医療における生成 AI: 例、利点、使用例

公開: 2023-08-08

OpenAI の ChatGPT の大人気により、産業界で使用されるアプリケーションに生成 AI を組み込む競争が巻き起こっています。 ヘルスケアもその先頭に立っています。

マッキンゼー・アンド・カンパニーによると、ヘルスケアにおける生成 AI は、エラーが発生しやすい作業を自動化し、臨床医に豊富なデータを数秒で提供し、医療インフラを最新化することで、業界の未実現の 1 兆ドルの潜在的改善の一部を解き放つのに役立つ可能性があります。

ヘルスケアにおける生成型 AI の例

ヘルスケア企業は長年にわたって AI テクノロジーを使用してきましたが、有害事象の予測、手術室のスケジュールの最適化、患者データを接続してより良い結果をもたらすことがその 3 つの例です。ヘルスケアにおける AI は業界にさらに深い変革を約束します。

ヘルスケアにおける AI の最近の例をいくつか紹介します。

  • アマゾン ウェブ サービス (AWS) は7 月に、音声認識と生成 AI を使用して臨床文書を生成することで臨床医の時間を節約する AWS HealthScribe と呼ばれるサービスを発表しました。
  • ウォール・ストリート・ジャーナルによると、グーグルはメイ・クリニックやその他の病院で「Med-PaLM 2」と呼ばれる医療チャットボット技術をテストしているという。 Google 独自の会話生成 AI チャットボット Bard の基礎となる大規模言語モデル (LLM) テクノロジーに基づいた Med-PaLM 2 は、医療上の質問により正確かつ安全に答えることを目指しています。
  • ChatGPT を開発した OpenAI の主要投資家の 1 つであるMicrosoft は、Epic Systems と提携して、生成 AI テクノロジーを自社の電子医療記録 (EHR) に統合しています。 Microsoft の子会社 Nuance Communications も、ChatGPT を強化する LLM の最新バージョンである GPT-4 と会話型およびアンビエント AI を組み合わせた、完全に自動化された臨床文書アプリケーションを発表しました。

世界で最も革新的なヘルスケア企業の 83% が SAP ソリューションを実行しています。

最もデータ集約度の高い業界の 1 つでデータを活用する

新しいテクノロジーを採用するのが遅いことで知られる保守的な業界の一つである医療業界でこれほどの牽引力があるのを目の当たりにするのは注目に値する。 医療保険相互運用責任法 (HIPAA) のような厳格なプライバシー規制がデータ共有をいかに妨げているかを考えると、これは特に当てはまります。

しかし、ヘルスケアは最もデータ集約的な業界の 1 つでもあります。

平均的な病院は毎年約 50 ペタバイトのデータを生成していると言われており、これを合計すると欽定訳聖書のデジタル コピーは約 12 兆 5,000 億冊に達します。 さらに、医療分野で生成されるデータの量は年間 47% 増加していると報告されており、これはどの業界にとっても大幅な増加です。

これらすべてのデータは誰かが記録する必要があり、それにはかなりの時間がかかります。 その多くは、医療機関の効率を向上させ、必要な患者にタイムリーな医療情報やアドバイスを提供するために非常に役立つ可能性があります。

しかし、人間や古いテクノロジーでは処理できない量が多すぎるため、そのデータを有効に活用することはほぼ不可能です。

ここでAIが活躍します。 深層学習アルゴリズムを利用して新しいテキスト、音声、コード、その他のコンテンツを作成することで、プライバシーを最適化してから、膨大な量の非構造化医療情報をなげなわして、時間とコストを節約しながら、無限のビジネスと臨床の可能性を解き放つことができます。

医療患者との関わり: より良く、より大胆な未来を想像する

ヘルスケア_パメラ.jpg 米国では、医療保険の支払者と提供者の両方が、無数の重大かつ緊急の課題に直面しています。 準備したの？

個別化医療、迅速な診断など

IDC Health Insights アナリストの Lynne Dunbrack 氏によると、医療機関はこの可能性を認識しており、これが医療機関の 64.8% が生成 AI シナリオを検討しており、34.9% がすでに投資を行っている理由の 1 つです。

「患者エクスペリエンスの向上、国民の健康の改善、コストの削減など、重要な優先事項に対処するためのテクノロジーが求められています」とダンブラック氏は言う。

より具体的には、アナリストらは、生成型 AI が、医療業界における以下のような一般的なニーズに対処するために不可欠になる可能性があると述べています。

  1. 個別化医療: 生成 AI は、膨大な量の患者データを集約して分析し、治療を強化するためのカスタマイズされた投薬と治療の推奨事項を提供します。
  2. 医療画像分析: LLM は、MRI、CT スキャン、X 線などの医療画像の解釈にも優れています。 画像解析を自動化することで、臨床医はより迅速かつ正確に問題を検出できるようになり、診断と全体的なケアが改善される可能性があります。
  3. 臨床メモの作成: AWS の HealthScribe のような一連のツールは、医師が時間が限られているため、患者の診察に関する適切で詳細なメモを取り、それを EHR に入力する必要があるという長年の問題の解決を目指す可能性があります。 AI ツールは、音声認識とディープラーニングを使用してこれらのプロセスを迅速かつ効率的に自動化することで、その煩わしさを軽減できる可能性があります。
  4. 創薬と開発: 生成 AI は、分子相互作用をシミュレートし、考えられる薬剤候補を予測することで、創薬を促進するためにも使用できます。 規制薬の承認を迅速化するためにも使用されています。 たとえば、Insilico Medicine は、独自の AI プラットフォームを使用して、率の高い呼吸器疾患である特発性肺線維症の治療法を発見しただけでなく、前臨床創薬プロセスの各段階にも適用したと述べています。 Insilico 社は、従来の方法でこれを行うには通常 4 億ドル以上の費用がかかるが、生成 AI を使用すればそのコストの約 10 分の 1 でこれを達成できると期待していると述べています。
  5. 仮想医療アシスタント: 医療向けの最初の生成 AI チャットボットの多くは、患者の質問に対して 24 時間効率的に、より迅速かつ適切な回答を提供することに重点を置いています。 たとえば、UNC Health は Epic の生成 AI ツールを活用して、過重な負担を抱えている臨床医が大量のメッセージに対処できるように支援しています。
  6. 保険請求の合理化: ジェネレーティブ AI は、患者記録の抽出と処理を自動化することで、患者からの医療保険請求 (または診療所からの事前承認リクエスト) を合理化し、コールセンター担当者の負担を軽減します。 さらに、疑わしいパターンや異常を検出することで不正の可能性のある申請を特定しながら、請求の検討を迅速化するのに役立ちます。

初期の誇大宣伝にもかかわらず、テクノロジとしての生成 AI はまだ初期段階にあり、現在のヘルスケアへの注目が今後も続くかどうかを予測するのは不可能です。 しかし、1つ明らかなことは、この分野に数十億ドルが投入されているため、この傾向がすぐに遅れることはないということです。

健康の未来
がチャットに入りました。
 ライフサイエンスを変革するソリューションについては、こちらをご覧ください。