認知症の質問を受けつけます。

 横浜市青葉区にあります緑協和病院の成川と申します。これからは皆さま方の貴重なご意見を拝聴しながら、認知症の治療に取り組んで行きたいと考えておりますので、よろしくお願い申し上げます。

 先ず認知症と昨今言われている概念ですが、大雑把に言えば、脳血管性認知症(VD)と、これまで老人性認知症と言われていた病状は次のように分類されています。つまり、アルツハイマー型認知症(ATD)、ピック病もしくは前頭側頭型認知症(FTD)、さらにレビー小体型認知症(DLB)と言われているものに大別されます。
これからも時代の進展とともに認知症の病型はさらに細分化されていくと思いますが、現時点では上記の病型分類で事は足りると思います。診断と治療法は未だ十分には確立されてはおらず、専門医の間でも、かなり意見は別れています。それでも私たち臨床医は学会文献にのみ、とらわれず日々の診療を通じて、その指針とすべきものは患者さまの訴えや、ご家族さまの介護苦労や時に医療不信にも出来る限り何かしらの道しるべを一緒に見出せないものかと考えて、このBlogを立ち上げました。

 それでは、これからBlogで頻回に使われる用語の説明をします。

(1) アルツハイマーのピック化
アルツハイマー型認知症にピック病 (前頭側頭型認知症)の合併した病状で物忘れが中核症状のアルツハイマーに加え、暴言妄想が中核のピック病が合併した症状をピック化と言います。
(2) アルツハイマーのレビー化
アルツハイマー型認知症にレビー小体型認知症が合併した病状で、物忘れに加え幻覚やうつ症状さらにパーキンソン症状が付け加わった病状です。
(3) レビー・ピックコンプレックス
レビー小体型認知症にピック病の合併した病状で暴言妄想に加えパーキンソ症状さらに薬剤過敏症状(風邪薬でもアレルギー症状が強く出る、これがレビー小体型認知症の特徴の一つ)や睡眠障害(REM睡眠障害)等が見られる病状です。
(4) その他
脳血管障害にアルツハイマーの合併や、脳血管障害にピック病もしくはレビー小体型認知症の合併とか、ともかく一口に認知症と言っても、その病型は複雑多岐にわたり私たち臨床医を悩ませているのです。
 
 以上、簡単な説明ではありますが、より詳細な事はご質問にて承ります。
それでは皆さま方のご質問、アドバイス、その他叱責等も多数頂けます事を希望して止みません。

これまでに寄せられたご質問をまとめております。
左のカテゴリよりご覧下さい。



☆こちらに記載されていた脳内ホルモン性格テストは、脳内ホルモンのカテゴリに入っています。



医師募集


ご質問と回答


診察室からコンニチハ


霜月の夕暮れ


断章(日々の思い)に続く


哀しみの果てに


想い出は風の彼方に


認知症詩集


美しい老後を迎えるには

診察室からコンニチハ(177)

最先端の科学と医療に接して、私たちの未来は幸福であるか否かを私は常に自問自答していました。個人的な結論としては、すべては人類の叡智にかかっていると思います。その宗教観、民族主義、権威主義、人種偏見、市場経済という妄想、さらに利権的な排他主義。
あまりにも多くの価値観と、偏見に私たちは晒(さら)されています。
過去もそうであったように、未来も時代のもつ価値観は、多くの変遷を経ながらも私たちの幸福を奪うかもしれません。最先端の科学と医療が、地球上の全ての人たちに恩恵を与えるかというと、大きな疑問が残ります。現実の地球上でも、食料、医療、環境その他で、あまりに格差が見られます。
国別の平均寿命を比べても、実に大きな違いがあります。
世界一の長寿国は、我が国の84.2歳(2018年)ですが、アフリカ大陸には50歳に満たない平均寿命の国が多数あります。医療水準も日本がトップレベルです。そんな我が国では考えられない、感染症や栄養不良で、若い命が犠牲になっている地域は無数にあります。GDP(国民総生産)が世界一のアメリカ社会では、市場経済という化けものが跋扈(ばっこ)して、貧富の格差がどんどん広がっています。医療水準ではなく、医学水準は世界一のアメリカですが、その恩恵に預かっているのは人口3億3千万人の2/3ぐらいの人達と言われています。また世界の一部の地域では、中世的な独裁政治が続いている場所さえあるのです。
このように地域格差が著しい世界の現状で、ゲノム編集やAIの変革が、どのように利用をされてしまうのでしょうか?
政治的利用、利権的利用、宗教的利用、ある特殊な階層が自己の繁栄目的だけで、最先端の科学を悪用する危険性は限りなく広がっています。結局、世界の平和が何とか維持できるのは、パワーバランスしかないのでしょうか?
世界平和を願って、「国際連盟」から「国際連合」と名を変えて人類全体の幸福を祈り続けていますが、そんな祈りはまるで実現しそうにありません。より巨大な武器(核ミサイルのように)は、より巨大な殺人兵器となります。弓や剣の戦いでは、局地的な争いですみます。しかし、核ミサイルの使用では、局地的な戦争ではすみません。同じように最先端の科学技術も悪用されると、私たち人類に限りない不幸を招き寄せる結果となるかもしれません。
結局は人類の叡智に、すべてはかかっているとしか言いようがないのです。
科学技術の発達が私たち全てに、幸福な未来を与えてくれる事を切に願って、私の拙い「医学史観」を終章にしたい思います。
次回に続く。

診察室からコンニチハ(176)

2003年のNEJM(New England Journal of Medicine)に掲載された米国のカルテの分析によりますと、医療の質の評価で、正しい臨床を行ったというカルテ記載は全体の50~80%のみに留まる[NEJM:2003;348:2635-2645 June]と、されていました。また、別の2016年の論文ではこのような医療の質の問題が米国の3番目の死亡原因とされ、約1割の死亡がそれに基づくとも説明され[Makary MA, Daniel M. Medical error-the third leading cause of death in the US. BMJ. 2016 May 3;353:i2139]て、いました。
以上のように、医師の代わりに確定診断をすることは不可能であるが、分かりにくい医療を分かりやすくするために「人工知能」は、役立つとの見解も多いのです。
その典型的な例として、Clinical Decision Support (臨床判断サポート)があります。新しい Clinical Decision Support は、古典的な紙?の教科書と異なり、自動的に患者情報を取り込み、複雑な計算をすることで、電子的なデジタルコンテンツを 適切に表示をすることで診療を支援するシステムです。
現在容易に想定される AI のユースケースとして、下記の 6つがあります。そのどれもがすでにある程度は「人力」で行われているものですが、今後は自動で低コストで行われる時代になるでしょう。
1:薬剤相互作用の検索
2:検査の必要性の評価 
3:入院期間の予想
4:手技の合併症の予想 
5:死亡率の予想
6:診断支援
などが上げられます。
AI のリスクとしては、下記のような事が想定されます。
1:過度の信頼
カーナビなどで、日常的に私たちは経験していますが、過度の信頼は遠回りになってしまう危険があります。
2:二つの異なる推奨
こちらのAIは、(A)という薬を、別のAIは、(B)という薬を推奨してしまう事例です。現実には高血圧などでも、医師により薬の使い方は異なりますから、AIでも薬や検査の指示は異なることが考えられます。
3:プライバシーのリスク
個人情報の漏洩も皆無でないでしょう。
4:プロフェッショナリズムの変化
医療の一部が代替えされ、医師の本質に変化の起きる場合もありえます。
以上のようなリスクを考慮しても、医療の一部分が自動化することにより、正確な医療を行うことができるようになると考えられます。医療の国民の人生に与える影響がより良くなる事は確実でしょう。
少なくても、米国と日本の最新のデータ(2017~2018年)を見る限り、AIの部分的な利用により誤診率を低下させている事実は、幾多の論文報告で検証されています。
ただし、現時点では臨床医の少数がAIを補助的(電子カルテなど)に使用しているに過ぎません。医療分野全体での本格的なAI普及率は、まだ低く、AIのみで医療が完全に成り立つかというと大きな疑問が残ります。それでも、将来的には大きな期待が抱けそうです。AIと医師の共同作業というのが現実の話となるのではないでしょうか。
次回に続く

診察室からコンニチハ(175)

しかし、最も危惧される問題として、人工知能の活用上データの集積が最も重要となるのが、高速に大量に産生される生データを入手し、翻訳・解釈を実施することです。それらのデファクトスタンダ ード(近年の技術革新による世界基準、GoogleやWindowsOSのようなもの)を握った企業・団体が、すべての市場を占有する危険性が存在します。今後 、IT 企業による医療・ 健康分野への参入、人工知能による融合が益々進んだ場合、医療・健康分野は 、IT 企業に席捲される可能性があります。医療の専門家が存在しなくても、 情報工学の専門家だけでデータの翻訳・解釈が可能となるためです。限りなく医療健康サービスの費用は、低減化される可能性がある一方、患者・利用者側の観点からは、利用者が進んでみずからの医療健康データの提供を行うことで、 データから得られるサービスを無料で、あるいは非常に安く享受できる可能性があります。これは既存の IT サービス利用と同様で、米国 IT 企業が日本および世界の IT 市場を支配してしまったように、医療の人工知能利活用においても米中の IT 企業が日本市場を寡占化してしまうことが懸念されます。医療健康情報は、一度電子化されると容易に転送可能で、国境は存在しません。この構造的な枠組みの問題は、国際的な動向を踏まえ、国策としての対応が急務となるかもしれません。
総務省の調査によると、AI の利活用が望ましい分野として、高度な診断、自動運転、救急車等の緊急車両の配備などが上位に挙がっており、市民の AI の医療応用の期待値は非常に高いと報告されています。また、日経メディカルの調査では、医師も、もし AI によって診断が補助される時代が来た場合は 3/4 以上の医師がそれを用いたいと返答しています。同時に確定診断の責務を AI に負わせることはできないという現実的な意見も出ています。
上記の期待や予想に反して、現状の人工知能の延長では確定診断を行うことはできないとする意見も根強いものがあります。
その理由として、医学特有の事情があります。それは、①人間の持つ情報量が多すぎること、②正解診断が確実に明確でないこと、③膨大な知識が医学の履行には必要なこと、④多くの意思決定を基に初めて治療方針が決まること。この 四つは、医学の本質でもあり解決が現実的には不可能と思われます。
次回に続く

診察室からコンニチハ(174)

ディープラーニングの技術は、人間の神経細胞(ニューロン)の仕組みを模したシステムであるニューラルネットワーク(人間の脳内にある神経細胞「ニューロン」とそのつながり、つまり、神経回路網を人工ニューロンという数式的なモデルで表現したもの)がベースになっています。ニューラルネットワークを多層にして用いることで、データに含まれる特徴を段階的により深く学習することが可能になります。多層構造のニューラルネットワークに大量の画像、テキスト、音声データなどを入力することで、コンピュータのモデルはデータに含まれる特徴を各層で自動的に学習していきます。この構造と学習の手法がディープラーニング特有であり、これによりディープラーニングのモデルは極めて高い精度を誇り、時には人間の認識精度を超えることもあります。
事実、プロ棋士との対戦でAIの勝率が圧倒的に高くなっている話は、昨今はよく耳にするニュースです。
また、人工知能の技術進化が大きくなると、臨床医の能力がいつ人工知能に並ばれるのか、危機感を持って見守っている医師も多いと思います。興味深い2015 年の論文では、『いつ人工知能は人間を凌駕するのか?』(When Will AI Exceed Human Performance? Evidence from AI Expert.)があります。
さらに、Oxford 未来研究所/Yale 政治学部の人工知能研究者352名に、「機械が人間の手を借りずに全業務を人間労働者よりもうまく安価に行える(High-level machine intelligence: HLMI)」ようになる時期についてアンケート調査を行ったものがあります。HLMI 到来まで9年以内と答えた研究者が10%、45年以内は50%でした。
これによりますと、人間を超える人工知能の到来時期は、外科医で2053年、ベストセラー作家2049年、販売員は2031年、トラック運転手は2027年、高校生レベルのエッセイスト(卓越した文章能力者)は2026年、そして翻訳家は2024年でした。
人類の知能を人工知能が凌駕する、技術的特異点(シンギュラリティ)が到来する、という説が存在しています。これは、米国の発明家・未来学者であるレイ・カーツワイル博士(現 Google 社)により初めて提唱されました。コンピュータの集積回路の細密化度が指数関数的に増加するムーアの法則に基づき、人工知能の進化・技術革新も加速するという収穫加速の法則に基づいています。カーツワイル博士は当初、技術的特異点到来の予測を 2045 年としていたものの、近年の講演では 2029 年に前倒しています。カーツワイル博士の1990 年代以降の146件の未来予測は 86%の的中率であり、前倒し予測が正しい可能性は高いのです。ひとたび技術的特異点に達し臨界点を突破すると、人工知能の進歩を予測することは困難となります。技術点特異点後の、人工知能が人類にもたらす脅威に対し、ビル・ゲイツ 氏、イーロン・マスク氏などの IT 企業者やホーキング博士などの科学者が強い警鐘を鳴らしており、現在は盛んに議論が行われています。特に人工知能技術の悪用 (dual use) が懸念されています。
考えられる例としては、ミサイルに変化するドローン(無人機)、世論を操る偽物のビデオ、自動化されたハッキング。これらは、悪の手に渡った人工知能(AI)がもたらす脅威の一部に過ぎません。第一線のAI専門家26人が、警告を発表しています。
人工知能での、医学的な活用について考察してみましょう。医療現場では、患者のカルテ、MRIや CT画像、病理画像、DNA の配列などの形で大量のデータ蓄積が容易になります。また、それらの中から必要な情報を取り出す方法として、人工知能は極めて有効でしょう。さらに、画像診断、カルテ解析、生化学的診断、遺伝子解析、行動解析、創薬、そして遠隔医療なども医療に革新的な進歩を促すでしょう。また、心臓疾患にかかわる問題としては、身体運動との関係、遺伝子情報の活用が発展するでしょう。
歩行などの運動は、内臓疾患を反映するといわれていますので、歩行を画像で撮り、それを解析することで心臓疾患の可能性が示されることになれば、多数の予備軍から治療の必要な人を選別し、注意を与えるなどの役割が期待できま
す。在宅で用いるならば、診断(医療)ではなく、患者に医療機関へ行くことを勧める、という役割が期 待できます。手遅れにならないならば、本人の予後には大きな福音となり、医療費削減に対しても有効な方法となるでしょう。 
次回に続く

診察室からコンニチハ(173)

最先端医療を担う上で、ゲノム編集に並ぶ大きな柱として、AI (Artificial Intelligence : 人工知能)についても説明が必要でしょう。
一口にAIといっても、マシーンラーニング(機械学習)とディープラーニング(深層学習)に大別されますが、基本構造は同じです。
1)機械学習(マーシンラーニング)とは、特定のタスク(仕事)をトレーニングにより機械に実行させるものです。
・その要点は、事象(コト・モノ)の「特徴」をつかみ、みずから「法則化」することです。
・機械学習は、データから反復学習をし、学習結果を法則化(法則化をモデル化とも呼びます)させる事です。法則化とは、この反復学習からある事象の「特徴」をつかむのが最大のポイントです。
・丸暗記的に全部覚える、というものではなく、沢山のデータからある事象の傾向・クセといった「特徴」を捉えに行くという点が重要です。うまく事象の特徴を捉えられると、それを次回以降にも利用できる「法則」に昇華させることが出来るのです。
・そして、事象の特徴をつかんで法則化できた状態を「自動化」し、以降の再現性を作るのがAIの重要な側面です。学習する機械(マシーン)であることからもわかるように、機械学習はシステムそのものです。
・ただしシステムといっても、ルールベースの条件文を数万行と記述していくようなシステムではなく、法則を自動化する部分において、ノンプログラミングでシステム化を行うものです。もちろん機械学習を動かす上で、様々なプログラムは必要となりますが、「特徴から生まれた法則性を自動化する」というコア部分は、ルールベースのプログラミングで構成されるものではなく、AIが独自に捉えて行くという意味です。つまり、独自に考えて学習する機械なのです。
2)深層学習(ディープラーニング)とは、機械学習をさらに進化させたものです。
人間が、自然に行うタスクをコンピュータに学習させる手法のひとつです。この進化モデルにより様々な分野への実用化が進んでいます。近年開発の進んでいる自動運転車においてもカギとなっているのは、ディープラーニングです。停止標識を認識したり、電柱と人間を区別したりするのも、ディープラーニングが可能にしている技術と言えます。また、電話、タブレット、テレビ、ハンズフリースピーカーなどの音声認識にも重要な役割を果たしています。近年ディープラーニングが注目を集めているのには理由があります。それはディープラーニングが、従来の技術では不可能だったレベルのパフォーマンスを達成できるようになってきているからです。
次回に続く

診察室からコンニチハ(172)

次に、代表的な染色体疾患の幾つかを紹介しておきます。
1)性染色体異常
(1)色覚異常: X染色体の劣性遺伝で受け継がれます。発端者の母親は変異の保因者(正常のXXではなく、x Xと表されます)として、妊娠ごとに変異を伝える可能性は50%です。xYの男性に遺伝していきますので、色覚異常の多くは男性にみられます。
(2)血友病: AとBがあり、Aは、血液凝固因子の8番目(第Ⅷ因子)の遺伝子異常で、もうひとつのBは、9番目(第Ⅸ因子)の遺伝子の異常による血友病Bです。
原因である遺伝子は、性染色体のX染色体の中にあり、男性ではXYの性染色体を持っているのですが、この男性のX染色体が欠如している場合に発症(伴性劣性遺伝)するのが、血友病です。
  (3)ターナー症候群 : この疾患は、母体のなかで受精卵として発生をしていく段階で、染色体の分裂や合成に異常が生じることで起こります。
具体的には、女性の細胞には本来2本備わっているはずのX染色体の1本が完全に、または一部が欠けてしまうことが原因です。
しかし、なぜ異常が生じるのか、詳しい原因についてはまだ解明されていない部分が多い病気です。
ターナー症候群の特徴としては、低身長で肥満体型であることが多く、首の皮膚が伸びて首に翼があるように見える(翼状頚)や肘が外反する(外反肘)さらに、女性性器の発育不全と月経異常などの性腺機能不全などが挙げられます。
(4)クラインフェルター症候群 :性染色体異常が原因の病気の一種で、男性であれば性別を決定するための染色体は「XY」の組み合わせです。しかし、クラインフェルター症候群ではこの組み合わせに異常が生じ、「XXY」を有することで病気が引き起こされる割合が多くみられます。つまり、正常の染色体よりX染色体が1本だけ多いのです。この性染色体を持つ男性は、高身長・やせ型・長い手足という見た目をしている方が多いといわれています。幼い頃に病院で診断される場合もありますが、気付かれず成長した場合は、男性不妊症を契機に発見されることも多い病気です。
約1,000人に1人の割合で発生すると考えられており、日本においては6万人以上の方が罹患しているという報告があります。
2)常染色体異常
代表例としては、ダウン症候群が挙げられます。常染色体21番目の過剰(分離した1本の染色体または別の染色体への転座のいずれ)が、原因とみられています。
症状としては、全身各種臓器にみられ、成長面や発達面にも及びます。共通する特徴として、全体的に平坦な顔貌、厚い唇、大きな舌、つり上がった眼等があります。成長発達面の症状として、筋力や言語発達の遅れがみられます。また、言葉も不明瞭で、語尾だけを声にだしたり、抑揚のない話し方をしたりする場合もあります。高齢出産での出産率が上がるのも、この病気の特徴です。
ところで、これら染色体異常の疾患は、ゲノム編集の進歩の中で予防と対策が着実に講じられていくのでしょうか。もしかすると、編集ミスによる予想外の生命体を産み出してしまう危険性も多いのではないかと思われます。それにより、考えられない混乱が発生する覚悟が必要かもしれません。これまでの医学の過程を振り返っても、どれだけ貴重な生命が失われているか?
例えば、抗がん剤治療の歴史の中でも、薬による副作用でかなりの人たちが、その生命を落とした事かを顧みれば、ゲノム編集の過程でも同じような試行錯誤は繰返されると考えるべきでしょう。
それは、新しい科学や医学の進歩過程で、避けて通れない道なのかもしれません。