AI が医療従事者のパフォーマンス向上にどのように役立つか: メリットと成功事例
公開: 2023-05-27
他の業界と比較すると、ヘルスケアにおける AI の導入はかなり遅れています。 それは驚くべきことではありません。医療データは非常に複雑で、構造化されていないことが多く、プライバシー規制によって厳しく保護されているため、適切な AI ソリューションを開発し、適切にトレーニングすることが困難になります。
それに加えて、ヘルスケア業界は常に比較的保守的ですが、それには十分な理由があります。 医療専門家は患者の健康と生活に責任を負っており、新しいテクノロジーのリスクに対して非常に慎重になっています。
それでも、医療における AI の導入は徐々に加速しており、テクノロジーはより高度になり、業界のデータ共有の障壁にうまく適応しています。 2022 年のヘルスケア市場における世界の人工知能テクノロジーの市場規模は 154 億ドルと評価されています。 2023 年から 2030 年にかけて、年間複合成長率 (CAGR) 37.5% で成長すると予想されています。
この記事では、医療分野における AI の最も影響力のあるメリットについて説明し、業界で使用されているさまざまなタイプの AI テクノロジーを調査し、すでにそれらを導入している医療専門家の成功事例を共有します。
ヘルスケアにおける AI テクノロジーの利点
人工知能はそれ自体非常に曖昧な用語であり、相互に関連する多数のテクノロジーがその傘下に含まれます。 したがって、AI を医療システムに統合するメリットについて説明する前に、この分野でどのテクノロジーが正確に使用されているかを確認してみましょう。
最も一般的には、医療施設や医療技術サービスでは、機械学習、特にディープ ラーニングを使用して、健康関連データに基づいて AI アルゴリズムをトレーニングし、さまざまなタスクを実行する準備をしています。
自然言語処理 (NLP) は、人間の言語を理解し、ドキュメントやレポートなどを解釈する AI 搭載システムをトレーニングするために医療分野でも広く適用されています。 最後になりますが、ロボティック プロセス オートメーション (RPA) は、管理プロセスと臨床プロセスを合理化するために使用されます。
では、業界で働いている場合、なぜこれらのテクノロジーを検討する価値があるのでしょうか? 医療における AI の最も重要な 3 つの利点は、それを理解するのに役立ちます。
診断精度の向上
ヘルスケア研究品質庁による 2022 年の調査によると、米国だけで年間 740 万件の誤診が発生しています。 このうち260万件で、患者は防げたはずの被害に直面している。 さらに 370,000 件のエラーが発生すると、永久的な障害や死亡につながります。
このような憂慮すべき統計は、誤診が現代の医療において最も差し迫った問題の一つであり、人工知能が解決策の主要部分となり得ることを証明しています。
誤診は、多くの場合、患者の病歴が不足していたり、医療従事者が多数の患者を担当することに過度に負担をかけていたりすることが原因で発生します。 AI テクノロジーは、人間よりもはるかに速く、長年の医療記録を分析し、症例に基づいた関連情報を見つけることができます。
さらに、医療における特定の AI ソリューションは、生命を脅かす病気を早期に検出し、特定の患者の転帰の可能性を予測できるため、医師が正確な治療計画をより迅速かつ効率的に作成できるようになります。
個別の患者ケア
医療における人工知能の最大の利点の 1 つは、医療専門家間で情報を迅速に交換できることです。 AI ソリューションは、病歴データや患者のライフスタイルなどの患者データを効率的に監視および分析できるため、医師は個別の治療計画を作成する時間を節約できます。
AI は精密医療でも使用されており、そのアルゴリズムが患者のゲノム データを分析して遺伝子変異やバイオマーカーを特定し、特定の治療に対する反応を予測できることを意味します。 これは、医療提供者が個々の患者に合わせて治療計画を調整し、治療結果を向上させるのに役立ちます。
さらに、AI を活用したソリューションと IoT (センサー、ウェアラブルなど) を組み合わせることで、医療専門家は変化や問題が発生した場合にアラートを送信することで、リアルタイムの患者モニタリングを向上させることができます。
この最後の個別化ケアへの影響はあまり明らかではありませんが、医療における AI テクノロジーは、同様の症状や診断を持つ患者を分析して、病状の相関関係やパターンをより深く理解するために使用されています。
これにより、医療対応が改善されるだけでなく、医師は患者と自分の状態の性質について情報に基づいた詳細な会話ができるようになり、より良い信頼できる患者と医師の関係を築くことができ、これは患者の精神的な快適さにとって非常に重要です。
コスト削減
病院で人工知能を使用することによる最も明白な経済的メリットは、おそらく管理タスクの自動化によるものでしょう。 ロボット技術のような高額な投資は必要ありませんが、それでも医師の時間とリソースを患者ケアに振り向けることができ、患者の転帰の改善と収益の増加につながります。 しかし、それだけではありません。
誤診、不適切な患者ケア、リソースの非効率な使用は、医療従事者にコストをもたらします。 1992年から2014年までの米国の医師の医療過誤請求に関する報告書によると、そのような請求に対する平均賠償額は約32万9,565ドルだという。
また、以前に証明したように、医療における AI は、医師がより正確で効果的な治療計画を作成するのに役立ち、患者の転帰を改善し、誤診や医療過誤のリスクを軽減し、賠償費用を削減します。
ヘルスケアにおける AI の例
現在、ヘルスケア業界向けに AI を活用したソリューションが数多くトレンドになっているため、その中から 5 つだけを選び出すのは本当に困難です。 ただし、最も話題になっているオプションを選択しました。実装に必要な予算という点ではいずれも異なりますが、それでも検討する価値はあります。
管理タスクとワークフローの自動化
AI を活用したソリューションを使用すると、医療組織の運営のほぼすべての側面に関連する管理タスクを合理化できます。 ほんの数例としては、チャットボットによる予約スケジュールの自動化、医療請求、患者のトリアージ、在庫管理、EHR 管理などが挙げられます。
より明確な例として、患者トリアージの例を詳しく見てみましょう。 患者のデータを受信した後、AI ツールは患者の症状と過去の病歴を分析して、状態の重症度と医療の緊急度を判断します。 このようにして、重篤な状態の患者は高優先度としてマークされ、重篤でない患者よりも早く必要なケアを受けることができます。
AI は医療転写の自動化にも使用できます。これにより、医療従事者は患者の直接ケアにより多くの時間を費やすことができ、患者の転帰と満足度が向上します。
臨床意思決定支援システム
CDSS は、患者情報を分析し、証拠に基づいた治療の推奨事項を提示することで、医療従事者の意思決定を支援する複雑なソフトウェア システムです。 このようなシステムは通常、知識ベース システム、ML アルゴリズム、NLP システムなどの複数のテクノロジーに基づいています。
例を挙げると、 DXplain は、医療従事者が正確な診断を行えるようにマサチューセッツ総合病院によって開発された CDSS です。このシステムは、患者データとその医療知識データを比較して、潜在的な診断、追加の医療検査の推奨、および適切な治療計画のリストを作成します。
バーチャル看護助手
2023 年 5 月の時点で、米国の看護師の 3 分の 1 が仕事を辞める予定です。 これは当然、パンデミック以来、業界が直面しているさらに深刻な看護師不足につながるでしょう。 仮想看護アシスタントは、ML、NLP、コンピューター ビジョン、データ処理機能などのテクノロジーを組み合わせていることが多く、この課題に対する適切な解決策となる可能性があります。
この AI を利用したツール (通常はアプリ) は、NLP ベースのチャットボットを介して患者と通信し、症状に関する情報を取得し、特に慢性疾患に対処する場合の治療戦略に関するガイダンスを提供できます。
このようなアプリは、患者の状態を遠隔監視したり、治療計画の順守を確認したり、直接の治療が必要な場合に医療専門家に警告したりすることもできます。 医療従事者が対処しなければならない極度の作業負荷を軽減するだけでなく、バーチャル看護アシスタントは年中無休で働くことができ、医療施設が患者の転帰を改善しながらコストを削減できるように支援します。
このテクノロジーの優れた例の 1 つはCare Angelです。 この仮想看護アシスタントは、Amazon Echo や Google Home などの音声対応デバイスに接続して、慢性疾患を持つ患者と対話し、ケアの質を向上させることができます。
アシスタントは、患者とその介護者にサポートを提供するだけでなく、医療従事者向けに貴重なデータと洞察を収集し、ケア プランの有効性を高めるのに役立ちます。
医用画像解析
医師がどれほど資格を持っていても、患者のスキャン画像を読み取る際には人的ミスが発生するリスクが常にあります。 さらに、特定の兆候は人間の目で発見するには小さすぎるため、AI ツールからセカンドオピニオンを得て、診断の精度を向上させることが理にかなっています。
たとえば、数年前、富士フイルム SonoSite はSonoSite Synchronicityと呼ばれる AI 駆動の超音波システムを開発しました。 深層学習モデルを使用して超音波画像をリアルタイムで分析し、さまざまな解剖学的構造の測定値を提供し、医療従事者がより正確な診断を行えるようにします。
同社は、医療の最前線で働く医療従事者のニーズを満たすために、製品の改良とバージョンアップを続けています。
AI アルゴリズムは、診断の向上に加えて、さまざまな医療画像のパターンを識別し、医師が治療に対する患者の反応を予測するのに役立ち、特定の状態の性質に関するその他の貴重な洞察を提供します。
AI支援ロボット手術
[出典：ohcare.com]
医療施設がこのテクノロジーを採用している理由は、人工知能で強化されたロボットが従来の外科手術と比較して単純に正確であるという事実にあります。
AI を搭載したロボットは、完全に正確な動きを実行するようにプログラムおよびトレーニングすることができ、神経外科手術などの危険な手術を行う場合に特に役立ちます。 たとえば、ダ ヴィンチ外科手術技術は、腹腔鏡手術などの低侵襲手術を行うためによく使用されます。
ちなみに、このプロセスから人間の外科医が排除されるわけではありません。 実際、このシステムには手術ツールとカメラを備えたロボット アームが含まれており、コンソールを操作する外科医によって完全に制御されます。
全体として、AI 支援ロボット手術アプローチは、人的ミスのリスクを軽減し、安全性を向上させ、場合によっては、ロボット手術の侵襲性が最小限であるため、より迅速な回復につながります。
医療における AI の使用に関する実際の成功事例
データセキュリティ、偏見、透明性の欠如に関連する AI の複数の課題のため、ヘルスケア分野は人工知能の導入に非常に慎重になっています。 しかし、テクノロジーがより高度になり、特定の業界に合わせてカスタマイズされるにつれ、治療成果を向上させるために AI を導入する医療施設が増えています。
ここでは、患者の利益のために人工知能をうまく活用している医療施設とヘルステック企業に関する3 つの感動的なストーリーを紹介します。
AIを使用して乳がんを検出するハンガリーのクリニック
他の病気と同様、乳がんが早期に発見されるほど、患者が回復する可能性が高くなります。 しかし、米国国立がん研究所の推定によれば、乳がん症例の約 20% がマンモグラム検査時に見逃されます。 当然のことながら、これは患者でいっぱいの医師、特に放射線科医にとってさらに大きなプレッシャーとなります。 そして再び、AI が助けになるかもしれません。
2021 年、毎年 35,000 件以上の検査を行っているハンガリーの 5 つの病院と診療所は、見落とされている可能性のある乳がんの兆候をチェックするために AI システムを導入しました。
このスクリーニング システムは、AI ソフトウェア会社であるKheiron Medical Technologiesによって開発されました。 開発者らは、何百万ものマンモグラムを AI に入力し、放射線科医に、形状、位置、密度を分析することで癌の増殖を検出するアルゴリズムを教えてもらいました。
275,000件を超える乳がん症例でこのモデルをテストした後、同社は、このAI技術がスキャンの第2の読み取り者である医師と少なくとも同等にがんを検出できると主張した。 さらに、追加の検査により、AI が人間よりも多くの悪性腫瘍を特定し、検出率が 13% 向上したことが明らかになりました。
2021 年以来、2023 年 3 月現在、ハンガリーにある 5 つの MaMMa Klinika 施設で AI を使用しており、放射線科医が見逃していた癌を AI が検出した症例が 22 件確認されており、さらに多くの症例が検討中です。
ニューヨーク・タイムズ紙とのインタビューで、このクリニックチェーンの所長であるアンドラス・バダシ医師は、「このプロセスで1人か2人の命が救われるのであれば、それだけの価値はあるだろう」と述べている。
911の指令員を支援するデンマークの会社
突然の心停止 (SCA) で人が倒れた場合、CPR や除細動がなければ生存の可能性は 60 秒ごとに 10% 低下します。 そのため、救急救命士の到着を待つのではなく、指令員の指示に従って直ちに必要な援助を提供することが重要です。 問題は、電話を通じて SCA をどのように認識できるかということです。
この問題は、デンマークの会社 Corti SA によって構築されたプログラムであるCorti AIの作成のきっかけとなり、人工知能によって患者の診察を変革しました。
当初は機械学習を使用して、発信者の言葉と回線上のノイズを分析しました。 このアルゴリズムは 150,000 件以上の呼び出しでテストされました。 その結果、人間の通信指令員が示した結果の 73% と比較して、ソフトウェアは 93% のケースで心停止を正確に検出しました。 さらに、プログラムは 30 秒以上早くこの結論に達しました。 このおかげで、ディスパッチャは発信者に CPR の実施を迅速に案内することができました。
AI のテストに成功した後、Corti SA は、世界各国でライブ通話による大規模なテストを実施しました。 彼らはまた、他の重大な状態を検出するためのシステムのトレーニングにも取り組み始めました。
2021年、このスタートアップは患者の診察を改善するためにシリーズA資金で2,700万ドルを調達した。 現在も AI プログラムは、あらゆる種類の患者との出会いを聞き、文字に起こし、誘導し、コーディングすることで、医療従事者のリアルタイムの意思決定を支援し続けています。
敗血症と闘うデューク大学病院
Global Sepsis Alliance によると、発展途上国だけでなく、毎年 4,700 万人から 5,000 万人が敗血症に罹患しています。 米国では、敗血症による死亡者数は、オピオイドの過剰摂取、前立腺がん、乳がんを合わせた死亡者数よりも毎年多くなっています。 さらに、病院で死亡する患者のほぼ 3 人に 1 人が敗血症を患っており、敗血症は 87% の症例で到着前に発症し始めています。
同時に、敗血症による死亡は迅速な診断で防ぐことができますが、敗血症の症状は他の病気でもよく見られるため、検出が難しい場合があります。 そのため、2018 年 11 月、デューク大学医療システムの救急部門は、医療従事者が病気の初期の兆候を発見できるように作成された深層学習ツールであるSepsis Watchの最初のバージョンをリリースしました。
医師と看護師が参加したチームは、この製品を作るのに 3.5 年かかりました。 彼らは、42,000 件を超える入院患者の症例からの 3,200 万以上のデータ ポイントを使用して AI モデルをトレーニングしました。 その結果、この一見シンプルな iPad アプリは、患者のデータを 1 時間ごとにレビューして敗血症を発症する確率を判断し、高リスクの症例にフラグを立てます。
その後数年間、チームはデューク大学の 3 つの病院の敷地内で敗血症ウォッチの改良とテストを行ってきました。 新しい AI ツールを実装する際の最大の課題の 1 つは、技術開発ではなく、社会的統合です。
新しいコミュニケーションガイドライン、トレーニング教材、職場の政治への適応を通じて、臨床医の日常ワークフローにイノベーションを組み込むには、多大な労力がかかります。 敗血症ウォッチが普及するまでにはまだ長い道のりがありますが、実際の病院環境でテストされているという事実により、このプロジェクトは非常に有望なプロジェクトとなっています。
ヘルスケアにおける AI と ML の未来
医療における AI の将来を予測することは、少なくとも部分的にはそれほど難しくありません。 結局のところ、この記事で述べたテクノロジーはまだ広く採用されておらず、たとえより進化した形であっても、今後も残り続ける可能性があります。
AI ソリューションが組み込まれる最も有望な分野には、精密医療、創薬、遠隔患者治療、ロボット手術、画像分析、EHR システムのより効率的な管理などが含まれます。 言い換えれば、医療における AI の未来には、これまでに聞いたことのないものは何もありません。
しかし、人工知能の導入には、多くの医療機関が見落としている側面があります。それは、医療における AI システムの開発と展開に対する当社のアプローチです。 毎年 140 万人以上の患者にサービスを提供するメイヨー クリニックの社長兼 CEO であるジャンリコ ファルジア博士は、この件について次のように述べています。
「従来のパイプライン モデルは、新しいアイデアの考案から、それを医療提供者や患者が使用できるスタンドアロン製品に変えるまでの一連の直線的なポイントに依存しています。 代わりに、プラットフォームのアプローチは、継続的なコラボレーションのエコシステムに依存します。 私たちは、医療提供者、医療機器会社、ヘルステック新興企業、患者、支払者を結集して、長期的な患者データと時間をかけて学習し続けるアルゴリズムに基づいて、デジタルプラットフォームを通じて統合ソリューションを共同開発する必要があります。」
さらに、Gianrico Farrugia 博士は、フェデレーテッド データ インフラストラクチャを使用して AI テクノロジーを導入する際に、患者の機密データのプライバシーとセキュリティを保護することの重要性を強調しています。
「データを AI モデルに送信するのではなく、AI モデルを匿名化されたデータに取り込んで、データがプラットフォームから離れることなく外部の協力者が結果にアクセスできるようにする「ガラスの壁」を作成します。
ヘルスケアにおける AI ソリューションはコスト削減につながります
メリットに関するセクションでは、AI ソリューションが医療施設と患者の両方の費用の節約に役立つことをすでに述べました。 しかし、実際にどれくらいのコスト削減が行われるのでしょうか?
医療支出に対する AI の潜在的な影響に関する 2023 年の論文によると、AI の普及により米国の医療支出が 5% ～ 10% 削減される可能性があります。 これは、2019 年のドルに換算すると、今後 5 年間で年間 2,000 億ドルから 3,600 億ドルに相当します。
言及されたコスト削減は、病院、健康保険会社、民間支払者を対象としています。 たとえば病院は、主に AI を活用した管理業務と臨床業務の最適化によって、総コストの 4% から 11% を節約できる可能性があります。 民間の支払者に関しては、総支出の 7% ～ 9% を節約できる可能性があります。
病院にとっては財務関連の利益もあり、これは計算が難しいものの、それでも非常に重要です。 世界中の医療システムが危機に直面しており、病院では入院治療などの重要なサービスの数が削減されたり、完全に閉鎖されたりしている。
さらに、多くの医療施設は人材不足に悩まされており、新型コロナウイルス感染症のパンデミックで事態はさらに悪化しました。 AI ソリューションは、病院や診療所が手続き業務を自動化し、医療従事者が最も重要な患者の治療に集中できるようにする手段となります。
AI を活用したリソース最適化ツールと組み合わせることで、医療自動化は病院が同じ人員でより多くの患者を治療し、より良い患者エクスペリエンスを提供して収益を増やすことができる可能性があります。
結論
慢性疾患の有病率の増加、ライフスタイルの変化、業界の技術進歩に伴い、現代の医療では患者の期待に応えるために予防ケアと早期診断に重点が置かれています。 AI および ML アルゴリズムの役割は、医療提供者にもたらす経済的利益は言うまでもなく、このようなアプローチにとって極めて重要です。
当然のことながら、小規模または資金不足の医療施設にとって、ロボット工学やその他の複雑なテクノロジーへの投資には、不可能な金額がかかる可能性があります。 ただし、管理タスクの自動化や仮想看護アシスタントの統合を目的とした AI プロジェクトは、特にアウトソーシング会社がリーズナブルな料金で提供する場合には、十分以上に現実的になる可能性があります。
人工知能を通じて組織のワークフローを合理化する方法をお探しの場合、Mind Studios は予算に合った実装戦略を案内する準備ができています。 短いお問い合わせフォームにご記入いただければ、当社のビジネス開発チームがすぐに無料コンサルティングのスケジュールを立てます。
2