総合診療32巻3号

2022年03月発行

特集 AI時代の医師のクリニカル・スキル—君は生き延びることができるか？ 【Ⅰ章】AIの特性と能力

❷医療・ヘルスケアにおける「AI実装」の現状と可能性

著者： 川上英良¹²

所属機関： ¹千葉大学大学院医学研究院 人工知能（AI）医学／治療学人工知能（AI）研究センター ²理化学研究所情報統合本部 医療データ数理推論チーム

ページ範囲：P.299 - P.302

　近年、医療・ヘルスケアの現場においても、AI技術を目にする機会が増えている。この急速なAIの導入は、2010年以降に訪れた第三次AIブームの一部と考えられる。過去2回あったAIブームでは、コンピュータの性能やデータの不足といった問題があり、現実社会の問題解決につながらなかった。たとえば、1980年代の第二次AIブームでは、専門家の知識をコンピュータに教えるエキスパートシステムが流行したが、現実世界には知識に当てはまらない例外が数多く発生することが問題となった。しかし第三次AIブームでは、「深層学習」をはじめとする技術の進歩により、人間が知識やルールを教えるのではなく、大量のデータからAIが直接パターンやルールを学習できるようになった。Pythonなどの使いやすいプログラミング言語やプラットフォームが整備されたこともあり、さまざまな分野において既存手法を大きく上回るだけでなく、人間と同等もしくはそれ以上の精度を達成している。
　医療・ヘルスケアの分野でも、皮膚画像データに基づく皮膚がんの高精度診断^1）、光干渉断層撮影装置（optical coherence tomography：OCT）のデータに基づく網膜疾患の検出^2）などが開発され、これらの診断技術の一部は、「AI自動診断装置」として米・FDA（食品医薬品局）の認証を得て臨床現場への実装が開始されている。

参考文献

1）Esteva A, et al：Dermatologist-level classification of skin cancer with deep neural networks. Nature 542（7639） : 115-118, 2017. PMID 28117445

2）De Fauw J, et al：Clinically applicable deep learning for diagnosis and referral in retinal disease. Nat Med 24（9） : 1342-1350, 2018. PMID 30104768

3）Davis SE, et al：Calibration drift in regression and machine learning models for acute kidney injury. J Am Med Inform Assoc 24（6） : 1052-1061, 2017. PMID 28379439

4）Mao Q, et al : Multicentre validation of a sepsis prediction algorithm using only vital sign data in the emergency department, general ward and ICU. BMJ Open 8（1） : e017833, 2018.

5）Goodfellow IJ, et al：Explaining and harnessing adversarial examples. arXiv : 1412.6572, 2014.

6）Finlayson SG, et al：Adversarial attacks against medical deep learning systems. arXiv, 2018.

7）川村隆浩：機械学習の説明可能性への取り組み—DAPRA XAIプロジェクトを中心に．第33回人工知能学会全国大会，2019. https://www.jst.go.jp/crds/sympo/201906_JSAI/pdf/02.pdf（2022年2月3日現在）

8）Turakhia MP, et al：Rationale and design of a large-scale, app-based study to identify cardiac arrhythmias using a smartwatch ; the Apple Heart Study. Am Heart J 207 : 66-75, 2019. PMID 30392584

9）Ballinger B, et al : DeepHeart ; semi-supervised sequence learning for cardiovascular risk prediction. Proceedings of the AAAI Conference on Artificial Intelligence 2018 AAAI Conference 32（1） : Thirty-Second AAAI Conference on Artificial Intelligence, 2018.

10）Alavi A, et al : Real-time alerting system for COVID-19 and other stress events using wearable data. Nat Med : 2021. Online ahead of print. PMID 34845389

11）Coravos A, et al : Developing and adopting safe and effective digital biomarkers to improve patient outcomes. NPJ Digit Med 2（1） : 14, 2019. PMID 30868107

12）Tomašev N, et al : A clinically applicable approach to continuous prediction of future acute kidney injury. Nature 572（7767） : 116-119, 2019. PMID 31367026

13）Kleinbaum DG, Klein M : Survival Analysis ; A Self-Learning Text, 3rd edition. Springer, 2011.

14）Ishwaran H, et al : Random survival forests. Ann Appl Stat 2（3） : 841-860, 2008.

15）Ryu JY, et al : DeepHIT ; a deep learning framework for prediction of hERG-induced cardiotoxicity. Bioinformatics 36（10） : 3049-3055, 2020. PMID 32022860