概要
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。十分な量のデータを使用してモデルをトレーニングすると、マシンは新しい設定で推論を行うことができるようになります。AI 推論は AI の運用フェーズであり、モデルはトレーニングで学んだことを現実世界の状況に適用できます。これができて初めて、より広範で効果的、かつ効率的に医療サービスを適用できるようになります。
AI はおおまかには 4 つのタイプに分類できます。
- リアクティブ AI：機械学習を使用した改善を行わず、同一の状況に遭遇するたびにまったく同じ方法で反応する人工知能。
- 限定記憶型 AI：この人工知能は機械学習を使用して、過去のパフォーマンスに基づいてアルゴリズムを作成します。これは現在 AI における進歩の多くが起きている分野であり、人工知能が AI/ML と呼ばれる理由でもあります。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 が医療にもたらすメリットとは
AI の新たな進歩により、医師やその他の医療従事者はより正確な診断と治療計画を提供できるようになり、患者の転帰が根本的に変わります。そのような進歩は、管理者が医療リソースを正確かつ精密に割り当てるためにも役立ちます。
このことは、医療市場の 3 つの柱 (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す可能性があります。最新の情報を効率的に取得、配信、活用することで、臨床医は患者をより適切に治療し、複数のソースからデータを迅速に収集して既存の病状をより適切に管理し、新たな病状や疾病の兆候に関する予測または特定に役立てることができます。
データプロセスの分散化の向上により、管理者は請求の優先順位付けと検証を効率化でき、請求プロセス全体が最適化され、患者、顧客、医療供給者に対して伝達される情報の正確性と速度が向上します。概して、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、社会が利用できるケアの管理と改善に関する医療管理者の能力を強化することができます。
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以下に示します。
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。
請求管理
医療費の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提供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。これによって請求処理が迅速になり、従業員や顧客のエクスペリエンスが向上します。
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増やせ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。
Red Hat のリソース
AI/ML の運用化における課題
医療における AI には多くのメリットがありますが、実装によって複数の複雑な課題が生じる可能性があります。AI によって医療業界が直面している課題には、次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、医療ワークフローに組み込む必要があります。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を中心に構築されています。医療データはさまざまなネットワークに分散されており、単一のデータベースに一元化されていません。時には、紙からデジタル形式にコピーされていない場合すらあります。
このプロセスにおける摩擦を減らし、組織が AI および ML の実装を最大限に活用できるようにするには、データサイエンティスト、IT、運用、医療従事者、医療供給者、独立系ソフトウェアベンダー (ISV)、ベンダーなど、プロセスに関わるさまざまなステークホルダー全員の連携を図ることが必要です。この課題に対処するために、ステークホルダーは、アジャイルで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、複数の 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必要があります。
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させて運用および使用できる形式に変換する必要があります。データが収集されたネットワーク内のポイントから、場合によってはエッジデバイスを介してデータを送信するには、大規模な帯域幅が必要です。特に医療画像、IOMT、エッジなどの医療システムで収集されるデータは爆発的に増加しているため、ストレージ容量は驚異的な速度で拡大しています。
クラウドコンピューティングは、高いパフォーマンスだけでなく、これらの課題に対処できる容量を備えています。しかし、これは多くの場合、特に地方や堅牢な IT および医療インフラが整っていない地域では非現実的です。この重要な課題を解決するには、ネットワークエッジでの運用を強化し、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。
AI をより迅速に拡張する方法
AI ワークロードの大規模なデプロイが成功するかどうかは、各構成要素がどれだけ効率的かつ効果的に連携するかによって決まります。具体的には、エンタープライズの AI ワークロードを拡張するには、より大規模な AI モデル (LLMなど) やより複雑な推論機能をサポートできる推論サーバーが不可欠です。
次の AI ツールにより、リソースをより効率的に使用して迅速にスケーリングすることができます。
- llm-d：LLM のプロンプトは複雑なものになることもあれば、バリエーションもさまざまです。大量のデータを処理するためには、通常、大規模なコンピュートリソースとストレージが必要です。llm-d などのオープンソースの AI フレームワークにより、開発者は分散推論などの手法を使用して、LLM のような複雑で大規模な推論モデルに対する需要の増加に対応できます。
- 分散推論：分散推論では、相互接続されたデバイスのグループに対して推論の労力が分割されるため、AI モデルでワークロードをより効率的に処理できます。これは、「人手が多ければ仕事は楽になる」ということわざどおりのソフトウェアです。
- vLLM：vLLM とは、仮想大規模言語モデルの略で、vLLM コミュニティによって維持管理されているオープンソースコードのライブラリです。vLLM は大規模言語モデル (LLM) がより効率的かつ大規模に計算を行う上で役立ちます。
これらのツールや機能が組み込まれた Red Hat AI は、お客様による AI の大規模な活用を支援します。その詳細をご覧ください。
Red Hat のサポート内容
Red Hat® AI は、vLLM を搭載したサーバーを通じて推論を高速、柔軟、かつ効率的に行えるように構築されています。モデルをデータと確実に接続し、専用エージェントのカスタマイズと開発を単一のプラットフォームで行えます。オープンソースを基盤として構築された当社の製品により、あらゆる規模で AI ワークフローをエンドツーエンドで完全に制御することができます。
また、Red Hat AI ポートフォリオには AI 推論、エージェント型 AI ワークフロー、AI 対応アプリケーションをあらゆるインフラストラクチャ上でデプロイ、管理、スケーリングするための統合 AI プラットフォームである Red Hat AI Enterprise が含まれています。
Red Hat AI を利用した予測 AI のユースケース
適切な AI プラットフォームを使用すれば、予測 AI を通じてパターン、過去のイベント、リアルタイムデータを関連付けて、きわめて高い精度で将来の結果を予測できます。
