※連載「『考える機械』の未来図」の第1回から続く

「AIは人類を“コロナ禍”からは救えない:「考える機械」の未来図(2)」の写真・リンク付きの記事はこちら

新型コロナウイルス感染症に「COVID-19」という正式名称が付く1週間以上前の2020年1月下旬。中国・武漢の病院では、人工知能(AI)を利用した新たなスクリーニング手法のテストが始まっていた。

使われた機材は胸部CT、つまり肺の断面が細部まで写しだされる3次元スキャン画像である。こうした画像をアルゴリズムが大量に分析して学習することで、患者の肺炎がCOVID-19によるものか、それともインフルエンザなのか、よりありふれた疾患に起因するのか判断できるようになると期待されてのことだった。

2月になって感染拡大が加速した米国でも、このアイデアは有望視されていた。従来の検査キットが不足するなか、より多くの人々を素早くスクリーニングする代替手段になると考えられたのだ。

ところが医療関係者は、最初からこの計画を疑問視していた。すでに手首の骨折や眼病、乳がんなど、さまざまな診断アルゴリズムが米食品医薬品局(FDA)の承認を得ているが、こうした手法の開発には通常は数カ月から数年を要する。アルゴリズムの実証実験は患者層の異なる複数の病院で実施され、欠陥や偏りがないか入念に調査された上で、何度も修正と再実験が繰り返されるものなのだ。

肺炎の症状が新型コロナウイルスに起因するものか区別できる十分なデータは、本当に存在するのだろうか? 組織の損傷がより不明瞭だと考えられる軽症事例についてはどうだろう? パンデミックは答えが出るまで待ってくれないが、医学界はこうした疑問の答えが出るまで待つしかなかった。

顕在化したAIの限界

そして3月下旬になって国連と世界保健機関(WHO)は、肺のCT画像などを利用したAIツールがCOVID-19との闘いにどのくらい有効であるか評価を示す報告書を発表した。いかにも官僚らしい回りくどい文体で書かれた報告書によると、ほとんどのプロジェクトは「成熟した運用」を実現できていなかったという。

AIに限界があることは以前から知られている。それがパンデミックによって顕在化したのだ。AIの信頼性は、データを収集して解釈する人間の能力次第である。今回のパンデミックは、そうした作業が危機のまっただ中では困難であるという事実を端的に示している。

マスクの着用やイブプロフェンの服用について、専門家のアドヴァイスが二転三転したことを考えてみてほしい。現場の医師たちは、誰をいつ人工呼吸器につなぐべきかの判断に苦悩している。わたしたちの日々の行動は、誰が感染して死亡するか、自主隔離が失敗した場合にどれだけ死者が増えるのかといったことについての「不確かな予測」に支配されているのだ。

ディープマインドによる驚きの実験結果

さまざまな証拠を整理してみると、AIは生身の人間に一歩後れをとっている。それなのに、わたしたちはAIには人知を超えた先見の明があると考えがちだ。

創薬を例に挙げよう。グーグルの親会社であるアルファベット傘下のディープマインド(DeepMind)によるAI実験は、最も華々しい事例のひとつだ。

ディープマインドのシステム「AlphaFold」は、世界最高峰のたんぱく質モデリング技術を誇り、ウイルスを構成する微細構造の形状を予測する際に役立つ。ラボでの構造決定には数カ月を要することも珍しくないが、同社が3月に6種類のウイルスたんぱく質の模式図を公開したときには、ほんの数日しかかからなかった。

ディープマインドは、これらのモデルはあくまで実験段階のシステムが推定した近似値であるという注意書きを添えている。それでもこのニュースを受け、ワクチン開発競争に加わったAIへの期待は高まった。

AIにできることは、あまりない?

しかし、ワクチンの開発に携わる人々は、みな一様にAI導入には肩をすくめる。

「現段階でAIにできることは、あまりないと思います」と、新薬開発のヴェテラン研究者でカリフォルニア大学バークレー校の「Center for Emerging and Neglected Diseases(CEND=新興の疾患および顧みられない疾患の研究センター)」所長のジュリア・シャレツキーは言う。

確かに明確に定義された多くの標的たんぱく質が、AIの助けがなくてもラボでは確認されている。実験的なシステムが生み出した結果に基づいて、貴重な時間と研究資金を使ってゼロから治療法の開発を始めるのは高いリスクを伴う。技術の進歩は素晴らしいことだが、その裏ではしばしば既存の有望な知見に基づく発展的な研究がないがしろにされるのだと、シャレツキーは指摘する。

AIを使った治療法の開発には可能性があるのだと、シャレツキーは言う。AIのアルゴリズムはデータマイニング技術を補完する。大量に存在する既存の情報をふるいにかけて、例えば有望な研究の方向性や、将来性のある旧来の治療法を発掘できるのだ。すでにこうした方法でバリシチニブという薬剤が見出され、臨床試験が進められている。

さらに、COVID-19が人体を攻撃するメカニズムについての知見も、AIによって得られるかもしれない。アルゴリズムを使って大量の治療記録をマイニングし、死亡リスクがより高い層や生存の見込みが大きい層を特定できれば、医師たちの間で話題になるだけだった体験談を、治療計画に変えることができる。

AIを活用するための難題

繰り返しになるが、すべてはデータの問題なのだ。収集済みのデータはどのようなものか。それらはAIが活用できるかたちで整理されているのか、といったことが重要になる。

一方で、AIシステムの学習に使いやすいような形式で情報が提供されることは、現行の医療制度においてほとんどない。時代遅れで間違いだらけの医療データベースにアクセスせざるを得ないだけでなく、それ以前の問題としてプライヴァシー規制やデータの分断化にしばしば足止めされることになる。

新型コロナウイルスのパンデミックがもたらした危機が、医療データを取り巻く状況を一変させる可能性はある。おそらくわたしたちは否応なく、データの保存や共有の方針について再考を迫られるだろう。そして混乱が収束し、注目度が下がったあとも、今回のウイルスの研究は続くはずだ。

そうなれば次なるパンデミックが襲来したとき、確実なデータと高度化したAIが武器になるかもしれない。だが、いまのところは今回のパンデミックにおいてAIに“救われる”ことはない。それは決して意外なことではないのだ(第3回に続く)。