Skip to content
インタ―システムズ製品やソリューション、キャリアの機会などについて、検索してご覧ください。

医療AIにおける誇大広告と現実を区別する

複雑なグラフのホログラムに描く半人半ロボット

人工知能(AI)と機械学習技術は、ハイテク分野と業界を席巻しており、医療も例外ではありません。 実際、HIMSS 2018 では、AIほどホットなテクノロジーはありませんでした。

「人工知能は以前から存在していましたが、なぜ今になって話題になっているのでしょうか」と、HIMSS 2018のAIパネリストであるピッツバーグ大学医療センター・ヘルスプランおよびUPMCエンタープライズの最高分析責任者パメラ・ピール氏は語っていました。 「高密度で堅牢なアルゴリズム、大量のデータ、そしてそれを計算処理する能力があるからです。 これは完全な嵐です」[1]

しかし、根拠のない主張と生産的な現実の間には、乗り越えなければならない大きな壁が立ちはだかっています。 最も重要なのは、アルゴリズムの訓練に使用できる大量の高品質データの入手ができることです。 多くの組織では、データが一カ所にまとまっていなかったり、使いやすいフォーマットになっていなかったり、誤った意思決定につながるバイアスが含まれていたりします。 AIと機械学習の効果的な利用に備えたい組織は、まず既存の情報システムとデータの流れを評価し、自動化の準備が整っている領域と、より多くの投資が必要な領域を区別する必要があります。[2]

この評価は業種を問わず行わなければなりませんが、データの流れに齟齬があることは、データが組織内外の専門サイロに存在してきた医療では特に顕著です。

Medicomp SystemsのCEOであるDavid Lareau氏は次のように述べています。[3]「これらの大げさに宣伝されている "イノベーション "は、医療、特にデータが複雑で構造化されていないことが多い臨床領域における大きな課題であり、質の低いデータから効果的かつ正確であることを学ぶことはできません。機械学習の進歩は、アルゴリズムによって処理されるデータの精度に大きく依存します」

AIや機械学習システムを実際に導入している組織においても、データの質の低さがROIを妨げ、導入を遅らせています。

INFOSYSが最近実施した市場調査では、回答者全体の約半数(49%)が、データが対応できていないため、組織が望むAIテクノロジーを導入できないと回答していいます。 [4]そのため、IT意思決定者の約77%が、特にインド(91%)と米国(89%)において、自分の組織がデータ管理に投資していると回答しています。

カイザーCIOのディック・ダニエルズ氏はCIOに対し、AIは大量のデータを素早く消化し、それを臨床上の意思決定に使える情報に変えることができるため「巨大で劇的な変化をもたらす可能性のある1つのテクノロジー」であると語っていました。[5]

そこに問題があります。つまり、これらのAIや機械学習システムは、継続的かつ迅速に大量の医療データを取り込むことができなければならないが、適切なインフラとプロセスがなければ、それは可能ではないということです。 企業がAIと機械学習を活用するためには、成功を促進するためのデータ戦略を導入する必要があることは、以前の記事で述べました。

では、AIと機械学習のためのデータ戦略とはどのようなものでしょう?

AIと機械学習で最大限の成功を収めたいと考えている企業は、データ管理テクノロジーに投資する必要があります。

しかし、こうした複雑なシステムに求められるのは、ダッシュボードやデータウェアハウスといった従来のビジネスインテリジェンスとは異なります。 より新しく、より緊急なニーズは、あらゆるソースからのデータの迅速な取り込みということです。

企業は、IDCサード・プラットフォームの原則をサポートするデータ管理テクノロジーに注目すべきです。 サード・プラットフォーム・テクノロジーは、企業がデジタル・トランスフォーメーションを加速させることを可能にするもので、(医療が確実に必要としている)ビッグデータ&アナリティクス、クラウド、モバイル、ソーシャルの4つの主要テクノロジー分野に支えられています。 IDCは、AIと機械学習はデジタルトランスフォーメーションのための第4のプラットフォームの一部であり、第4のプラットフォームの成功のために第3のプラットフォームのテクノロジーを活用することは理にかなっていると指摘しています。

適切なテクノロジーミックスに加えて、企業はロジスティクス(物品を移動させる物理的な意味でのロジスティクスではなく、情報工場に供給する情報ロジスティクス)を視野に入れて、情報資産と情報の流れを検討する必要があります。 AIや機械学習は、単純化すれば、生産性を上げるために継続的な入力を必要とする組立ラインのような、ハングリーなアルゴリズムと考えることができます。

情報物流の目標は、物理的な物流を反映しています。適切な人(つまりAIや機械学習の場合のアルゴリズム)のために、適切な場所に、適切なタイミングで、適切なフォーマットで、適切な製品(情報)を提供することです。

企業は、AIや機械学習システムにリアルタイムで流入するデータ、そのデータの品質がどのようなものであるか、それをどのように保存し、増強し、将来のトレーニングに使用できるかを理解するために時間を費やすことが不可欠です。

医療で成功するAIプログラムとはどのようなものでしょう?

AI導入を成功させるための重要な要素の優れたアウトラインは、ノースカロライナ州アッシュビルに本拠を置くミッション・ヘルスの最高品質責任者、クリス・デリエンゾ氏によるものがあります。 [6]デリエンゾ氏は、AIと機械学習を成功させるために必要な継続的改善環境を構築するために必要ないくつかの重要な要素を概説しています。 そのほとんどは、意外かもしれませんが、テクノロジーではなく、人間に関するものです:

  • 信頼できるデータが基礎となる
  • ビジネスと臨床を深く理解し、強力な臨床プログラムのリーダーシップを発揮する
  • プロセスを翻訳するために、臨床または製造の専門知識を持つエンジニアが臨床チームをサポートし取り囲む
  • データを可視化し、臨床ワークフローに適応プロセスを構築できるビジネスアナリスト、そして
  • 改善に取り組む尊敬すべき専門家による臨床サポート

興味深いのは、5つの項目のうち、テクノロジーに関するものは1つしかないということです。 データをクリーンにすることは大きなことですが、非常に重要なタスクです。 データを管理する方法と、それを実際に実践する方法の両方において、データ戦略を確立するプロセスの一部です。

組織が適切なテクノロジー、チーム、プロセス分析の断片を配置すれば、AIと機械学習プログラムは、このような大げさなテクノロジーに期待されるような成功を達成する態勢が整うでしょう。

「私は自分自身を可能な限り最大限に活用しています。これは、意識の高い組織が望むことのできるすべてだと思います。 -HAL 9000from 2001: A Space Odyssey

原文:HealthcareITNews.com 2018年4月13日掲載

[1] Sutner, Shaun, "HIMSS 2018 Focuses on AI in Healthcare."SearchHealthIT, 28 Feb. 2018, searchhealthit.techtarget.com/news/252435933/HIMSS-2018-focuses-on-AI-in-healthcare.

[2] Noga, Dan WellersTimo ElliottMarkus. "8 Ways Machine Learning Is Improving Companies' Work Processes."Harvard Business Review, 7 June 2017, hbr.org/2017/05/8-ways-machine-learning-is-improving-companies-work-processes.

[3] Gutierrez, Daniel. "HIMSS 2018: Perspectives on Health Industry Use of AI and Machine Learning."InsideBIGDATA, 6 Mar. 2018, insidebigdata.com/2018/03/05/himss-2018-perspectives-health-industry-use-ai-machine-learning/

[4] "Leadership in Age of AI - Adapting, Investing and Reskilling to Work Alongside-ai."InsideBIGDATA, INFOSYS, Feb. 2018, insidebigdata.com/white-paper/leadership-age-ai-adapting-investing-reskilling-work-alongside-ai/.

[5] Sweeney, Evan. "Plenty of Buzz for AI in Healthcare, but Are Any Systems Actually Using It? "FierceHealthcare, 11 May 2017, www.fiercehealthcare.com/analytics/plenty-buzz-for-ai-healthcare-but-anyone-actually-using-it.

[6] Miliard, Mike. "What Does Successful AI and Analytics Program Look like?"Healthcare IT News, HIMSS Media, 12 Feb 2018, www.healthcareitnews.com/news/what-does-successful-ai-and-analytics-program-look?

あなたが好きかもしれない他の投稿

FHIR規格の統合により、開発者は協調したケアを促進するアプリケーション、ツール、技術の構築に役立てることができます。
Head of Developer Relations, Data Platforms
医療従事者や患者さんが利用できる技術が増え、医療マネジメントの進化は急速に加速しています - 私たちはどうすればこの流れについていけるのでしょうか?
Global Head of Healthcare Market Strategy
Lynda Rowe of InterSystems discusses the impact of an enterprise master patient index in promoting more precise patient matching and healthcare data interoperability.
Senior Advisor for Value-Based Markets