バジル・ンジェイ氏はイェール大学の国際医療プログラム共同ディレクターである。
世界中の多くの診療所では、人工知能の代替手段は上級専門医ではなく、専門医が全くいないという現実がある。グローバルヘルスにおけるAIについて語る際、これが出発点となる現実だ。この議論は、AIがすでに高度に発達したシステムをいかに効率化できるかという点に焦点が当てられがちだ。しかし、より大きな機会と真の道義的責務は、これまで信頼できる医療にアクセスできなかった患者たちにAIをどう活用できるかという点にある。
医療イノベーションのこの段階では、オフラインでも機能し、基本的なデバイスで動作し、人間による監視を含むツールを備えた、設計段階から公平性を確保したシステムの構築に焦点を当てる必要がある。最も資源が豊富な病院だけを対象にAIを設計すると、デジタル格差が医療格差になるという新たな分断を生み出すリスクがある。
現在の医療AIの状況
医療向けに何千ものAIツールが構築されているが、実際に使用されているのは1%未満だ。毎週、新しい診断モデル、チャットボット、自動化ツールが開発されているが、ほとんどはパイロット段階で失敗している。その理由は技術的な問題と同様に実用面にもある。多くは高性能サーバーや常時インターネット接続に依存しているが、世界中のほとんどの地域病院にはそれらが単純に存在しない。
AIでグローバルヘルスを改善したいなら、スケーラブルで適応可能なものにする必要がある。つまり、オフラインで、モバイルデバイスや基本的なコンピューターで動作するツールを開発することだ。また、予測が真に一般化され、裕福な国の一握りの病院からのデータに調整されないよう、多様な人口に基づいてモデルをトレーニングすることも意味する。
ガバナンスも重要な障壁だ。誰がデータを所有するのか？どのように使用され、誰が恩恵を受けるのか？明確な回答がない場合、導入は遅れる。医療が関わる場合、データプライバシーは信頼の前提条件となる。
違いをもたらす診断ツール
これらの課題にもかかわらず、AIが測定可能な影響を与えている分野がすでに見られる。AI支援イメージングにより、非専門家でも、かつては何年もの訓練を必要とした診断手順を実行できるようになった。農村部では、AIを搭載したモバイル超音波装置が、心臓、肺、産科の合併症を緊急事態になる前に検出するのに役立っている。
病理学と放射線学も変革されつつある。コンピューターは現在、驚くべき精度でスライドやスキャンを読み取ることができ、過負荷の専門医が最も複雑なケースに集中できるようになっている。COVID-19パンデミック中、自動化された検査解釈により、病院はリアルタイムで記録的な量のデータを処理できるようになった。これは、人間と機械の知能を組み合わせた場合に可能なことの予見だった。
私自身の専門分野である肝臓病では、通常の検査を使用した単純なAI駆動のスコアリングシステムを開発し、患者の肝臓病リスクや死亡リスクさえも予測できるようになった。このようなツールは既存のデータを再利用してより良い決定を下すためのものであり、これはまさに資源が限られた環境で最も重要なイノベーションの種類だ。
コスト削減とアクセス拡大
医療におけるAIの価値は診断に限定されない。それは医療システムの運用基盤にも存在する。
請求書作成や文書化における自動化が無駄を減らし、収益の完全性を高める様子を私は直接目にしてきた。AI基盤の請求アシスタントを採用して以来、私自身のコーディング精度は少なくとも25%向上した。これは直接的に医療のための資金増加につながる。
AIスクライブも画期的だ。使用する前は、患者の記録を完成させるのに数週間かかることもあったが、今では24時間以内に完了できる。この時間節約は膨大で、書類作業ではなく患者との時間に充てられる。
バーチャルケアとeコンサルテーションも可能性を広げている。すべての患者が医師に直接会う必要はない。AI支援のトリアージシステムは、直接の注意が必要なケースと遠隔で管理できるケースを識別できる。それだけで医療システムは何百万ドルも節約でき、遠隔地にいる人々のアクセスも改善される。
導入障壁の克服
それでも、技術だけでは十分ではない。医療におけるAI導入の最大の障壁は人間に関するもので、信頼と変化への抵抗を中心としている。
臨床医は慎重であり、それには正当な理由がある。私たちは質問し、検証し、証拠に頼るように訓練されている。アルゴリズムが推論を説明せずに結果を出すと、「ブラックボックス問題」として知られる状況が生じる。どのようにして答えに到達したのかが見えなければ、完全に信頼することはできない。
ここで説明可能なAIが不可欠となる。それにより透明性が確保され、臨床医は結論がどのように導き出されたかを理解し、臨床判断に照らして検証できる。信頼構築には段階的なアプローチも必要だ。診断に進む前に、リスクが低く価値の高いユースケース（請求や文書化など）から始める。
病院はリスクベースのフレームワークを採用すべきだ。監査が容易でHIPAA準拠のタスクから始め、AI駆動の決定すべてに人間の監視を組み合わせる。この自律性と監督のバランスこそ、AIが臨床医と患者の両方から受け入れられる方法だ。
倫理、公平性、ガバナンス
AIがより賢くなるにつれ、新たな倫理的問題が浮上する。アルゴリズムが間違いを犯したり、さらに悪いことに幻覚を見たりした場合、誰が責任を負うのか？子供、障害者、認知症患者などの脆弱なグループを、意図しない害やバイアスからどのように保護するのか？
強力なガバナンスフレームワークをAIの開発と展開に組み込む必要がある。これには、明確な説明責任の構造、透明なデータ使用ポリシー、過小評価されている人口が取り残されないことを保証する包括基準が含まれる。
公平性は意図的でなければならない。目標は相互運用性だ。効果的なAIシステムは、デバイス、言語、医療環境を超えて機能するほど開放的であるべきだ。そうでなければ、解決するはずだった不平等を強化するだけになる。
研究と予防の拡大するフロンティア
AIは研究の進め方も変えつつある。興味深いフロンティアの一つは薬剤リパーパシングで、既存の薬剤の新しい治療応用をAIを使って特定することだ。例えば、一般的な抗炎症薬が、その分子プロファイルに基づいて、まったく異なる疾患を治療できることが判明するかもしれない。これらの薬剤はすでに承認され安全であることが知られているため、発見から患者への使用までの道のりが劇的に短縮され、コストも削減される。
AIの予測力は、公衆衛生のリーダーが疾病の発生と資源ニーズを予測するのにも役立つ。医療コストの予測から感染症対応のモデリングまで、これらの予測能力はグローバルな準備態勢にとって重要だ。
そしてプライマリケアのレベルでは、AIは患者を専門医システムから完全に遠ざけるのに役立つ。例えば肝臓ケアでは、AIを使用して専門医への紹介が本当に必要な患者を判断し、不必要な紹介を約90%削減している。専門医がそもそも存在しない多くのコミュニティにとって、この効率性は生存を意味する。
AIにおける「良い」とは何か
医療では、技術をその精度で評価することが多い。しかし、精度だけでは十分ではない。
真に価値のあるAIシステムは3つのことを行わなければならない。時間を節約し、コストを削減し、格差を縮小することだ。これが新しい成功の尺度である。
正しく実装されれば、AIは私たちのケア能力を増幅できる。包括性と透明性を核として設計されれば、AIは最も忙しい大学病院から最小の農村の前哨基地まで、あらゆる診療所がより多くの人々により良い結果をもたらすのを助けることができる。それこそが世界が真に必要とする知性だ。
