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2：予防

公開: 2022-05-07

先週、AIが医師の病気や障害の診断方法をどのように変えているかについて話しました。

しかし、迅速で安価で正確な診断と同じくらい重要なのは、さらに優れた点が1つあります。それは予防です。

今週は、AIが、医師が病気や入院を予測して予防する方法をどのように変えているかについて詳しく説明します。

タイムリーな予測は病気の予防に役立ちます

米国医療研究品質局の見積もりによると、米国の病院は毎年440万人の患者を不必要に受け入れており、費用は308億ドルです。

心臓病と糖尿病による合併症の2つの病気だけが、不要な入院の半分を占めています。

心臓病のインフォグラフィック（出典： Huffington Post）

ディープラーニングが、心臓病や糖尿病に関連する健康上のネガティブなイベントを予測して回避するのにすでに役立っている例をいくつか示します。

ボストン大学の情報システム工学センターの研究者は、地元の病院と協力して、心臓病と糖尿病の患者を監視し、そのうちのどれが入院を必要とするかを予測しています。医療提供者が必要になる前に誰が助けを必要とするかを予測できれば、これらの入院の多くを防ぐことができます。研究者が使用している深層学習モデルは、約1年前に入院が必要になる人を82％の精度で予測できます。

SutterHealthとGeorgiaInstituteof Technologyの研究者は、ディープラーニングを使用して心不全を予測し、医師が従来の手段を使用する最大9か月前に電子健康記録を分析できるようになりました。
RoyalPhilipsの会長兼CEOであるFransVonHoutenは、5月にCNBCに、彼の会社は現在AIを使用して、患者が心臓発作を起こす数時間前に心臓発作を起こすかどうかを正確に予測していると語った。

しかし、AIは突然の医療イベントの防止に役立つだけではありません。 それはまた進行中の退化を阻止するのを助けています。

たとえば、糖尿病性網膜症は、生産年齢の成人の失明の主な原因です。

糖尿病性網膜症の図（出典：news-medical.net）

このような糖尿病関連の合併症は血糖値の急上昇と低下から生じるため、血糖値を正確に予測することは、タイミングの良いスナックとインスリン注射で最初に血糖値の低下と急上昇を防ぐための鍵となります。

2017年7月の論文によると、ディープラーニングを実行するディープニューラルネットワークは、糖尿病の子供たちから、より多くの子供たちの血糖値を正確に予測する方法を学ぶことができます（これらの低下やスパイクを防ぐため）。

遺伝子がどのように病気につながるかについての理解が深まる

AIで病気を予防する別の方法は、遺伝子構成に基づいて誰が特定の障害を発症するかを予測することです。

ガートナーのヘルスケアアナリスト、リチャードギブソンによると、遺伝子は「1950年に抗生物質が登場して以来、間違いなくヘルスケアに打撃を与える最大のもの」です。

具体的には、研究者が前例のないレベルでゲノミクスデータを収集し、ディープラーニングモデルによってそのデータの分析と接続の描画がこれまでになく簡単になるため、突然変異などの遺伝的要因がどのように病気につながるかについて、信じられないほど多くのことを学んでいます。

これらの進歩は、各患者のゲノム構成に合わせて治療を調整することを目標とする、個別化された、または「精密な」医療につながります。

あなたのゲノムは、「あなた」を構築するための化学的指示の完全なセットです。ゲノミクスはまだ揺籃期にありますが、進歩を遂げているプロジェクトがあります。たとえば、トロント大学の研究者チームは、個々の患者の癌の原因となる突然変異を迅速に特定するための遺伝子解釈エンジンの構築に取り組んでいます。

またトロントでは、Deep Genomicsと呼ばれるスタートアップが、遺伝子情報と医療記録の膨大なデータセットに深層学習モデルを適用して、遺伝子の変化を対応する疾患と照合します。

どちらの組織も、モデルにAIコンピューティングプラットフォームであるNvidiaGPUを使用しています。

適切なソフトウェアでディープラーニングの準備をする

Nvidia製などのGPUは、ディープラーニングアルゴリズムを実行するために不可欠ですが、ヘルスケアAIを実現するための専用ソフトウェアも必要です。

ボストン大学のグループは、ディープニューラルネットワーク（DNN）を使用しているため、医師だけの場合よりもはるかに正確に入院が必要な人を予測することができました。

DNNは、健康履歴や人口統計情報など、最大200の要因を分析して、将来の疾患に関連する要因を特定できます。ただし、DNNモデルが機能するには、EHRレコードからのデータが必要です。

潜在的な課題の1つは、EHRが通常、このタイプのデータを大きなテキストブロックに保存することです。たとえば、EHRの「メモ」セクションには、患者のうつ病の病歴の記録があり、医師は「患者の母親がうつ病の気分に苦しんでいる」と現在の苦情や問題などを書いています。

しかし、機能するためには、AIモデルは適切に構造化されたデータを必要とします。「家族歴」という列と「うつ病」の横にあるチェックボックスがあると、患者がうつ病の家族歴を持っていることを機械が解析しやすくなります。

間もなくディープラーニングは「洗練されたソフトウェアアプリケーションを構築する人々にとって必須」になるでしょう、とアンドリーセンホロウィッツのパートナーであるフランクチェンはフォーチュンに語ります。

SaaSスタートアップに投資する人を含むほとんどのベンチャーキャピタリストは、5年前にディープラーニングが何であったかさえ知りませんでした。今日、投資家は「それを持っていないスタートアップに警戒している」とチェンは言う。

同様に、ディープラーニングモデルで機能するような適切に構造化されたデータを作成および保存しないEHRには注意する必要があります。たとえば、EpicがNuanceと提携しているなど、AIを臨床ドキュメンテーション機能に組み込んだEHRを探すこともできます。

ただし、IBM WatsonHealthの副社長兼最高医療情報学責任者であるAnilJain、MD、FACPによると、ほとんどのEHRシステムにはしばらくの間AIが組み込まれていません。このような場合のオプションは、AI機能を既存のEHRに統合することです。今後、ほとんどの医療システムは、アドオン機能としてAIを開発および展開する必要があります。

これが、Intermountain HealthcareがEHRで行ったことであり、150を超えるプロトコルをCernerに組み込んでいます。各プロトコルで、Cernerは、特定の病状を示す患者情報を受信するとアラートをスローし、提案されたさらなる検査と潜在的な治療法を通じて臨床医をガイドします。

これらのプロトコルを構築するには、12人の医師、看護師、分析の専門家が必要であり、1年以上かかるでしょう。しかし、Intermountainと提携することで、人的労力をかけずに10日で構築できます。

EHRソフトウェアまたは医療行為管理ソフトウェアのどちらを探している場合でも、ソフトウェアの営業担当者と話すときは、どの質問をするかを知ることが重要です。

VCパートナーのChenからヒントを得て、次のような質問をします。

「あなたの自然言語処理バージョンはどこにありますか？」
「メニューをクリックする必要がないように、アプリに話しかけるにはどうすればよいですか？」

次のステップ

現在、大規模な研究センターと医療システムは、病気や入院を予測および予防し、どの遺伝子が将来の病気や障害に関連しているかを発見できる深層学習モデルを開発しています。

EHRソフトウェアを比較するときは、候補リストに載っているベンダーに、提供しているAI機能や統合について尋ねてください。たとえば、データはテキストのブロックに保存されていますか、それともより構造化されていますか？

理想的には、AI機能が組み込まれているEHR、または深層学習モデルと統合できるEHRを選択する必要があります。