ワトソンは医者を噛まなかった、そして非常によく

他の多くの分野と同様、一連の診断失敗の後、医師を AI に置き換えようとする熱意はやや薄れてきましたが、AI ベースの医療の開発への取り組みはまだ続いています。 それにもかかわらず、それらは依然として、多くの分野で業務効率を向上させる素晴らしい機会と機会を提供するからです。

IBM は 2015 年に発表され、2016 年に主要な患者データ会社 1 社のデータにアクセスできるようになりました (XNUMX)。 多数のメディア報道のおかげで最も有名であり、同時に IBM の高度な人工知能を使用した最も野心的なプロジェクトは腫瘍学に関連したものでした。 科学者たちは、データを適切に適応した抗がん療法に変えるために、膨大なデータ リソースを利用してデータを処理しようと試みてきました。 長期的な目標はワトソンを審判にすることでした 臨床試験 医師と同じ結果が得られます。

1. Watson Health 医療システムの可視化の XNUMX つ

しかし、判明したのは、 ワトソン 独自に医学文献を参照することはできず、患者の電子医療記録から情報を抽出することもできません。 しかし、彼に対する最も深刻な非難は、 新しい患者を他の高齢のがん患者と効果的に比較し、一見しただけでは見えない症状を検出できない.

確かに、主に標準治療に対するワトソン氏の提案、または追加の医学的意見としてのワトソン氏の判断に自信があると主張する腫瘍学者もいた。 このシステムは医師にとって優れた自動図書館になると多くの人が指摘しています。

IBMからのあまりお世辞ではないレビューの結果として 米国の医療機関におけるワトソンシステムの販売に関する問題。 IBMの営業担当者は、インド、韓国、タイ、その他の国のいくつかの病院にこの製品を販売することに成功しました。 インドでは、医師 () が 638 例の乳がんに対するワトソンの推奨事項を評価しました。 推奨される治療に対する遵守率は 73% です。 悪い ワトソン 彼は韓国の加川医療センターを中退したが、そこで656人の結腸直腸がん患者に対する彼の最良の推奨事項が専門家の推奨事項と一致する確率はわずか49パーセントだった。 医師らは次のように評価した ワトソンは年配の患者にはうまく対応できなかった特定の標準薬の提供を怠り、一部の転移性疾患患者に対して積極的な治療監視を実施するという重大な間違いを犯した。

結局のところ、診断医および医師としての彼の仕事は成功していないと考えられていますが、彼が非常に役立つことが証明された分野もあります。 製品 ゲノミクスのためのワトソンノースカロライナ大学、イェール大学などと共同で開発したものが使用されています。 腫瘍学者向けのレポートを作成するための遺伝子研究所。 Watson ダウンロードリストファイル 遺伝子変異 すべての重要な薬剤と臨床試験に関する提案を含むレポートを数分で作成できます。 Watson は遺伝情報を比較的簡単に処理しますそれらは構造化されたファイルで提示され、あいまいさを含まないためです-突然変異があるか、突然変異がありません。

ノースカロライナ大学の IBM パートナーは 2017 年に効率に関する論文を発表しました。 ワトソンは、そのうちの 32% で、人間の研究では特定されていなかった潜在的に重要な変異を発見しました。 患者は研究を行っており、新薬の有力な候補者となっている。 しかし、使用がより良い治療結果につながるという証拠はまだありません。

タンパク質の家畜化

このような例や他の多くの例により、医療におけるすべての欠陥は解決されているという考えが広まっていますが、人々の健康状態があまり良くないため、これが本当に役立つ分野を探す必要があります。 そのようなフィールドは、例えば、 タンパク質の研究。 昨年、配列に基づいてタンパク質の形状を正確に予測できるという情報が明らかになりました (2)。 これは伝統的なタスクであり、人間だけでなく、強力なコンピューターでも力を超えています。 タンパク質分子のねじれの正確なモデリングをマスターできれば、遺伝子治療に大きなチャンスが生まれるでしょう。 科学者たちは、AlphaFold の助けを借りて何千もの体の機能を研究し、それによって多くの病気の原因を理解できるようになると期待しています。

図 2. DeepMind の AlphaFold でモデル化されたタンパク質のねじれ。

今 私たちはXNUMX億のタンパク質を知っています, しかし、私たちが完全に理解しているのはそれらのごく一部の構造と機能です。 タンパク質 それは生物の基本的な構成要素です。 それらは細胞内で起こるプロセスのほとんどを担当します。 それらがどのように機能し、何を行うかは、50D 構造によって決まります。 指示がなくても、物理法則に従って適切な形をとります。 何十年もの間、実験的方法はタンパク質の形状を決定するための主な方法でした。 XNUMX年代になると、 X線結晶構造解析法。 過去 XNUMX 年間で、それは研究ツールとして選ばれるようになりました。 結晶顕微鏡検査。 80 年代から 90 年代にかけて、コンピューターを使用してタンパク質の形状を決定する研究が始まりました。 しかし、結果は依然として科学者を満足させるものではありませんでした。 一部のタンパク質では機能した方法が、他のタンパク質では機能しませんでした。

すでに2018年に アルファフォールド ～の専門家から認められました タンパク質モデリング。 ただし、当時は他のプログラムと非常によく似た方法が使用されていました。 科学者たちは戦略を変更し、タンパク質分子の折り畳みにおける物理的および幾何学的制限に関する情報も使用する別の戦略を作成しました。 アルファフォールド 不均一な結果をもたらした。 時には彼の成績が良くなったり、時には悪かったりした。 しかし、彼の予測のほぼ 2 分の 3 は、実験的手法によって得られた結果と一致しました。 2020 年目の初めに、アルゴリズムは SARS-CoV-XNUMX ウイルスのいくつかのタンパク質の構造を記述しました。 その後、OrfXNUMXa タンパク質の予測が実験的に得られた結果と一致していることが判明しました。

それはタンパク質の内部の折り畳み方法を研究するだけでなく、設計についても重要です。 NIH BRAIN イニシアチブの研究者が使用した 機械学習 脳のセロトニンレベルをリアルタイムで追跡できるタンパク質を開発する。 セロトニンは、脳が私たちの思考や感情をどのように制御するかにおいて重要な役割を果たす神経化学物質です。 たとえば、多くの抗うつ薬は、ニューロン間で伝達されるセロトニン信号を変化させるように設計されています。 Cell 誌の記事で、科学者たちは高度な技術をどのように利用しているかを説明しました。 遺伝子工学的手法 細菌タンパク質を、現在の方法よりも高い精度でセロトニン伝達を追跡するのに役立つ新しい研究ツールに変えることができます。 主にマウスを使った前臨床実験では、このセンサーが睡眠中、恐怖心、社会的相互作用中の脳セロトニンレベルの微妙な変化を瞬時に検出し、新しい向精神薬の有効性をテストできることが示された。

パンデミックとの戦いは必ずしも成功したわけではない

結局のところ、これは私たちがMTで書いた最初の流行病でした。 しかし、たとえばパンデミックの発生過程そのものについて言えば、初期段階ではAIはある種の失敗作であるように見えました。 学者らはこう訴えている 人工知能 過去の流行のデータに基づいてコロナウイルスの蔓延の範囲を正確に予測することはできません。 「これらのソリューションは、一定数の目や耳を持つ顔を認識するなど、一部の分野ではうまく機能します。 SARS-CoV-2の流行 これらはこれまで知られていなかったイベントであり、多くの新しい変数であるため、人工知能のトレーニングに使用された履歴データに基づく人工知能はうまく機能しません。 パンデミックは、他の技術やアプローチを探す必要があることを示している」とスコル工科大学のマキシム・フェドロフ氏は2020年XNUMX月にロシアのメディアに宛てた声明で述べた。

時間が経つにつれて、 しかし、新型コロナウイルス感染症との戦いにおける AI の大きな有用性を証明していると思われるアルゴリズム。 米国の科学者たちは、2020年秋に、たとえ他に症状がなかったとしても、新型コロナウイルス感染症患者の特徴的な咳のパターンを認識するシステムを開発した。

ワクチンが登場したとき、国民へのワクチン接種を支援するという考えが生まれました。 彼女はたとえば、 ワクチンの輸送と物流のモデル化を支援する。 また、パンデミックに迅速に対処するために、どの集団に最初にワクチン接種をすべきかを決定する際にも。 また、物流の問題やボトルネックを迅速に特定することで、需要を予測し、ワクチン接種のタイミングと速度を最適化するのにも役立ちます。 アルゴリズムと継続的なモニタリングを組み合わせることで、起こり得る副作用や健康上の事象に関する情報を迅速に提供することもできます。

これらの AIを活用したシステム 医療の最適化と改善における効果はすでに知られています。 それらの実用的な利点は高く評価されました。 たとえば、米国スタンフォード大学の Macro-Eyes が開発した医療システムです。 他の多くの医療機関と同様に、予約に来ない患者がいないことが問題でした。 マクロアイ どの患者がそこにいる可能性が低いかを確実に予測できるシステムを構築しました。 場合によっては、クリニックの別の時間や場所を提案することもでき、そうすれば患者が現れる可能性が高まります。 その後、特に米国国際開発庁の支援を受けて、同様の技術がアーカンソー州からナイジェリアに至るまでのさまざまな場所で適用されました。

タンザニアでは、マクロアイズは次のことを目的としたプロジェクトに取り組みました。 子供の予防接種率の向上。 このソフトウェアは、特定のワクチン接種センターに何回分のワクチンを送る必要があるかを分析しました。 また、どの家族が子どものワクチン接種に消極的であるかを評価することもできたが、適切な議論と便利な場所にワクチン接種センターを設置することで家族を説得することができた。 このソフトウェアを使用することで、タンザニア政府は予防接種プログラムの有効性を 96% 高めることができました。 ワクチンの無駄を2,42人あたり100本まで削減します。

シエラレオネでは住民の健康データが不足していたので、同社はこれを教育に関する情報と照合しようとした。 教師と生徒の数だけで 70% を予測するのに十分であることが判明しました。 地元の診療所がきれいな水にアクセスできるかどうかの正確さ。これはすでにそこに住む人々の健康に関するデータの足跡です (3)。

3. アフリカにおける AI 主導の医療プログラムのマクロアイ図。

機械博士の神話は消えない

失敗しながらも ワトソン 新しい診断アプローチは現在も開発されており、ますます進歩していると考えられています。 2020年XNUMX月にスウェーデンで行われた比較。 乳がんの画像​​診断に使用されます。 彼らの中で最も優秀な人材が放射線科医と同じように働いていることを示しました。 このアルゴリズムは、日常的なスクリーニング中に取得された約 1 枚のマンモグラフィー画像を使用してテストされています。 AI-2、AI-3、AI-81,9 と指定された 67 つのシステムは、67,4%、77,4% の精度を達成しました。 そしてXNUMX％。 比較のために、これらの画像を最初に読影した放射線科医の場合、この数字は XNUMX% でした。 放射線科医80,1 番目にそれを説明した人は XNUMX パーセントでした。 最高のアルゴリズムは、放射線科医がスクリーニング中に見逃した症例も検出することができ、女性はXNUMX年も経たないうちに病気と診断された。

研究者らによると、これらの結果は次のことを証明しています。 人工知能アルゴリズム 放射線科医による偽陰性診断の修正に役立ちます。 AI-1 の機能と平均的な放射線科医を組み合わせることで、検出される乳がんの数が 8% 増加しました。 この研究を実施している王立研究所のチームは、AI アルゴリズムの品質が今後も向上すると予想しています。 この実験の詳細な説明は、JAMA Oncology に掲載されました。

XNUMX 段階評価では W。 現在、私たちは技術の大幅な加速を目の当たりにしており、システムが受信したデータを独立して自動的に処理し、以前に分析された情報を専門家に提供する IV レベル (高度な自動化) に到達しています。 これにより時間を節約し、人的ミスを回避し、より効率的な患者ケアを提供します。 それが彼が数カ月前に判断したことだ スタン A.I. 彼の身近な医学の分野では、教授。 ヤヌシュ・ブラジエヴィチ ポーランド核医学協会からポーランド通信社への声明で述べた。

4. 医療画像の機械閲覧

教授などの専門家によると、アルゴリズムは次のとおりです。 ブラジエヴィチこの業界でもなくてはならない存在です。 画像診断検査の急増が理由だ。 2000 年から 2010 年の期間のみ。 MRI検査や検査の件数はXNUMX倍に増加しました。 残念ながら、これらを迅速かつ確実に実施できる専門医の数は増えていません。 資格を持った技術者も不足しています。 AI ベースのアルゴリズムの実装により、時間が節約され、手順の完全な標準化が可能になるだけでなく、人為的エラーが回避され、患者にとってより効率的で個別化された治療が可能になります。

結局のところ、また、 法医学 恩恵を受けることができます 人工知能の開発。 この分野の専門家は、死んだ組織を食べる線虫や他の生物の分泌物の化学分析によって、死者の正確な死亡時刻を決定することができます。 異なる種類のネクロファージからの分泌物の混合物が分析に含まれる場合、問題が発生します。 ここで機械学習が登場します。 オールバニー大学の科学者が開発した ワームの種をより迅速に識別できる人工知能手法 彼らの「化学指紋」に基づいて。 研究チームは、XNUMX種のハエからの化学分泌物のさまざまな組み合わせを使用してコンピュータープログラムを訓練した。 彼は、イオンの質量と電荷の比を正確に測定することで化学物質を識別する質量分析法を使用して、昆虫の幼虫の化学的特徴を解読しました。

ただし、ご覧のとおり、 捜査探偵としての AI あまり良いものではありませんが、法医学研究室では非常に役立ちます。 おそらく私たちはこの段階で彼女に期待しすぎ、医師を失業させるようなアルゴリズムを期待しすぎたのでしょう(5)。 見てみると 人工知能 より現実的に言えば、一般的なものではなく、特定の実際的な利点に焦点を当てているため、彼女の医学界でのキャリアは再び非常に有望に見えます。

5. ドクターカーのビジョン