ボールの上でバランスをとるコンテナとクラウドのイラスト
セクションを選択

医療における AI とは

URL をコピー

Red Hat OpenShift AI で、あらゆる環境での AI の導入を迅速化

Red Hat® OpenShift® AI が統合されたツール、反復可能なワークフロー、柔軟なデプロイメント・オプション、および信頼できるパートナーエコシステムを通して AI/ML モデルのライフサイクル全体とアプリケーションの提供をどのように加速するのかを、この動画でご確認ください。

医療における人工知能 (AI) とは、医療の応用 (ライフサイエンス)、医療の提供 (医療供給者)、医療の利用 (医療保険会社) という医療市場の 3 大カテゴリにおいて、機械学習 (ML) で訓練されたアルゴリズムを用いることを包括的に指す言葉です。

このようなアルゴリズムを使った機械学習の進歩により、医療における人工知能のユースケースはこれまでのリアクティブな AI を超えた広がりを見せています。これらの進歩は、医療の変革とモダナイゼーションを推進する上で重要な役割を果たします。 

医療データを分析して行動を起こすためには、データへのアクセスと操作が可能な状態にしておく必要があります。そうして初めて、医療サービスをより幅広く、効果的かつ効率的に適用することが可能になります。

AI は大きく 4 つのタイプに分類されます。

  • リアクティブ AI:機械学習による改善を行わない人工知能で、同一の状況に遭遇すると毎回同じ反応を返します。
  • 限定記憶型 AI:この人工知能は、機械学習により過去の実績に基づいてアルゴリズムを作り上げます。現在、AI の進歩は多くがこの状態にあり、人工知能を AI/MLと呼ぶのを目にすることがあるのもこのためです。さらに、機械学習の中でもディープラーニングと呼ばれるサブセットは、生データからより多くの意味を抽出するために、何層もの分析を行います。
  • 思考理論型 AI: これは、感情を理解および記憶し、そのモデルに基づいて人と対話することができる AI です。思考理論型 AI は現時点ではほとんど初期段階、あるいは理論的なものです。
  • 自己認識型 AI または「真の AI」:自己認識型 AI は、自分の感情を自覚し、人間と同じような意識レベルを持ちます。現在は理論的な段階です。

医療における AI というとき、ほとんどの場合限定記憶型 AI のアルゴリズムと応用の急速な進歩を指しています。

AI の新たな進歩は、医師やその他の医療従事者がより正確な診断と治療計画を提供できるようにし、患者の転帰を根本的に変えることができます。また、これらの進歩は、管理者が医療リソースを正確かつ効率的に配分するためにも役立ちます。

このことは、医療市場の 3 本柱 (ライフサイエンス、医療供給者、医療保険会社) にさまざまなメリットをもたらします。最新の情報を効率的に取得、配信、活用することで、臨床医が患者により良い治療を提供できるようにしたり、複数のソースからデータを素早く抽出して既存の疾患をより優れた方法で管理できるようにしたり、新しい疾患や発病の予測や特定に役立てたりすることができます。 

より優れた分散データプロセスにより、管理者はより効率的に請求の優先順位付けと検証を行い、請求プロセス全体を効率化し、患者、顧客、医療供給者に伝える情報の正確さとスピードを向上させることができます。全体として、データを医療アルゴリズムに照合することで、将来のリスクを予測し、医療管理者が社会で利用可能なケアを管理および改善するための力を高めることができます。

医療における AI が、患者、医療供給者、医療保険会社にもたらすメリットの一部を紹介します。

診断の迅速化
AI アルゴリズムとリアルタイムの予測分析によって処理されたデータインサイトにより、診断が迅速化されます。患者がより早く治療を受けられるようになり、より良い結果が出せるようになるほか、問題解決に必要な全体のリソースを減らすことができます。その一例として、米国最大級の医療サービス提供者である HCA Healthcare は、Red Hat のソリューションを利用して、生命を脅かす可能性のある敗血症をより正確かつ迅速に検出するためのリアルタイム予測分析製品システムを構築しました。

請求管理
医療費請求と支払いの事務手続きには、膨大な労働時間がかかります。また、手作業での請求処理はヒューマンエラーの危険性を高め、請求を行う患者にとっても、決済をしようとする医療供給者にとっても良いことではありません。AI はファイリングを自動化し、請求管理のデータ分析に基づいた洞察に満ちた提案を提供します。これにより、請求処理を加速させ、従業員と顧客の体験を向上させることができます。

不正行為、無駄、乱用
ロボティック・プロセス・オートメーション (RPA) は、手作業では不可能なスピードと正確さでドキュメントを迅速に処理することが可能です。これらのアルゴリズムは不正行為や無駄を発見することができる上、時間の経過とともにアルゴリズムの改良が進み、より効果的に問題を発見することができるようになります。

医療の利用拡大
AI を活用した診断により、サービスを受ける患者層を広げることができます。たとえば、AI を活用した放射線検査や医療画像診断により、一握りの専門家だけでなくより多くの専門家が超音波検査を解釈できるようになるため、この技術を利用できる患者の数を拡大できる可能性があります。

医薬品開発
新しい医薬品は、適切な投与量と送達特性の発見が必要不可欠です。計算 AI ツールは、試行錯誤手法を強化または代替し、プロセス全体を監視するための迅速かつ効率的なモデルを実現します。これにより、より迅速な新薬の開発が可能となり、製薬会社とエンドユーザー両方のコストを削減することができます。

医療における AI は多くの利点をもたらしますが、導入には複雑な課題も多くあります。医療業界が直面している、AI に関する課題には以下のようなものがあります。

データ管理と収集の運用
医療データの収集、分析、活用の過程では、多くの課題が発生します。

AI が、関連するアルゴリズムに正しく情報を与えるためには、膨大な量のデータをリアルタイムに処理しなければなりません。そのためデータ収集の課題は多面的です。

データを収集するためのハードウェア、ソフトウェア、手順を医療のワークフローに含めることが重要です。医療ワークフローは、特定の構造、階層、一定レベルの手動入力に基づいて構築されています。ヘルスデータはあらゆるネットワークに分散しており、単一のデータベースに集約されていません (紙からデジタルフォームに移されていないケースさえあります)。

データサイエンティスト、IT、運用、医療従事者、プロバイダー、独立系ソフトウェアベンダー (ISV)、ベンダーなど、プロセスに関わるすべての関係者の間で調整を行うことで、このプロセスで生じる摩擦を減らし、組織が AI と ML の実装を最大限に活用できるようにする必要があります。この課題に対処するため、関係者はアジャイルかつベンダーに依存しないソフトウェアを使用して、問題を明確にし、あらゆる ISV と互換性のあるクリーンでスケーラブルなデータを活用するべきです。

データを照合し、さまざまなソースから収集された情報と連携する相互運用可能で使用可能な形式に変換する必要があります。データを収集するネットワーク上の地点から、時にはエッジデバイスを経由してデータを送信するためには大量の帯域幅が必要となります。特に医用画像、IOMT、エッジなどの医療システムで収集されるデータの爆発的な増加により、ストレージ領域は驚異的な勢いで拡大しています。

クラウド・コンピューティングは、これらの課題に対応できる高パフォーマンスと機能を兼ね備えていますが、特に地方や、IT および医療インフラストラクチャが整備されていない地域では現実的ではありません。この重要な課題を解決するためには、ネットワークエッジでの運用を強化して治療現場でデータを分析する、費用対効果の高いソリューションが必要です。

Red Hat のサポート付きエンタープライズ・オープンソース・ソフトウェアはプロプライエタリー製品とは異なり、多くの開発者とのコラボレーションによって開発されています。そこには、ソフトウェアを利用し、ニーズに応じてソフトウェアの改善を図る医療業界の人々も含まれています。Red Hat のオープンかつモジュール式の AI/ML アプローチにより、お客様は AI/ML プロジェクトを迅速に運用し、パーソナライズ、ステークホルダーのコントロール、透明性を向上させることができます。Red Hat の柔軟でオープンなアプローチにより、組織は次のようなことが可能になります。

  • 現在の IT 投資を保護しながら、必要とされる場所に付加価値をもたらします。Red Hat のパートナーシップと統合は、AI/ML プロジェクトのデプロイメントとライフサイクル管理の迅速化および単純化を支援します。 
  • ハイブリッドクラウド・ソリューションの一部として、ビジネスルール、プロセス自動化、制約解決、ビジネス最適化、機械学習など、最も需要の高い AI 機能を提供する業界最先端のオープンソース・テクノロジー一式を利用することができます。
  • Red Hat のインテリジェントな Data-as-a-Service による、強力なデータ接続機能を活用できます。このサービスでは、進化する内部および外部の指令の需要イニシアティブに対応するようカスタマイズすることが可能です。 
  • 柔軟なコンポーネントによって駆動するプラットフォーム・ベースの機能を拡張し、迅速なイノベーションに必要な反復性と安全性を提供します。
  • 機械学習のモデリングとトレーニングから、デプロイメントと継続的な改善への移行 (MLOps とも呼ばれる) をスムーズにするために、規範的かつ柔軟な継続的インテグレーション/継続的デリバリー (CI/CD) アーキテクチャを推進します。

Red Hat の AI 医療ソリューションが実際に活用されている事例には次のようなものがあります。米国テネシー州のナッシュビルを拠点とする医療企業 

HCA Healthcare は、そのデータ資源を活用することで、長年にわたる業界の課題に対する革新的なソリューションを生み出しています。臨床医、データサイエンティスト、およびテクノロジーの専門家からなる HCA Healthcare の部門横断的なチームは、Red Hat® OpenShift® Container PlatformRed Hat® Ansible® Automation Platform を使用して、リアルタイムに予測分析を行う SPOT (Sepsis Prediction and Optimization of Therapy) を構築しました。

ボストン小児病院は、Red Hat OpenShift と Linux® コンテナを使用して医療機能を強化し、医師の認知能力を増強しています。

Red Hat がオープン・プラットフォームのアプローチで組織の AI/ML 戦略の運用を支援する方法、革新的な医療に向けたその他のソリューションについての詳細は、redhat.com/health をご覧ください。