「人工知能がガンの早期発見につかわれ始めた──ニューラルネットワークは医療を変えるか」の写真・リンク付きの記事はこちら

ワン・シャオカン（王小康）は、スタートアップ企業「Infervision」（北京推想科技）を立ち上げ、X線画像を読み込んで肺ガンの早期兆候を特定するアルゴリズムをつくっている。ワンによると、同社の技術はすでに4カ所の中国最大級の病院で実用化されているという。そのうち2つの病院では単にテストを行っているだけだが、残りの2つの病院（上海にある上海長徴医院と同済病院）では、その技術が完全に導入されている。「このアルゴリズムはすべての医師のマシンにインストールされているのです」とワンは言う。

もちろん、この技術を医師たちが実際どの程度利用しているかは、また別の問題だ。人工知能を医療の世界に導入するというアイデアはまだ始まったばかりだが、それでも広がりつつある。

インドにある2つの病院では、現在Googleが眼球のスキャンで糖尿病性失明の徴候を特定する技術をテストしている。2017年5月、データサイエンスのコンペティションサイトであるKaggleは、CTスキャンで肺ガンを検出する機械学習モデルの構築を競うコンテストの優勝者を発表した。賞金100万ドルのこのコンテストには、1万人以上もの研究者が参加していた。優勝したアルゴリズムは、国立癌研究所の作業を読み込み、肺ガンをより迅速かつ効果的に診断する。「わたしたちはこうしたソリューションをさらに進化させたいと思っています」と、同研究所のプログラムディレクターを務めるケイヴァン・ファラハニは話す。

「このようなAIを各地の病院に大規模に導入することは、依然として非常に困難です」。そう語るのはワイルコーネル大学医科学大学院教授の医師ジョージ・シーだ。シーはKaggleのコンテストに参加した企業MD.aiの共同設立者でもある。この技術を既存のシステムや日常業務に導入するだけでも大変なのはもちろんのこと、必要なデータすべてを集約するのは非常に難しい。しかし、シーはいまつくられている最高のアルゴリズムはすでに商品化に耐えうるほど正確だと信じている。「おそらく、より大規模に導入されるまで、わずか数年しかかからないでしょう」とシーは語る。

医学とコンピューターサイエンスの狭間

これらのシステムは、膨大な量のデータを分析することによって自動的にタスクを学習できる複雑なシステム、ディープ・ニューラルネットワークによって生まれてきたものだ。もともとは1950年代に考案された古いアイデアだが、いまやグーグルやフェイスブックのような企業は膨大な量のデータや演算能力を扱えるようになっているため、ニューラルネットワークはこれまで以上に多くのことを達成できる。とりわけ、写真にうつった顔や物体を正確に認識できる。さらに医療データのスキャンでは、病気の兆候や疾病を特定可能だ。

ニューラルネットワークは、居間のスナップ写真のなかから猫を特定できるのと同じように、小さな動脈瘤を眼球のスキャンで、あるいは極小の結節を肺のCTスキャンで特定できる。基本的には、このような結節を含む何千もの画像を分析したあと、ニューラルネットワークはそれらを独力で識別する方法を学んでいる。何千人ものデータサイエンティストがKaggleのコンテストを通じて、このタスク用の最も正確なニューラルネットワークの構築を競った。

ニューラルネットワークが画像のデータベースから学習を始めるには、訓練を受けた医師がそれらの画像にラベルを貼る必要がある。つまり、人間の知能と知識をつかってガンなどの兆候を示す画像を特定するのだ。その作業さえ終わってしまえば、これらのシステムの構築は医学というよりむしろコンピューターサイエンスの領域である。Kaggle賞の受賞者である中国・清華大学の2人の研究者、リャオ・ファンジョウ（廖方舟）とリー・ヂー（李哲）が、きちんと医学を学んだわけではないのがいい例だ。

医師のアシスタントとしてのAI

それでもなお、これらのAI技術は訓練を積んだ医師を完全に代替するわけではない。「まだ放射線科医や医師が行っていることのほんの一部しかできていません」とシーは話す。「ほかにもまだわたしたちが解明しなければならない数十もの病気が残っています」。新しいAIシステムは、医師が患者の状況を詳しく調べる前に、より迅速かつ正確にスキャンを行っている。こうしたAIによるアシスタントは、理想的には医療費を削減してくれるだろう。検診に対して医師は非常に多くの時間を割かねばならず、医師も間違いを犯す可能性があるのだから。

シーらによれば、医師が誤って陰性判断を下すことはあまりない。しかし、誤って陽性診断を下してしまうのは問題である。それほど徹底したケアを必要とはしない患者の進行状況を追跡するのに、病院が時間と金をしばしばつぎ込んでしまうからだ。「肺ガン検診の問題は、それが非常に高価だということです」とシーは言う。「大きな目標は、そのコストをどうやって最小化するか、なのです」

シーの会社はガンの検出以外のタスクにも、ニューラルネットワークの訓練につかえるデータの収集やラベリングを行うサービスの構築を目指している。シーは、この種のAIの開発がまだ始まったばかりだと認めている。しかし、特に訓練を受けた医師がまだあまりいない発展途上国では、AIが医療の分野を根本的に変えるだろうと信じている。シーによれば、今後数年間で研究者たちが最高クラスの医師よりも肺ガンの検出に優れているAIを構築する可能性は低いという。しかし、たとえ機械が一部の医師を上回ったとしても、それが病院の運営方法を変えるとしても、スキャンは1回しか行われないのだ。