私はJPモルガン会議から戻ったばかりだ。ヘルスケアだけでなく、あらゆる業界に当てはまるいくつかの学びがある。
- 人間とAIが業界を変える。AI単独ではない。
- キャッシュフローが重要だ。AIの誇大宣伝ではない。
- 真のAI革命は業務運営にある。
先月、ヘルスケアにおいて最も誇張された約束の1つは、「AIが我々の医薬品を設計し、研究者を置き換える」という主張だった。私の見解では、これは真実ではない。真の変化はよりシンプルだ（そしてより大きい）。AIは臨床医や科学者をはるかに効果的にする。より良い事前知識、より良い検索、より良いフィルター、より速いループを提供する。生物学にはノイズがあり、証拠は不完全で、インセンティブは非対称的であり、説明責任は現実のものであるため、人間が主導権を握り続ける。
LLMとGPTはヘルスケアAIのほんの一部に過ぎない
今日、そしてJPモルガン会議の参加者も例外ではなく、AIはTransformerアーキテクチャ（ChatGPTが最も目に見える例）と同義のようだ。Transformerはシーケンスモデリングに優れている。言語、時系列イベント、縦断的記録などだ。そのため、煩雑なヘルスケアデータへのより良いインターフェースとして輝く。記録の要約、関連する文脈の発見、意思決定の支援などだ。テキストTransformerは、自分自身の（健康）データに対する理想的なUX・インターフェースである。OpenAIがヘルスケア向けChatGPTを立ち上げたのも驚きではない。
Transformerは、電子健康記録（EHR）データやICD-10コードの文字列に対するより良いインターフェースにもなり得る。次に最も可能性の高いICD-10コードを予測したり、治験に最適な患者を見つけたりできる。これは、適格患者のより迅速な特定、より良いスクリーニングリスト、手作業の削減、より速い実行を意味する。アンビエント臨床文書化は、Transformerのもう1つの完璧なユースケースだ。臨床文書を要約することで、摩擦を減らし、臨床医に時間を返し、支払者と提供者の間の信頼を高めることができる。
創薬のためのヘルスケアAI
しかし、ほとんどのTransformerは次トークン予測として使用される。予測された最後のトークンが、次に予測されるトークンの入力となる（自己回帰）。これは印象的な言語能力を生み出すが、指数関数的なエラーを持つ可能性がある。さらに、それは自動的に概念的理解や信頼できる因果推論を意味するわけではない。創薬は、メカニズムの理解と不確実性下での汎化に依存する。規制された環境では、「正しそうに見える」だけでは不十分だ。出力にはガードレールと実世界での検証が必要だ。我々は以前にもこの場所にいた。2008年、グーグルの次のクリックを予測する能力に興奮したWIRED誌は「理論の終焉」を宣言し、必要なのはデータだけだと述べた。それは間違っていることが証明され、今では同じアプローチに対してより良いモデルを持っているが、それでも理論の終焉は見ていない。
次トークンの代わりに世界モデル
創薬には、生物学と化学の理解が必要だ。Transformerはこれを限定的にしか持っていない。このギャップこそ、ヤン・ルカン氏が指摘してきたものだ。トークン予測≠概念的理解である。提案されている方向性の1つは、JEPA・世界モデルだ。JEPA（Joint-Embedding Predictive Architecture）は、次のトークンを予測するのではなく、潜在的な埋め込みコンテキストを予測することを目指す。メカニズムを予測することで、生のピクセル・単語を再構築するのではなく、予測可能な構造を理解することを目指す。その野心は、より根拠のある表現、すなわち概念、不変量、因果構造を学習することであり、すべて埋め込み空間（本質的にモデルがその知識を保持する空間）で行う。これは説得力のある方向性だが、正直に言おう。これはまだ研究段階であり、メカニズム生物学やエンドツーエンドの創薬のための実証済みの産業基盤ではない。
ヘルスケアAIではなく、収益が重要だ
では、今日の創薬に対するAIの真の影響は何か。AIは、より良い事前知識、より良い検索、より良いフィルター、より速いループを提供する。仮説空間を狭め、弱いシグナルをより早く表面化し、意思決定支援を改善し、サイクルを加速する。データ→モデル→候補→実験→データというサイクルだ。
これは、見出しを飾る「AI設計医薬品」の例、ExscientiaとInsilico Medicineの事例をどう解釈すべきかということでもある。
これらのマイルストーンは「AIが科学者を置き換える」ことを意味しない。それらは上記のパターンに適合する。AIは優先順位付け、提案、最適化を支援し、人間がウェットラボと臨床で検証する。影響は現実だが、それは主により速い反復と不確実性下でのより良い選択として現れるのであり、自律的な発見ではない。会議で有力投資家の1人が言ったように、「彼らがAIを使うかどうかは本当にどうでもいい。収益結果を出してくれさえすればいい」。
これこそが、多くの業界で機能する大きなポイントだ。AI自体を誇大宣伝してはいけない。重要なのは影響であり、影響を生み出すには人間が必要だ。AI＋人間がヘルスケアチームを実質的により効果的にする。それだけで大きな変化なのだ。
