AIはこれまでのところすべての病気に対処しているわけではありませんが、その成果はすでに有望に見えます
患者の効果的な治療には、トレーニングと経験の組み合わせが必要です。 これは、人々が医学でAIを使用することを期待している理由の1つです。アルゴリズムは、何千人もの医師の経験を活用するようにトレーニングでき、誰にも消化できないほど多くの情報を提供できます。
10月末に、ソフトウェアがこれらの期待に近づいたかもしれないという証拠がいくつかありました。 AIを診断と治療に使用することの優れた予備結果を説明する2つの論文が公開されています。 論文は完全に異なるタスクとアプローチを示しており、AIが役立つ状況の範囲は非常に広いことを示唆しています。
治療法の選択
ある研究では、免疫系が感染症に過剰に反応したときに起こる敗血症 （血液中毒）に焦点を当てました。 敗血症は世界で3番目に多い死因であり、入院後も問題となっています。 患者を治療する方法は存在しますが、統計から判断すると、状況を改善する重要な機会があります。 したがって、英国と米国の科学者の小さなチームは、ソフトウェアがこの改善を提供できるかどうかを確認することにしました。
彼らは、「まれな報酬信号」がある状況で効果的であると考えられた強化学習アルゴリズムを使用しました。 言い換えれば、人口のこのような大量のサンプルでは、体は敗血症以外の多くのものを持ち、それはあらゆる治療の結果に影響を与えるため、効果的な治療のための信号は弱く、区別が困難になります。 このアプローチは、彼らの認識の可能性を高めるために開発されました。
ソフトウェアのトレーニングには、125を超えるクリニックからの17,000人以上の蘇生患者と79,000人の入院患者が使用されました。 患者データには、バイタルインジケータや臨床検査から人口統計まで、48の情報パラメーターが含まれていました。 アルゴリズムは、90日間の患者の生存の可能性を最大化する治療を決定するためにデータを使用しました。 研究者は、作成されたソフトウェアを「AI臨床医」と呼びました。
AI臨床医の仕事の質を評価するために、患者の病歴の別個のセットが使用されました。 アルゴリズムを使用して治療方法を選択し、その後、患者の実際の治療を提案されたアルゴリズムと比較しました。 一般に、ソフトウェアは、低用量の注射と高用量の血管収縮薬を推奨しています。 治療がそのような推奨事項と一致した人々は、他の患者グループよりも頻繁に生存しました。
診断
2番目の論文では、治療が必要な問題、特に骨折を検出する能力を評価しました。 多くの場合、このような問題は見やすいですが、小さなチップや小さな亀裂は、専門家であっても気付くことは困難です。 ほとんどの場合、診断は専門医の肩の上ではなく、救急車で働く医師の肩の上にあります。 新しい研究では、医師に代わるAIの作成は求めておらず、医師の支援のみを目的としています。
チームは18人の整形外科医に手首の骨折の可能性がある135,000枚の画像を診断するように依頼し、このデータを使用してアルゴリズムを訓練しました 。 このアルゴリズムは、整形外科の専門家ではない医師が注意を払うべき領域をマークするために使用されました。 実際、彼は骨折が最も起こりそうな領域に集中するのを助けました。
過去には、このような試験では多くの診断が行われており、医師は無害なケースで追加の検査を推奨しています。 しかし、この場合、診断の精度が向上し、誤検知が減少しました。 骨折を識別する感度（または能力）は81％から92％に上昇し、精度（正しい診断を行う能力）は88％から94％に上昇しました。 要するに、これは救急車の医師が誤った診断の数をほぼ半減させたことを意味します。
両方の研究で、ソフトウェアは医学的状況を完全に反映した文脈で使用されませんでした。 救急医と敗血症医（同じ人かもしれません）は通常興奮と気晴らしの多くの追加の理由があるので、AIを彼らの仕事に統合するのは難しいでしょう。 しかし、これらの試みの成功は、AIの臨床試験が以前に考えられていたよりも早く開始できることを示唆しており、その後、AIが実際の診断を行い、治療を処方する方法を実際に学習します。