらゆる部分から慎重かつ意図的にデータを収集することで、より的を絞った個別のケアを患者に提供することが可能になります。
シンガポール総合病院 (SGH) の上級副院長 Kuok Wei Chia 氏は、AI と既存のデータを活用して、人口の特定の分野、つまり新生児の親に合わせて診療所の診察プロセスを適応させることについて共有しました。
SGH チームは、新米親が乳児の初回健診を自宅で完了できるデジタル ソリューションを開発し、時間のかかる 5 ～ 7 回のクリニック訪問を不要にしました。
「私たちは、スマートフォンを使用して、親が自宅で赤ちゃんの肌の画像を撮影できるようにすることを目指しています。また、統合された AI は、 [in the solution] 色の調整を行って状態を判断し、自宅から監視します」と彼は説明しました。
Chia氏は、このソリューションは間もなく臨床試験に入り、数年以内に展開される予定であると付け加えた。
#の次の飛躍は患者ケアを強化します