ディープラーニングがヘルスケアをどのように変えているかパート1：診断

AIは、次の3つの強力なトレンドに牽引されて、ヘルスケアに深遠で永続的な影響を与える準備ができています。

1.グラフィックスプロセッシングユニット（GPU）は、より高速でエネルギー効率が高くなっています。

最近まで、AIアルゴリズムの実行が費用効果が高いことはめったにありませんでした。

2.アルゴリズムはますます洗練されています。

過去の数分の1のコストでディープラーニングモデルを使用できるようになったため、イノベーションが爆発的に増えています。

3.ヘルスケアデータは豊富です。

EHRやその他のデジタル化の取り組みのおかげで、アルゴリズムのトレーニングに使用できる医療データがこれまでになく増えています。

CB Insightsによると、数年前、ヘルスケアに焦点を当てていたAIスタートアップは20社未満でした。 今日、100を超えるヘルスケア関連のAIスタートアップがあります。

これにより、多くの医師は、今日、明日来ることに備える方法について頭を悩ませています。 ディープラーニングが現在ヘルスケアを変えている方法と、来たるAI革命に備えるための適切なハードウェアを購入するためのヒントを以下に示します。

用語の概要

AI用語集（フォーチュン経由）

ディープラーニングによるより高速で正確な診断

あなたがそれについて考えるとき、病気を診断することは人工知能にとって完璧な仕事です。 ディープラーニングとは、点をつなぐことでパターンを特定することです。

犬を考えてみましょう。 コンポーネント：毛深い、2つの目、4つの脚、尾。 人間よりも小さく、猫よりも大きい。 ディープラーニングアルゴリズムは、データ入力、分析、テストの多くのサイクルにわたって、それぞれが何であるかを「学習」し、その構成要素から犬を識別します。

病気の場合、点は症状と関連する障害です。 咳、くしゃみ、喉の痛み：風邪をひく必要があります。

深層学習アルゴリズムは、医師が行うのと同じ方法、つまり実践によって診断するのに優れています。 医師のように、アルゴリズムは、患者が治療に反応したかどうか、または最初の診断がオフであったことを示す新しい症状を発症したかどうかに基づいて、推測を行い、それが正しいかどうかを学習します。 この情報は、EHRデータを介してアルゴリズムに入力されます。

ディープニューラルネットワークがどのように学習するか（フォーチュン経由）

医師と深層学習アルゴリズムの重要な違いの1つは、医師が眠らなければならないことです。 アルゴリズムをトレーニングすると、継続的に機能（および改善）できます。

医師は、生涯にわたって何千ものMRI画像を見て学びます。 アルゴリズムは数兆を見ることができます。 すべての人間のように、医師は間違いを犯しがちです。 AIを使用すると、病気、疲れ、または没頭のリスクはありません。 防衛医療を実践したり、行き詰まったりすることはありません。

これは実際にはどのように見えますか？

機械学習は、今年初めにスタンフォード大学の科学者によって実証されたように、皮膚病変が理事会認定の皮膚科医と同じくらい正確に癌性であるかどうかをすでに判断できます。

Hossam Haickの大学のルームメイトが白血病と診断されたとき、彼は癌を治療するためのセンサーを作成するように促されました。 「しかし、私は早期診断が治療自体と同じくらい重要である可能性があることに気づきました」とハイクはニューヨークタイムズに語った。 そこで彼は、人工知能を使用してさまざまな病気の匂いを学習する機械を作りました。 すべてのスニフで、アルゴリズムはより正確になります。 昨年12月の時点で、最大86％の精度で17の異なる病気を特定することができました。

Enliticはディープラーニングを使用して、X線写真、CTおよびMRIスキャンで肺結節を検出し、それらが良性か悪性かを判断します。 カリフォルニア大学サンフランシスコ校の元放射線腫瘍学教授であるCEOのIgorBaraniは、Enliticのアルゴリズムが4人の放射線科医よりも優れていると主張しています。 バラニは医療未来派に次のように語った。

「最近まで、診断用コンピュータープログラムは、疾患固有の機能に関する一連の事前定義された仮定を使用して作成されていました。 体の各部分に特化したプログラムを設計する必要があり、限られた一連の病気しか特定できなかったため、柔軟性と拡張性が妨げられていました。 プログラムはしばしば現実を単純化しすぎて、診断性能が低下し、その結果、臨床で広く採用されることはありませんでした。 対照的に、ディープラーニングは、全身の広範囲の疾患、およびすべてのイメージングモダリティ（X線、CTスキャンなど）を容易に処理できます。」

Freenomeはディープラーニングを使用して、血液サンプル、より具体的には、血球が死ぬときに放出するDNAの断片から癌を見つけます。 ベンチャーキャピタルのAndreessenHorowitzは、投資前のテストとして分析するために5つの血液サンプルを会社に送りました。 Freenomeが5つすべて（2つは正常、3つは癌性）を正しく特定した後、同社は投資を進めました。 創設者のGabrielOtteは、彼の深層学習アルゴリズムは、癌生物学者がまだ特徴づけていない癌の兆候を検出しているとFortuneに語った。

5月、BabylonHealthの創設者兼CEOのAliParsaは、オンライン技術ショー「HotTopics」に彼のチームが最近世界初のAIを利用した臨床トリアージシステムを学術試験に提出したと語りました。看護師よりも17％正確です。

実装はどの程度現実的ですか？

機械学習はすぐに病気を診断するためのより良い方法になりつつありますが、ごく最近になってようやく普遍的に使用できるようになりました。 今までは、広範に実装するにはコストがかかりすぎていました。

必要なエネルギーが少なくて済み、かつてないほど高速に動作する新しいプロセッサのおかげで、機械学習は急速かつ手頃なペースで進んでいます。

パラが上のビデオで指摘しているように、10年前にあなたの体のあらゆる部分を見て病気を見つけて診断するのに100万ドルの費用がかかりました。 今日、そのコストは10,000ドルに下がり、遺伝子配列決定が含まれています。

ある医療画像会社は、AIを利用したソフトウェアを医師に販売するためのFDAの承認を取得しています。 1月、Arterysは、30秒未満で医師と同じくらい正確に患者の心臓容量を計算できるディープラーニングアルゴリズムである「DeepVentricle」の成功を収めました。 対照的に、MRI画像を分析して手作業で計算を完了するには、約1時間かかります。

生物医学エンジニアで教授のCristinaDavisは、3〜5年以内に、臨床医が診断を支援するための深層学習アルゴリズムにアクセスできるようになると予測しています。

適切なハードウェアでディープラーニングの準備をする

2000年代後半以降の計算能力の増加の大部分は、ビデオゲームの視覚的リアリズムを高めるためにNvidiaによって設計されたチップによるものです。 ディープラーニングにグラフィックスプロセッシングユニット（GPU）を使用すると、中央処理装置（CPU）を使用するよりも20〜50倍効率的であることがわかりました。

2016年8月、Nvidiaは、データセンターセグメントの四半期収益が前年比で2倍以上になり、1億5,100万ドルに達したと発表しました。 CFOのコレット・クレス氏は投資家に、「成長の大部分はディープラーニングによるものです」と語っています。

2016年、IntelはディープラーニングのスタートアップであるNervana SystemsとMovidiusを購入し、Googleはディープラーニングを促進するために特別に設計されたテンソルプロセッシングユニット（TPU）を発表しました。

今日、Nvidiaは医療業界を狙っています。 同社の事業開発マネージャーであるキンバリーパウエルは、医療画像の深層学習分析のニーズを満たすために使用されるNvidiaのプロセッサを見たいと考えています。

未来派は、「Nvidiaのハードウェアは、ディープラーニングと医学との結婚において、静かでありながら卓越した役割を確立している」と報告しています。 同社は、診断をより速く、より正確にすることができる計算を迅速かつ効率的に実行するように設計された強力なコンピューターを構築しています。 パウエルは、NvidiaのDGX-1を世界中の病院や医学研究センターに設置することを望んでいます。

マサチューセッツ総合病院の新しい臨床データサイエンスセンターなどの一部の病院では、すでにこの新しいハードウェアを人口の健康に使用しており、患者の検査結果と病歴の履歴を比較して、データの相関関係を特定しています。

結論

ディープニューラルネットワークは、医師が病気を診断する方法を変え、診断をこれまでになく速く、安く、そしてより正確にします。 これらの進歩を利用するには、ハードウェアのアップグレードなど、特定の準備手順が必要です。

アップグレードの準備ができたら、ディープラーニングと人口の健康の計算要件を処理できるシステムに投資してください。

来週は、ディープラーニングがヘルスケアを変える別の方法である病気の予防について説明します。 また、実践でディープラーニングを使い始めるために必要な医療行為管理とEHRソフトウェアについても説明します。

AIとヘルスケアの詳細については、次の投稿をご覧ください。

• プレシジョンメディシンとは何ですか？ 混乱した医師のための簡単な紹介
• SMBが知っておくべき5つのヘルスケアAIスタートアップ
• 人工知能が遠隔医療に影響を与える5つの方法