AI専門家たちが、高度なAIを医療に統合する方法、学際的な連携がなぜ重要なのか、そして研究における生成型AIの可能性について議論する。
5月14日、スタンフォード大学医学部で開催された第1回RAISEヘルスシンポジウムで、フェイフェイ・リーとロイド・マイナーが開会の挨拶を行った。スティーブ・フィッシュ
人工知能に魅了された人々の多くは、何らかの「ひらめき」を経験し、可能性に満ちた世界に目を向けるようになった。5月14日に開催された第1回RAISEヘルスシンポジウムでは、スタンフォード大学医学部長兼スタンフォード大学医療担当副学長のロイド・マイナー医師が、自身の見解を述べた。
ある好奇心旺盛な十代の少年が内耳に関する調査結果を要約するように求められたとき、彼は生成型人工知能に目を向けた。「私は『上側半規管裂開症候群とは何か？』と尋ねました」とマイナー氏は約4000人のシンポジウム参加者に語った。すると数秒のうちに、いくつかの段落が現れた。
「素晴らしい、本当に素晴らしい」と彼は言った。「この情報が、簡潔で概ね正確、かつ優先順位が明確にされた疾患の説明にまとめられている。これは実に素晴らしいことだ。」
多くの人がマイナー氏と同様に、この半日イベントに興奮していた。このイベントは、スタンフォード大学医学部とスタンフォード人間中心人工知能研究所（HAI）が立ち上げた、生物医学研究、教育、患者ケアにおける人工知能の責任ある利用を導くプロジェクトであるRAISE Healthイニシアチブから生まれたものだった。講演者たちは、医師や科学者にとって有用であるだけでなく、患者にとって透明性があり、公平で平等な方法で医療に人工知能を導入するとはどういうことかを検証した。
「これは人間の能力を高める技術だと考えています」と、スタンフォード大学工学部のコンピュータサイエンス教授で、RAISE Health with Minor プロジェクトのディレクター、HAI の共同ディレクターでもある Fei-Fei Li 氏は語った。世代から世代へと、新しい技術が次々と現れる可能性がある。抗生物質の新しい分子配列から、生物多様性のマッピング、基礎生物学の隠された部分の解明まで、AI は科学的発見を加速させている。しかし、そのすべてが有益とは限らない。「これらのアプリケーションはすべて、意図しない結果をもたらす可能性があり、医師や倫理学者からセキュリティ専門家など、さまざまな利害関係者と協力しながら、責任を持って [人工知能] を開発および実装するコンピュータ科学者が必要です」と彼女は言う。「RAISE Health のような取り組みは、これに対する私たちのコミットメントを示しています。」
スタンフォード・メディシンの 3 つの部門 (医学部、スタンフォード・ヘルスケア、スタンフォード大学小児保健医学部) の統合と、スタンフォード大学の他の部門との連携により、専門家が人工知能の開発に取り組む立場になりました。医療と医学の分野における管理と統合の問題。医学、と歌は歌った。
「私たちは、基礎的な生物学的発見から、医薬品開発の改善、臨床試験プロセスの効率化、そして実際の医療サービスの提供に至るまで、人工知能の開発と責任ある実装のパイオニアとなるのに最適な立場にあります。医療システムの仕組みそのものにまで影響を与えることができるのです」と彼は述べた。
複数の講演者が、シンプルな概念を強調した。それは、利用者（この場合は患者または医師）に焦点を当てれば、他のすべては自然とついてくるというものだ。「これは、私たちが行うすべてのことの中心に患者を置くということです」と、ブリガム・アンド・ウィメンズ病院の生命倫理部長であるリサ・レーマン博士は述べた。「私たちは患者のニーズと優先事項を考慮する必要があります。」
左から右へ：STATニュースのアンカー、モハナ・ラビンドラナート氏、マイクロソフトリサーチのジェシカ・ピーター・リー氏、生物医学データサイエンス教授のシルビア・プレヴリティス氏が、医療研究における人工知能の役割について議論している。スティーブ・フィッシュ
パネルディスカッションの登壇者には、レーマン氏、スタンフォード大学の医療倫理学者ミルドレッド・チョー医師、Googleの最高臨床責任者マイケル・ハウエル医師らが名を連ね、病院システムの複雑さを指摘し、介入を行う前にその目的を理解する必要性を強調した。そして、それを実行に移し、開発されたすべてのシステムが包括的であり、支援対象となる人々の声に耳を傾けるようにすべきだと述べた。
重要な要素の一つは透明性です。透明性によって、アルゴリズムの学習に使用されるデータがどこから来たのか、アルゴリズムの本来の目的は何なのか、そして将来の患者データがアルゴリズムの学習に引き続き役立つかどうかなど、様々な要素が明確になります。
「倫理的な問題が深刻化する前に予測しようとするということは、技術について十分な知識を持ち、ある程度の信頼を持てる一方で、問題がさらに広がる前に解決できる、まさに理想的なポイントを見つけることを意味します」と、小児麻酔学、周術期医療、疼痛医学部門の准教授で医学博士候補のデントン・チャー氏は述べた。同氏によると、重要なステップの1つは、その技術によって影響を受ける可能性のあるすべての利害関係者を特定し、彼ら自身がそれらの質問にどのように答えたいかを決定することだという。
米国医師会会長のジェシー・エーレンフェルド医師は、人工知能を搭載したツールを含む、あらゆるデジタルヘルスツールの導入を促進する4つの要因について論じています。それは効果的か？私の医療機関で機能するか？誰が費用を負担するのか？誰が責任を負うのか？
スタンフォード・ヘルスケアの最高情報責任者であるマイケル・フェファー医師は、スタンフォード病院の看護師の間で多くの問題が検証された最近の事例を挙げた。臨床医は、患者からのメッセージに初期注釈を提供する大規模な言語モデルによって支援されている。このプロジェクトは完璧ではないものの、この技術の開発に携わった医師たちは、このモデルによって業務負担が軽減されたと報告している。
「私たちは常に、安全性、効率性、包括性という3つの重要な点に重点を置いています。私たちは医師です。『危害を加えない』という誓いを立てています」と、精神医学・行動科学の臨床助教授で、チャー氏とペファー氏と共にグループに加わったニーナ・ヴァサン医師は述べた。「これが、これらのツールを評価する最初の方法であるべきです。」
医学および生物医学データ科学の教授であるニガム・シャー医師（医学士、博士）は、聴衆に事前に警告したにもかかわらず、衝撃的な統計データから議論を始めた。「私は一般的な言葉と数字で話しますが、時にはそれらは非常に直接的な表現になる傾向があります」と彼は述べた。
シャー氏によると、AIの成功は、それを拡張できるかどうかにかかっている。「モデルに関する適切な科学的研究には約10年かかります。123のフェローシップおよびレジデンシープログラムそれぞれが、そのレベルの厳密さでモデルをテストおよび展開したい場合、現在の取り組みとテストの組織化方法では、正しい科学を行うことは非常に困難です。すべてのサイトが正しく機能することを確認するには1380億ドルかかります」とシャー氏は述べた。「これは私たちには負担できません。ですから、拡張する方法を見つける必要があり、拡張して優れた科学を行う必要があります。厳密なスキルは一方の場所にあり、拡張スキルはもう一方の場所にあるため、そのようなパートナーシップが必要になります。」
ユアン・アシュリー准学部長とミルドレッド・チョー（受付）がRAISEヘルスワークショップに参加した。スティーブ・フィッシュ
シンポジウムの講演者の中には、これは官民連携によって達成できると述べる者もおり、その例として、最近発令された人工知能の安全で信頼できる開発と利用に関するホワイトハウスの大統領令や、医療人工知能コンソーシアム（CHAI）などが挙げられる。
「最も大きな可能性を秘めた官民連携は、学術界、民間企業、そして公共部門の間の連携です」と、米国医学アカデミーの上級顧問であるローラ・アダムズ氏は述べた。彼女は、政府は国民の信頼を確保でき、学術医療センターは正当性を提供でき、民間部門は技術的な専門知識とコンピューター時間を提供できると指摘した。「私たちは皆、それぞれが単独では成し得ない能力を持っています。そして、私たちは互いにどのように協力し合うかを理解しなければ、人工知能の可能性を実現することはできないと認識しています。」
複数の講演者は、AIは研究にも影響を与えていると述べ、科学者が生物学的定説を探求したり、新しい治療法を支援するために合成分子の新しい配列や構造を予測したり、さらには科学論文の要約や執筆を支援したりするなど、様々な形で活用されていると指摘した。
「これは未知のものを見る機会です」と、スタンフォード大学医学部の心臓専門医で、Alphabet傘下のVerilyの共同創設者であるジェシカ・メガ医師は述べた。メガ医師は、人間の目には見えない画像の特徴を捉えるハイパースペクトルイメージングについて言及した。そのアイデアは、人工知能を使って、人間には見えない病気の兆候を示す病理スライドのパターンを検出することだ。「私は皆さんに未知のものを受け入れるよう勧めます。ここにいる皆さんは、私たちが今日提供できる以上のものを必要としている何らかの病気を抱えている人を知っていると思います」とメヒア氏は述べた。
パネリストたちはまた、人工知能システムは、人間によるものか人工知能によるものかを問わず、偏った意思決定を特定し、それに対処するための新たな方法を提供し、偏りの原因を特定する能力を持つだろうという点で意見が一致した。
「健康とは医療だけではない」と、複数のパネリストが同意した。講演者たちは、研究者が包括的なデータを収集し、研究参加者を募集する際に、社会経済的地位、郵便番号、教育レベル、人種や民族といった健康の社会的決定要因を見落としがちであることを強調した。「AIの有効性は、モデルの学習に使用されるデータの質に左右される」と、ハーバード大学の疫学教授であり、スタンフォード大学医学部の疫学・人口保健学准教授でもあるミシェル・ウィリアムズ氏は述べた。「私たちが目指す健康状態の改善と不平等の解消を実現するには、人間の行動や社会環境、自然環境に関する質の高いデータを収集することが不可欠だ。」
小児科および内科の臨床教授であるナタリー・ペイゲラー医師は、集計されたがんデータには妊婦に関するデータが含まれていないことが多く、そのためモデルに必然的に偏りが生じ、医療における既存の格差が悪化していると述べた。
小児科および内科の教授であるデビッド・マグナス博士は、あらゆる新技術と同様に、人工知能も多くの点で物事を良くする可能性もあれば、悪くする可能性もあると述べた。マグナス博士によれば、リスクは、人工知能システムが健康の社会的決定要因によって引き起こされる不平等な健康状態を学習し、その出力を通じてそうした状態を強化してしまうことだという。「人工知能は、私たちが生きる社会を映し出す鏡です」とマグナス博士は述べた。「問題に光を当て、自らを映し出す機会があるたびに、それが状況を改善するための動機付けとなることを願っています。」
RAISE Healthワークショップにご参加いただけなかった方は、こちらのリンクからセッションの録画をご覧いただけます。
スタンフォード大学医学部は、スタンフォード大学医学部と成人および小児医療提供システムからなる統合型学術医療システムです。これらのシステムは連携して、共同研究、教育、臨床患者ケアを通じて生物医学の可能性を最大限に引き出します。詳細については、med.stanford.eduをご覧ください。
スタンフォード病院では、新しい人工知能モデルが医師と看護師の連携を支援し、患者ケアの向上に役立っている。
投稿日時：2024年7月19日