診察室からコンニチハ(193)

先のマイクロソフトによる「レンブラントの新作」に学習させた画像では、わずか350枚ほどのデータで適切な診断名にたどり着いたと説明しましたが、ほかにもゼロショットラーニング:注)を利用し「これまで見た画像とはちがう特徴量を持つ」といった判断をさせ、希少疾患を検出することも理論上は可能であり、数千枚もの画像が必要だった時代はもはや数年前の話となっています。
注) : ゼロショットラーニングとは、訓練データのない(1度も学習したこともない)カテゴリの画像を、補助情報を頼りに分類するディープラーニングの手法で、今後は医療分野でのAI活用範囲がより広がっていくでしょう。
つまり、「医療AIは効率化を進めるフェーズから、人を超える精度、成功率を実現するフェーズに差しかかっているともいえます」
またCT、MRI画像から病状を診断する機能の向上やレントゲン画像から骨折を感知するAI、エコーから臓器の状態を点数化するAIなどの開発も進んでいくでしょう。
さらに、膨大な非構造化データから効果的な知見を導き出す医療分野で高い注目を集める、ワトソンがあります。IBMが開発した「コグニティブ・コンピューティング・システム」(認知コンピュータ)です。
ワトソンでは自然言語で記述された非構造データを大量に読み込み、学習。医学情報を大量に学習させることで、治療や創薬に繋がる知見を導き出すことが期待でき、医療の質向上、医療費の削減効果に繋がる可能性があると考えられられています。
既に活用が進んでいる分野の1つが創薬です。『Watson for Drug Discovery』を用いて、シリコンバレーのIBMアルマデン研究所と製薬会社との共同研究が始まっています。これには、医薬品の特許情報や医療の論文約4000万件がコーパスとして読み込まれている。
37兆個にも及ぶと言われるヒトの細胞における遺伝子の発現状況、その加齢に伴う変化については分かっていないことが多い中で、既に公開された論文も膨大にあります。人が読める量をはるかに超えた膨大な量の論文や特許等の情報を、人に代わってワトソンが読み込み、そこから新たな洞察を引き出して、創薬のヒントを得るという試みに幾つかの成功事例が出てきています。(日本アイ・ビー・エム/ワトソン事業部部長・溝上敏文氏)
次回に。続く

診察室からコンニチハ(192)

しかしMycin(マイシン)システムは、実際の医療現場では開発環境と実行環境が適応性に耐えられないといったハード面での問題、さらに誤診時の責任といった倫理・法律に関わる問題などのさまざまな要因により、実用化には至りませんでした。
その後のAIはしばらく、「冬の時代」を迎えました。やはり、AIの使用は医療面では限定的ではないかという考えが支配的になっていました。そして第三次人工知能ブームを経た現在、つまり「ディープランニング」のより高度な発達により、医療分野での適応範囲が広がって来たのです。
では、どのようにしてAIの適応が広がって来たのでしょうか?
最も注目され出したのは、画像認識による効率性改善により診断・検出精度が格段に向上でして来た事でした。
さらに、MRIは高価な医療機器のため、利用サイクルが長く10年以上前の機器を使う医療施設も少なくないのですが、長く使われている機器には鮮明な画像が撮影できないものも多くあります。こうした画質が悪い撮影画像をAIが変換し、変換後の画像を人間が見、診断に役立てる(医用画像処理と呼ばれる)という事例も出て来ました。
また、脳のスライスCT画像から脳出血を検出するAIの認識精度はAUC(認識精度を表す指標)が、0.948と向上し、人間がじっくり画像を見て判別するレベルに相当し、この検出AIによって医師の診断時間を80%削減できるとも言われ出しています。今でこそ医療現場に入りこみ、効率化に貢献しつつあるAIですが、かつては反対勢力の声が大きかったのです。医療では、世界に300人程度しかいないような希少疾患もあります。AIはビッグデータの集積なので、出現頻度が低い疾患のデータを得られなければ検出できない」というものが、その反対勢力の中心でした。
しかし、現在では少ない量のデータで学習できるメソッドが開発されており、少ない数の画像から特徴量を見出すことができるようになっています。たとえばマイクロソフトによる「レンブラントの新作」に学習させた画像は、わずか350枚ほどのデータで適切な診断名にたどり着いたと言われています。
次回に続く

診察室からコンニチハ(191)

だからと言ってA Iの未来的な活用能力と人類への貢献期待を疑っている訳ではありません。

ただAIは、まだ医療の黎明期についたに過ぎないと言っているのです。診断の正確性や、人間のように同時に複数の症状を判断するには至っていないと言っているのです。
しかし、ディープラーニング技術を取り込むことによって、画像や論文など多くのデータを自ら収集し学習することは可能になっています。
現状でも一部の医療現場では、医師の省力化を推進する手段のひとつとして、AI技術が少しずつ導入され始めています。少子高齢化や医師数の偏りなどがある現状を踏まえても、今後、医療の進歩や省力化にAI技術の活用は欠かせない存在です。
まずは医師の診療をサポートする存在として、長所を十分に活用できないか模索することから始めることが必要といえるでしょう。
医療分野でのAI技術の活用は、1970年代ころの第二次人工知能ブームの時代から模索されていました。エキスパートシステムと呼ばれ、感染症診断・治療支援のMycin:注)などが知られています。
注): Mycin(マイシン)は、スタンフォード大学で1970年代初めに5、6年の歳月をかけて開発されたエキスパートシステムで、ブルース・ブキャナンとエドワード・ショートリッフェらが開発しました。システムは伝染性の血液疾患を診断し、抗生物質を推奨するようにデザインされ、患者の体重のために供与量を調節するように設定されていました。
次回に続く

診察室からコンニチハ(190)

しかし、AIをまだ過信してはいけません。

将棋や囲碁のプロとの対戦で、AIが勝利したとのニュースに触れ、人工知能もついに人間の知能に打ち勝つ時代が到来したかと考えるのは、まだ時期早々です。ディープランニングの飛躍的な向上で、AIというよりはビッグデータの処理解析能力が格段に進歩したに過ぎないのです。
まだAI(人工知能)といえるほどには人間の知能に迫る活用能力はないのです。人間の神経回路の複雑な電気信号の解析は、いまだ開発途上なのです。感情を含めた神経回路の解析は、エベレスト山頂のベースキャンプにも至っていないのです。山岳部に籍を置いた経験のある方はご存知の方も多いと思いますが、ベースキャンプまでの道のりと、山頂への道のりは難易度にはおいて格段の差があるのです。現地のシェルパの助力で、ベースキャンプ造設までの過程は比較的に容易なのです。
医学的にいえば、CTやMRIの画像診断はAIとは言えないのです。それはビッグデータの解析能力が進んだに過ぎないのです。膨大な電子カルテの整理や、病名の推定、さらには薬剤の選択基準などもパソコンの延長上にあるのだけなのです。
もちろん、そのようなビッグデータの一瞬の処理能力は人間の計算能力をはるかに超えています。しかし、それは電卓の計算能力が、人間の暗算能力を超えているのと同じです。
次回に続く

診察室からコンニチハ(189)

【AI(人工知能)と医療の現状】

先ずは、総論編…
近年、AI技術が医療に活用されるニュースを目にする機会が増えています。例えば国内では、コンピュータ企業の開発した人工知能(AI) が、特殊な白血病患者を過去の論文データを参考にわずか10分で診断し、結果として患者の命を救うことにつながりました。
前述のコンピュータ企業が開発したAIの診断事例では、開発陣が、ガン研究に関する合計2,000万件以上の論文をAIに学習させました。その結果、AIの解析能力が飛躍的に向上したのですが、その背景にはディープラーニング(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)という技術の導入があります。この技術によって、AIが自らデータの収集と学習を行うことが可能になり、解析能力の向上につながったのです。
アメリカでは、AIを用いて網膜眼底画像を解析し、心臓疾患リスクを発見するシステムの開発や、創薬分野にAIの活用を進めるなど、医療のさまざまな分野でAI活用範囲がますます広がっています。
一方、国内の現場レベルの医療ではどのようにAI技術の導入は進んでいるのでしょうか。
クリニックレベルではカルテ入力補助としてAIが使われており、風邪などの主訴や経過、オーダー、病名など入力が必要な項目をセットで入力できるようにするなど、医療関係者の業務の効率化や診断の補助に活用されています。その数はクリニック全体の2割にのぼり、今後さらに増える可能性も指摘されます。
また、ガンセンターなどの医療機関では国内の症例データを活用したガンの類似症例診断システムを導入。類似症例が提示されることで疾患の候補がより具体的になり、医師が疾患を診断する際の参考になっています。
【AI医療導入のメリット】
以上の事例からわかるのは、「画像診断」「過去の論文との照合」「データの整理・入力」といった多くの医療データを扱う業務にAIが適しているということです。
最近ではコンピュータや画像診断装置の高性能化もあいまって、高品質の画像データがいち早く取得できるようになっています。また、患者数の増加などを要因として、医療現場での業務量が増大していることも見逃せません。
医療現場での適切な診断・治療を推進するためにもAI技術を導入し、労力がかかっている業務の効率化を図らなければならないといえるでしょう。
「AI医療導入のデメリット】
AI医療は処理スピードや正確性が向上してはいるものの、まだまだ発展途上の技術です。例えば、過去の医療データを参考にする場合、症例が少ない病気の場合には正確性に疑問が残ります。
ディープラーニング技術が発達したといっても、まだいくつもの症例の診断を同時に行うことはできません。また、機器やソフトの誤作動やプログラムのバグ(バグとは、英語で「虫」の意であり、転じてコンピュータプログラムの誤りや欠陥を表す)などによる誤診の可能性もゼロではないでしょう。AI医療はまだ万能といえるわけではないのです。
【AI医療の今後】
厚生労働省では平成29年に開催した「保健医療分野におけるAI活用推進懇談会」の報告書のなかで、今後国内では以下の6つの分野で、AIを活用した取り組みを目指すとしています。
1.ゲノム医療
30億塩基対という膨大な量の情報を持つゲノム(遺伝情報)は突然変異することも多く、ビッグデータを解析することが得意なAI技術を活用することによって、診療方針の決定が速やかにできます。
2.画像診断支援
日本では諸外国と比べてCTやMRIといった機器の設置数が多く、前述のように医療現場でのAIによる画像診断の数は増え続けています。一方で、画像の重要なポイントを見落とす事例も指摘されています。膨大なデータの比較・診断をAIで行い、ダブルチェックとして画像診断支援もAIを用いて行うことで、画像診断時の見落とし率を減らし、より正確な診断につなげることができます。
3.診断・治療支援(検査・疾病管理・疾病予防も含む)
診療は、問診、診察、検査、診断、そして治療というプロセスから成り立っています。より正確で迅速な診断のためには豊富な医療知識は欠かせません。医療の世界では毎年数多くの論文が発表されており、最新医療の取得には時間を要します。
また、過疎地の医療では医師の数が不足していて、診療自体の効率化も求められます。AIを活用して論文からのデータの取得や診断の支援などを行っていくことは、医療を支えるうえで、とても大切であるといえるでしょう。
4.医薬品開発
医薬品の開発には研究から承認まで長い年月を要します。すでに発見されている原理も多く、新たに効果のある創薬ターゲットを見つけ出すのは容易なことではありません。また、前述のように論文などの情報も増え続けており、最先端の情報を把握しづらくなっていることも医薬品開発を困難にしている要因になっています。
こうした既存のデータをAIがディープラーニングで学習することにより、時間とコストを軽減した医薬品開発が可能になるでしょう。
5.介護・認知症
高齢化が進むなか、介護の分野は他分野の人材不足とは反対に、需要はますます増えることが確実になっています。介護ロボットのような、現場での負担を減らす機器の開発はすでに始まっていますが、今後も睡眠や排せつなどの監視補助や認知症の診断・治療にもAIを活用することが期待されています。
6.手術支援
手術など外科的治療が必要な病気の数は多いにも関わらず、若手外科医の数は減り続けています。一方、過疎地や医師の少ない地域でも外科治療が受けられるように、遠隔手術機器の開発が進んでいます。しかし、手術を円滑に進める要素である「触覚」の再現がされていないという問題があります。そこにAI技術を導入することで、操作する医師が触覚を持つことが可能になる新たな性能向上が期待できるとしています。
次回に続く



診察室からコンニチハ(188)

ジェネリック医薬品への疑問(Ⅷ)
これまで一般の内科医であれば、患者さんの「お薬手帳」を見せて頂ければ、その薬の内容から病気の内容そのものも多くは推定できたものですが、多数のジェネリック医薬品の登場で、薬品内容を検討するにも多大な時間を費やす事が稀ではありません。もちろん自院で出した薬であれば、容易に判断はつくのですが、他院で処方されたものでは戸惑う事が多いのです。また患者さんによっては、どのジェネリック医薬品が一番安いのかと質問して来たりする事も多くなります。高齢者では服薬ミスも多く、服み残しの薬もかなり認められます。この為に血圧や糖尿病の調整に手こずったりもします。
ジェネリック医薬品の競争原理も必要だとは思うのですが、やはり安全体制(精度管理)を考慮した上で、同一医薬品は、信頼できるメーカーに絞って行くべきではないでしょうか。少なくても、アメリカの例でみても、国外で製造するメーカーでは精度管理の監視強化に無理があるような気がしてなりません。真に医療費抑制政策を目指すのであれば、家庭医の普及や軽度な疾患での大病院への外来抑制(大病院では過度な検査が多い)など、考えるべき課題は他に幾らでもあると思うのですが。以上、私見をのべれば限りないのですが、ジェネリック医薬品への疑問、問題提起は今回で終わりにします。
次回に続く

診察室からコンニチハ(187)

ジェネリック医薬品への疑問(Ⅶ)
ですから、ジェネリック医薬品の根本問題は医療費の効率化を含めた社会保障費全体をどうするか、それに伴う少子高齢化にどう対応していくかを徹底的に議論する必要があるのです。極論すれば、高負担・高福祉を取るのか、低負担・低福祉の二大選択肢しか残されていないといっても過言ではないのです。北欧諸国のように、貧富の格差を少しでも縮小させて国全体が中等度の豊かさを目指すのか、あるいは米国のように貧富の格差を増大させて、市場経済に敗北した者は最貧層の世界に突き落とされていくかの縮図です。
現在アメリカの人口は3億3千万人と言われていますが、最も裕福な3名(ビル・ゲイツ、ウォーレン・バフェット、ジェフ・ベゾス)の合計の資産額が、下位50%の米国人(約1億6000万人)の合計資産額を超えているのです。さらに、「米国人のおよそ5人に1人は資産額がゼロ、もしくはマイナスとなっている」とのレポートもあります。
一方で、上位3名の総資産額2019年9月中旬の時点で2485億ドル(約28兆円)となっています。
この富の極端な集中により、下位5千万人以上のアメリカ人が明日の衣食住にも困窮し、まともな医療にもかかれていないのです。これがアメリカの主張する市場経済です。
もちろんアメリカの上位何%かは、ジェネリック医薬品など使用する訳はないのです。
このアメリカ市場経済に日本も何とか追従して行こうとして、徐々に貧富の格差を拡げています。
しかし、アメリカの様に多くの移民を受け入れ先進諸国の中で人口が増大している国に比べ、少子高齢化で人口ピラミッドが歪んでしまった日本では、アメリカ型の経済発展の貧富を格差も大きく増大して行ける訳はなく、健全な社会保障費の議論も常に問題を先送りしているのです。
だれも責任を取ろうとしない政治システムとマスメディア(オピニオン・リーダーというのは幻想でしかなく)、ただ官民一体となって延命処置をこうじているだけです。
出生率の一つを見ても、ヨーロッパでは 特に、フランスやスウェーデンでは、出生率が1.5~1.6台まで低下した後、回復傾向となり、直近ではフランスが1.92(2016年)、スウェーデンが1.85(2016年)となっています。これらの国の家族政策の特徴をみると、フランスでは、かつては家族手当等の経済的支援が中心でしたが、1990年代以降、保育の充実へシフトし、その後さらに出産・子育てと就労に関して幅広い選択ができるような環境整備、すなわち「両立支援」を強める方向で政策が進められました。スウェーデンでは、比較的早い時期から、経済的支援と併せ、保育や育児休業制度といった「両立支援」の施策が進められています。ドイツでは、依然として経済的支援が中心となっていますが、近年、「両立支援」へと転換を図り、育児休業制度や保育の充実等を相次いで打ち出しています。
一方わが国の出生率は低下するばかりで、1.3前後(2020年推定)が目前に迫っています。
次回に続く

診察室からコンニチハ(186)

ジェネリック医薬品への疑問(Ⅵ)
それでは、どの様にすればジェネリック医薬品の安全性と薬価の値下げが可能になるのでしょうか?
基本的に医薬品とか食の安全性を考える時、私は経済の自由競争は適切でないと思います。やはり何かしらの規制が必要だと思うのです。交通規則のような「飲酒厳禁」のルール作りがなければ、安全性の確保は困難だと思います。自由な市場原理というのは、弱肉強食の論理です。それは寡占化に繋がっていく危険性が大きいのです。大きな資本が小さな企業を食いつぶしていく過程でもあります。
実例をあげましょう。国内の製薬企業数の推移をみてみます。
1975年の製薬企業数は1359社で、ピークは1995年の1512社でした。
2005年は972社(内ジェネリックは72社)、2014年は310社(ジェネリック34社)と激減しています。
厚労省の医薬品の徹底的な値下げ指導で、多くの製薬企業が淘汰されてしまったのです。
過剰な製薬企業の乱立で、薬価が適正基準を超えた値段で医療機関や製薬企業が潤っていた時代は過去の話となっています。
かつては乱診乱療と言われた時代もありました。ともかく多くの検査をして、薬を沢山出してより多くのを利益を求めていた時代があったのです。
1961(昭和36)年の国民皆保険実施当時は、我が国で100歳以上の高齢者は100人足らずでした。平均寿命も68~70歳ぐらいだったのです。労働年齢人口比も高く、日本経済も右肩上がりで、国民所得の上昇率もうなぎ上りでした。それが2019年現在では、100歳以上の高齢者は7万人で、実に700倍にもなっているのです。平均寿命は男女平均で85歳となっています。労働年齢人口は減少し、日本経済は長期的な停滞時期から抜け出せずにいます。その結果、社会保障費は上がる一方です。
1970年のGDP(国内総生産)対社会保障費は4.8%でした。1980年で9.5%、1990年は11.6%、2000年17%、2010年21.4%、2019年(推定)で22.9%と年間の国民総税収額を大幅に超えているのです。
それらを補う不足額は、国民一人当たりの医療費負担額や介護費負担額の増大、さらに年金支給額の減少などで何とか凌(しの)いでいるのです。
そんなやり繰りの結果として、ジェネリック医薬品の推奨も医療費抑制政策の大きな目玉になっているのです。
次回に続く