人工知能への期待

人工知能（artificial intelligence；AI）が世の中で騒がれ始めてから久しい。2006年にトロント大学のジェフリー・ヒントン教授が多数の層のニューラルネットワークを学習する方法を発表し，2012年の画像認識の国際コンテスト，ImageNet Large Scale Visual Recognition Challenge（ILSVRC）で，深層ニューラルネットを用いた手法で圧勝した。それから現在の第三次AIブームとなり，もう10年の歳月が経っているが，その勢いは衰える気配がない。当初は，過去の2回のブームと同様に一時的なトレンドとみる懐疑的な見方や，仕事が奪われるのではないかといった不安視する声が多かったが，既に第4次産業革命として社会に大きな変革をもたらしている。昨今の自動翻訳機能や，顔認証機能，音声認識機能の優秀さを実感している人も多いだろう。

AIの医療への応用範囲は，疾患診断，予後予測，発症リスク評価，治療法選択と幅広く，AIの臨床応用研究が指数関数的に増加している。2019年以降，整形外科領域の臨床応用研究の報告も増えている。AIが広く認知され，情報科学系の専門誌でなくても論文審査され，採用されることが多くなってきた。現状では十分なデータ量があってvalidationがされているAIであれば採用されることが多く，必然的に玉石混交となっている。異なる画像モダリティを統合するAIや，画像情報とカルテ記録などの言語情報を統合するAI，2D画像AIから3D画像AIへの発展など，新規技術の臨床応用も多く，この加熱気味の傾向はまだまだ続く可能性が高い。Gartner社が2022年に発表した「先進テクノロジのハイプ・サイクル：2022」でも，＂AIの自動化の加速＂に分類される多くの技術はまだ黎明期に分類されている。

実際の臨床現場に導入されて社会実装まで至ったAIはまだ少ないが，米国食品医薬品局（Food andDrug Administration；FDA）は2017年7月に「Digital Health Innovation Action Plan」を公開し，医療用ソフトウェアの承認プロセスを刷新し，AIを用いた医療診断ソフトウェアの商品化を推し進める方針を示している。それ以降，FDA承認された医療AIが増加しており，Apple，Google，Amazon，Microsoftなどの巨大IT企業もスマートウオッチや診療情報記録，遠隔医療サービスなどの領域で続々と医療AIに参入している。既にネット検索や遺伝子診断などで医師を経ずに患者に直接診療情報が提供される時代に突入しているが，それがさらに加速されることが予測される。コロナの抗原検査の前に既にパンドラの箱が開いていたといってもいい。これからの医師としては，日本の医療に到来したD2C（direCTto consumer）の状況に対応した柔軟性とより高度な専門性が求められると考えられる。もちろんカルテ記録，文書記載の自動化や，診断補助などで恩恵を受ける部分も多くなるだろう。骨折の診断では，自動診断の結果が心電図の自動所見のように付随してくる時代もそう遠くないと思われる。骨粗鬆症診断も胸部や腹部，骨盤の単純X線像や他目的で撮影したCTなどから自動的に診断され，未診断症例が減ることが期待される。

AIに期待するのは，自動診断などによる医療の効率化だけでなく，大量データの自動解析による新しい医学的発見である。鉱脈探しの新しい探査ツールが増えたことになるが，鉱石発見の確率は決して高くないことは，他の研究手法と同様である。いかに良質の大規模データベースを整備し，AI研究者のアクセスを担保し，電子カルテ内に直接AIを導入できる仕組みを構築するかが，今後の日本の医療技術の発展に重要になってくると思われる。

髙尾　正樹
Masaki TAKAO，愛媛大学大学院医学系研究科，整形外科学