昨今、ChatGPTやその関連AIサービスの登場により、ほぼ全ての業界で従来の業務フローを丸ごと一変させかねないようなAIが続々と登場しています。

AIはほぼ全ての業種で活用される技術ですが、中でもAIの導入が最も求められているのが医療業界です。

現在の日本の医療機関では医師の慢性的な不足が常態化しており、加えて治療にかかるプロセスの煩雑さのため多くの医療従事者が疲弊している現状があります。

こうした問題の解決策として最も期待されるのがAI技術で、従来のプロセスの大幅な効率化や、医療の質を向上すると共に従事者の負担を減らす等の様々なメリットがあります。

本記事では、医療業界とAIとのかかわりや具体的な活用事例についてご紹介します。

|医療業界でのAIとは

医療分野でのAIの導入は世界各国で進んでおり、医療業界でのAIの導入が今後加速していくことはもはや不可避と言えます。

ですが、実際にAIが医療業界でどう役立つかは、様々な活用事例や活用できる分野があるため掴みにくいかもしれません。

そこで、実際にAIが医療現場でどう役立つのか、具体的な事例や実際にAIを用いて得られるメリットについて知る必要があります。

AIは非常に高度で複雑な演算を行うので、その処理プロセスはそれを扱う人間ですら理解できないことがあります。

そのためAIの処理結果をどこまで信用していいのか？という議論もありますが、一方で深層学習に始まるAI技術のブレイクスルーは、画像や音声の飛躍的なレベルでの認識、また昨今ではAIが高精度な生成を行うことが可能になり、現在ではAIがコーディングを自動で行うことすらできます。

こうしたAI技術の進展は医療業界のあらゆる領域にメリットをもたらす技術として、様々な企業や医療機関がAIの導入を進めています。

|医療業界でのAIの活用シーン

具体的にAIはどのように医療業界で役立つのか？実際にAIが導入されている事例を挙げながら解説していきます。

医療分野におけるAIの利点は、例えば医薬品開発にかかるコスト削減から、診断プロセスの効率化による従事者の負担軽減、もしくは高度なAIを搭載したロボットが遠隔地にいる患者の手術を行う場合など様々です。

診断での活用

臨床診断はAIの活用が進んでいる分野の一つです。

診断プロセスにAIを導入することで、従来は人手だと見落としがちだった極めて小さな異常を発見しやすくなるなど、診断の精度の向上が見込まれています。

様々な病気に関するデータをAIが学習することで、例えばレントゲン画像や患者のカルテを基にした解析などの精度が上がり、AIによってより精密で正確な診断が可能になります。

それによって、発症前の僅かな異変を検知して重症化する前に手を打ったり、それに必要なプロセスを効率化することで、人手不足の解消や診断ミスの発生率を低下させることができます。

医薬品開発での活用

創薬業界もAIが活用される分野です。

現在、すでに多数の医薬品が開発されており、新しく効能のある医薬品を開発するのが難しいという現状があります。

加えて、1つの医薬品を開発するには膨大なコストがかかり、もし1つの医薬品の開発を中止した場合、発生する損害額は150億円〜2,000億円になるとも言われています。

医薬品開発にAIを導入すると、例えば従来の医薬品開発で行っていた試験薬のマウス投与の結果や、それに伴って起きる副作用をAIで予測することなどが可能になります。

これによって創薬にかかるプロセスの様々な部分を効率化して、かかる手間やコストを減らすことができます。

医療ロボットとしての活用

現在、多くの病院では医師不足という問題に直面しています。

この解決策として注目されているのがAIとロボットの組み合わせで、ロボットを用いた遠隔治療技術の開発が国内外で進められています。

高度な認識能力を持つAIと精細な動きができるロボットとが組み合わされば、例えば都心部にいる医師が遠隔地にいる患者をロボットを操作して診療や手術を行うことが可能になり、それによって医師不足による医師への負担の解消や、患者の医療機会の損失を防ぐことが期待されています。

現在はまだ開発中の技術ですが、これらの技術は世界的に研究・開発が進んでおり、ゆくゆくは多くの病院で導入されていくでしょう。

|医療業界でAIを活用するメリット

ここまで、AIが最も活用されそうな医療分野について見てきましたが、以下では医療業界でどうAIが役立つかを解説します。

現在の医療業界には多くの問題があります。

これらは医師の不足から業務プロセスの煩雑さに至るまで多岐にわたりますが、AIは活用次第でこれらの問題を総合的に解決するソリューションになります。

業務効率化

医療業界に限らず、AIがあらゆる業界にもたらす主なメリットの一つが業務プロセスの効率化です。

AIの利点の一つに、人間よりも正確かつ短時間で膨大な量のデータ処理や計算を行えることが挙げられます。

人間は長時間作業を行いっぱなしだと疲れてミスを起こしやすくなりますが、AIではミスが起きる確率がぐっと減ります。

こうした技術を用いて、現在では患者のカルテや関連書類の作成をAIで自動化したり、またレントゲン画像を人間よりも高い精度でAIが解析することなどが可能です。

人手不足が慢性的になっている日本の医療業界では、こうした自動化は医療従事者の負担を減らすための大きな助けになるでしょう。

医療の質向上

医師の数が少ない一方で、医療現場はミスが許されないシビアな世界です。

医療従事者にかかる負担を減らすと同時に医療の質を向上するには、例えば診断結果をAIと医師とのダブルチェックにするなどが挙げられます。

また、カルテや病気に関するデータをAIが分析して、その患者に最適な治療プランを自動で提示できるようになれば、医療の質や精度を向上しつつ、関わる従事者の負担軽減ができます。

従来のように人手で膨大なデータを分析するには時間と手間がかかり、人によって分析結果にバイアスがかかりがちです。

AIであれば同じ作業にかかる時間を大幅に短縮し、アルゴリズムの訓練度にもよりますが、バイアスのない公平な解析を行うことができます。

こうして医療精度の質を高めると共に、プロセスの自動化により従事者の負担を減らすことが可能になります。

地域による医療格差の減少

医療業界が抱える問題には、医療における地域格差も挙げられます。

高齢化の進む日本では特に顕著な問題で、高齢者の割合の高い地方都市では、高齢者が大勢いるのに病院が一つもない場合があります。

上記で述べたAIによる診断の自動化や、ロボットを用いた遠隔治療が実用化されれば、医師が遠隔の現場に直接行かなくても診療が可能になります。

そのため、医師が少ない、もしくは医師がいない地域でも医療機会の提供が可能になり、医療の地域格差の解消につながります。

これは人口減少と高齢化が進む日本では特に重要だと言えます。

|医療業界におけるAIの活用事例

以下では、実際の医療業界でAIがどう活用されているのか、具体的に医療用のAIを開発、導入している事例を見ながら解説します。

現在では多くの企業や大学機関などが医療向けのAI技術の開発にフォーカスしており、すでに複数の病院ではAIを導入して成果を出しているケースもあります。

cocoromi

vivola株式会社は、AIを使って不妊治療をサポートするためのAI検索サービスの「cocoromi」を提供しています。

これは不妊治療に特化したAIサービスで、これまで不妊治療に成功した患者のデータベースから、自分とよく似た治療ケースを自動で検索します。

現在、女性が抱える問題をテクノロジーで解決する志向として所謂フェムテックが話題ですが、cocoromiでは自分の治療データを記録することで、これまで不妊治療を受けた患者の中から、年齢、ホルモン値、患者の妊娠力などをベースに自分とよく似た患者のデータを参照することができます。

不妊治療は検査や治療のオプションが非常に多く、不妊治療を受ける方はネットで情報収集する必要がありますが、同サービスはそうした手間を減らし、より手軽に過去の患者の統計データを知ることができるので、治療プランを立てる際の参考にしやすくなります。

CLIUS

医療機関向けの電子カルテシステム「CLIUS」を開発、提供しているのが株式会社Donutsです。

CLIUSでは、病名や医薬品の用法用量、検査や文言などをAIが自動的に学習することで、医師のカルテ記入にかかる手間を省いたり、よく使われるオーダーをAIが学習してランク表示することでプロセスの効率化を図ります。

また、患者向けの機能として、問診をアプリ上で簡単に行うことが可能です。

同AIサービスはモバイル端末からの利用も可能なので、遠隔地にいる方が病院まで足を運ばなくても簡単な問診をアプリ経由で行えるというメリットがあります。

EIRL Chest Nodule

エルピクセル株式会社は、AIを用いた画像診断システム「EIRL」を開発していますが、その中の「EIRL Chest Nodule」は、胸部のX線画像から病気の疑いのある領域を候補として検出することで、従来は医師が人手で行っていた画像診断を支援します。

胸部X線検査では膨大な数の検査が実施されますが、対して画像解析を行う読影医が少ないという課題があります。

画像解析には高いスキルと集中力と経験が求められますが、現場の医師は日々膨大な検査に追われるために個々の解析に対して使えるリソースが限られている、もしくは経験の乏しい医師が参加して解析の質に差が出る等の課題があります。

これらを解決して医師の診断支援を行うことが目的です。

HAL3

「HAL3」はクリスタルメソッド株式会社が提供する対話型AIサービスですが、表情認識を行うAIと組み合わせることにより、これを医療現場に用いることで、例えば顔認識による受付係の自動化が可能になります。

もしくはマイク音声から感情を分析して、そこから快、不快、中立に分けて判定することも可能です。

他には、FAQに対して事前に登録した回答を自動回答するなどの各種機能が利用でき、これらを活用することで医療従事者の負担やミスの発生率の低減などを目指します。

同サービスには強化学習が用いられており、同じ作業を繰り返して精度を上げることで機能の向上を図ります。

OPTiM Doctor Eye

株式会社OPTIMが開発する「OPTiM Doctor Eye」は眼底画像の解析システムです。
AIが眼底の画像を大量に学習することで異常箇所を見つけやすくするもので、診断の精度の向上を図ることを目的にしています。

眼底は人間の体で唯一、血管を直接的に観察できる部位で、目の病気だけでなく動脈硬化や糖尿病の兆候の早期発見につながる部分です。

同サービスは医療機器プログラムとして認証を受けており、眼科に携わる多くの医師にメリットをもたらすとして期待されています。

Ubie

「AI問診 Ubie」は初診での問診を支援するAIアプリです。

Ubie株式会社が開発する同AIサービスでは、患者がタブレット経由で問診票に入力することでカルテの作成を自動化します。

AIが入力された内容に対して会話型の質問を自動生成するので、従来のような質問表に答えを書いていくだけの無機質なプロセスと比べて、より患者のヒアリングを自動的に深くまで行えます。

同AIサービスはすでに医療機関で導入されており、医療法人財団池友会福岡和白病院ではAIを導入した結果として、患者の待ち時間が平均で約20分ほど短縮できた他、薬に関する入力ミスが削減できたことなどを挙げています。

また、タブレットやスマートフォン経由で利用できるので、簡単な問診であれば自宅からでも手軽に行えます。

アルツハイマー病への進行予測

富士フィルム株式会社は、軽度の認知障害のアルツハイマー症への進行をAIで予測して創薬に活かす技術を開発しています。

アルツハイマーの新薬開発では、治験で症状の進行していない患者が参加すると薬の有効性が確かめにくいという課題があります。

ここに画像認識技術を導入して患者の脳の画像をAIで解析することで、治験対象者を絞り込んでより効率的な新薬開発が可能になります。

同社によると、AIによる画像認識の精度は最大で88％とのことで、患者のMRI画像からおもに脳の海馬の大きさや形の分析などに用います。

同社がこれまで蓄積してきた画像や医療技術を応用して、学習用のデータが少なくても高精度な予測が可能な技術を確立したとのことです。

AIレセチェッカー

株式会社Medical AI LABは、レセプトチェックをAIで自動化して医療事務にかかる手間を効率化する「AIレセチェッカー」を提供しています。

レセプトとは診療報酬の明細書のことですが、同サービスでレセプトチェックという事務作業が自動化され、より注力すべきタスクに集中する時間が増えます。

AIレセチェッカーは自動学習機能を備えており、登録したレセプトを読み込んで、関連するビッグデータと照らし合わせて修正箇所がないかどうかを自動的に判断するとのこと。

処理能力の速さも特徴で、現場の従事者のパフォーマンス向上に貢献します。

レセプトチェックはミスの許されない重要なタスクなので、ここにAIを導入することで業務フローの正確性と効率性を改善します。

肝細胞がんのMRI画像解析・診断支援AI

肝細胞がんは、肺がんに並んで死亡者数の多い病気で、世界的に死亡者数が増えつつあります。

株式会社HACARUSは神戸大学との共同研究で、肝細胞がんのMRI画像の解析、診断支援を行うAIの開発を進めています。

肝細胞がんはMRIの画像診断で早期発見が可能ですが、画像解析を人手で行うには高い専門性が必要になり、それを行う放射線科医にも大きな負担がかかります。

この共同研究ではこれらのプロセスにAIを導入することで、画像内のリスク領域を検出したり、病型の分類や診断支援をAIで行える技術を可能にするとのことです。

高血圧治療アプリ

株式会社CureAppは、高血圧症の治療補助アプリを提供しています。

これは公的保険対象にもなっており、誰でも使える通常のアプリとは異なり、治療補助アプリは医師が処方するもので、治験でも効果が実証されているので信用度が高いです。

同アプリの目的は、生活習慣病の悪化や投薬量を減らす、また膨れ上がる一方の医療費を抑制するなどの目的があります。

アプリはユーザーが日々計測した血圧などのヘルスデータを参考にして、食事や運動などに関する個別最適な提案をすることでユーザーの生活習慣の改善を促します。

従来は直接医師と対面する必要のあった患者へのアドバイスがアプリ経由で家にいながらにして受けられる一方で、ユーザーの血糖値や食事に関するデータは逐次医師にも共有されるので、より効率的な治療が可能です。

疾病リスク予測AIサービス

東芝デジタルソリューションズ株式会社と株式会社東芝は、様々な疾病リスクをAIで予測する「疾病リスク予測AIサービス」を共同開発しています。

同AIサービスでは6種類の疾病ー糖尿病、肥満症、高血圧症、肝機能障害、腎機能障害、脂質異常症に6年先までにかかるリスクを予測します。

東京ミッドタウンクリニックはすでに人間ドックを受けた方への結果レポートに同AIサービスの判断結果を反映しているとのことで、生活習慣病に関する予測データを個別最適に提示できることでより具体的な健康指導が可能になったとのことです。

心電図解析サービス

アステラス製薬株式会社と株式会社エムハートは共同で心電図検査のデータから不整脈を自動で検出するAIアルゴリズムを開発しました。

これはクラウド型のサービスとして医療機関にも提供を行なっています。

心電図検査データの解析には高い専門技術を要しますが、同技術を導入することでかかりつけ医でも心臓病の兆候を早期に発見できるシステムの構築に取り組んでいるとのことです。

心電図のデータをアップロードすると、心電図の波形を元にAIが分析を行い、不整脈の箇所を提示します。

電子カルテと診察データベース

独立行政法人国立病院機構名古屋医療センター、富士通Japan株式会社、株式会社プレシジョンは相互提携して電子カルテの作成を自動化する取り組みを進めています。

名古屋医療センターで行われた実証実験では、富士通が開発する電子カルテシステム「HOPE LifeMark-HX」とプレシジョンのAI問診支援システム「今日の問診票」とを連携させ、院内で患者がタブレットで入力した問診内容を元に、AIが電子カルテの下書きを自動で作成します。

それぞれの患者の症状や所見、診断、治療に関するデータを電子カルテシステムに表示し、大量の医学情報のデータベースを基にAIを診療支援やカルテ作成、また外来診療の効率化や診療にかかる時間の短縮に用いることです。

糖尿病患者の治療薬選択の支援AI

日立製作所はユタ大学、レーゲンストリーフ研究所との国際共同研究により、複雑な治療が必要な症例において治療薬選択を支援するAIを発表しています。

治療薬の選択支援にAIを用いる場合、AIに大量の患者データを学習させる必要がありますが、症例が少なく複雑なケースの場合は精度の高い予測が困難になる場合があります。

同研究では、症状が類似する患者をグループ化する手法を用いて、電子カルテのデータを総合的に分析可能にしたとのこと。

複数の施設で得られたデータを基にして、複数の治療薬を用いる複雑で少ないケースの治療でも高い精度での治療効果を予測できるようにしたとのことです。

内視鏡の画像診断支援AI

株式会社AIメディカルサービスは、内視鏡の画像診断の解析にAIを活用しています。

これは内視鏡で大腸や胃を観察した際に、リアルタイムでがんの可能性のある部位を自動で発見したり、その確率を予測します。

内視鏡検査は治療プロセスの中でも重要度が高く、通常は内視鏡専門医とのダブルチェックで行うのが通例ですが、プロセスが多く従事者に負担がかかり、現場は疲弊しているといいます。

AIを活用することで内視鏡検査の精度を向上すると共に自動化できれば、がんの早期発見につながると共に医療従事者にかかる負担を低減できます。

認知症、うつ病診断

株式会社FRONTEOは、近年目覚ましい発展を見せる自然言語処理技術を活用して、認知症の診断支援をサポートするAIを開発しました。

同AIサービスでは、患者と医師とが交わした5〜10分程度の会話データを分析して、そこから認知症の重症度を自動で判定します。

自然言語処理を医療分野に活用した事例としては世界初とのことで、認知症患者の特有の傾向を自動で発見するとのことです。

認知症診断は医師の属人的な判断に頼りがちになるため医師によって結果にバイアスがかかりやすいのが課題ですが、AIの活用で第三者視点的な担保が可能になるため、医師のスキルや経験に依存しない、判断の平均化が可能になるとのことです。

また、同AIサービスは認知症だけでなくうつ病の重症者の診断にも活用できるように開発を進めているとのことです。

病院内の施設見守りサービス

凸版印刷株式会社は、病院内の施設見守りサービスにAIを用いています。

これは同社の低消費電力広域ネットワークのZETAを活用したもので、医療機関でも目が行き届きにくいトイレやシャワー室などでの緊急時の異常検知を自動で行います。

様々な緊急時の検知パターンをAIが学習し、パターンから外れた動きをする患者がいた場合にセンサーで知らせます。

これによって看護師や医師の目が届かない場所にいる患者の状態把握が可能になり、より緊急時の対応が容易になります。

このような施設見守りにはカメラを使うのが通例でしたが、監視を人手で行うため精度が担保できないのと、患者のプライバシーの侵害という課題がありました。

同社が開発する技術ではカメラを一切使わないので、個人情報を伏せた状態でセンサーで患者の動きを読み取ります。

|まとめ

社会のAI化はここ最近になって一気に進んできた感がありますが、そんな中でもAIと医療業界は切っても切れない関係と言えます。

医療現場では現在も人手が不足し、医療従事者には多くの負担がかかり続けているという現状があります。

加えて日本では少子高齢化率が世界で最も高い国なので、医療業界はAIがこれから最も浸透が進んでいく分野です。

医療現場にAIを導入することで、現場での迅速な意思決定やプロセスの効率化、遠隔地にいる患者への医療支援などの多くのメリットが期待されています。

ぜひ今後も医療とAIのかかわりに注目していきましょう。