情報技術革命と医療の未来について | 同友会グループ

今年10月下旬に、米グーグルが量子コンピュータを使ってスーパーコンピュータ（スパコン）の性能を大幅に上回る性能を実現したというニュースが流れたのをご覧になった方も多いと思います。曰く、最先端のスパコンが約1万年かかる計算を3分20秒で解き「量子超越性」を実証したとのこと（これに対してはIBMが反論を公開中）。また少し前の話ですが、2016年3月に同じくグーグルのグループ会社が開発した囲碁AI（人工知能）「アルファ碁」に、世界的なプロ棋士が完敗したニュースが大きく報道されたことも記憶に新しく、このままいくと2045年には人工知能が人間の脳を超えるシンギュラリティ（技術的特異点）に到達するのでは、とも言われています。

量子力学の第一人者であるリチャード・ファインマンが「もしも量子力学を理解できたと思っているならば、それは量子力学を理解できていない証拠だ」という言葉を残しているぐらいですので筆者が理解出来るはずもないのですが、量子コンピュータやAIの他にも最近は5G（第5世代移動通信システム）、IoT（モノのインターネット化）、RPA（ロボティック・プロセス・オートメーション）といった用語をメディアで目にしない日はなく、デジタルテクノロジーがこれまで無縁と思われてきた暮らしやビジネスの隅々にまで入り込む時代が近い将来に到来して、AIoT（AI＋IoT＝人工知能を搭載したモノのインターネット化）が第4次産業革命を起こすといった見方が強まっているようです。

こうした動きは、膨大な情報量（ビッグデータ）ばかりが先行し人の手に持て余した時代を経て、人工知能や量子コンピュータによる処理の高度化・自動化・高速化のおかげで、それらの情報を人智を超えた水準で活用し得る環境が整いつつあることを意味していますが、それでは医療の世界ではこうした情報技術革命によってどのような未来が期待されているのでしょうか。

御存知のように日本では世界で類を見ない速度で高齢化が進行しています。医療は病気にかかわる究極の個人情報を扱い、また法律や倫理問題など多くの壁が存在するため最新テクノロジーの導入には慎重な部分もありますが、急速な高齢化は近い将来労働力人口が減る一方で医療を必要とする高齢者は増加することを意味しており、医療の領域こそ情報技術の応用に期待が高まっています。こうした中で厚生労働省は2017年6月に「保健医療分野におけるAI活用推進懇談会 報告書」を発表し、その中で重点領域として＜表1＞の6領域が選定されました¹⁾。

領域	施策内容
①ゲノム医療	国立がん研究センターにゲノム情報管理センターを整備し、臨床情報や遺伝子解析情報等を横断的に解析するデータベースを構築
②画像診断支援	関連医学会が連携して画像データベースを構築し解析することで正確な診断の補助となる提言を行う
③診断・治療支援	論文や診療データの蓄積によって最新の知見に基づいた提案を行う
④医薬品開発	創薬ターゲットの探索に向けた知識データベースを構築すると共に、製薬会社とIT企業のマッチングを支援する
⑤介護・認知症	介護における早期発見・重症化予防に向けたデータ収集及び予測ツールの開発、介護計画立案の自動化
⑥手術支援	手術関連データを相互連結するインターフェースの標準化によって安全で精度の高い手術を実現する

今回のニュースでは特に①～③について解説します。

①ゲノム医療

ヒトの遺伝情報（ゲノム）は個人によって配列が異なり、その変異が疾患の原因や薬剤感受性の違いとなることから診断や治療に有用であることは以前から分かっていましたが、約30億もの膨大な数の塩基対と呼ばれる単位で構成されているため、これまでなかなか解析が進んでいませんでした。近年の情報技術の発展を受けて、独立行政法人国立がん研究センターでは「体液中マイクロRNA測定技術基盤開発プロジェクト」において2018年度までの5年間にわたって胃・食道・肺・肝臓・胆道・膵臓・大腸・卵巣・前立腺・膀胱・乳・肉腫・神経膠腫の13種類のがんを1回の採血で発見できる次世代診断システムの開発が行われました²⁾。

いわゆるリキッド・バイオプシーについては以前のメディカルニュースでも取り上げていますが、マイクロRNAは血液や唾液、尿などの体液に含まれる22塩基程度の小さなRNA（リボ核酸）のことで、近年の研究でがん等の疾患にともなって患者の血液中でその種類や量が変動することが明らかになっています。さらに抗がん剤の感受性の変化や転移、がんの消失等の病態の変化にも鋭敏に相関するため、全く新しい優れた診断マーカーとして考えられており、いくつかのがんについては近いうちに上梓される見通しです。多くのがんを早期のうちから95％以上の感度で検出できるとされており、革新的な診断ツールとなり得るか期待が高まっています³⁾。

②画像診断支援

日本国内に設置されているCT・MRIの数は他の先進国と比較して突出して多く、その一方で放射線科専門医は少ない事から全国のCT・MRI 検査を全てレポートするためには現在より 2倍以上の放射線科専門医が必要であると言われていますが、画像診断系の医療機器はAIの深層学習（ディープラーニング）との親和性が高いとされています。既に2016年の時点で約5000件の診断付画像データを読み込ませれば支援目的では実用に耐えうる性能を発揮し、1000万件あれば人間の能力に匹敵する（あるいは超える）とされていて、実際に広島大学の評価実験ではAIを導入することでCTの診断時間を最大1/6に短縮、かつ類似症例検索の正解率を85%に引き上げることに成功し、実用の可能性を示しました⁴⁾。今後は健診で大量に発生するマンモグラフィや胸部X線画像においてもAIによる画像診断支援の実用化が見込まれています。

深層学習によるAI導入は放射線画像に限らず皮膚所見や病理所見、眼底、超音波画像など多くの分野で期待されていますが、内視鏡検査も例外ではありません。リアルタイム内視鏡診断AIがビルトインされた内視鏡が実用段階に入りつつあり、これを用いると内視鏡の検査中に病変部位を指摘することが可能になります。医師の負担軽減や見落とし率の低下に大きく寄与することが期待されています⁵⁾。

③診断・治療支援

診療の現場に立つ医師には常に最新の知見を把握しておくことが望まれますが、生命科学の論文が年に125万件以上も公表されている中で、日々診療以外の限られた時間で自身に関連するものだけでも読破するのは至難の業です。AIは膨大なデータを高速に、また人間と違って疲れを知らずに昼夜を問わず処理を続けることが可能で、加えて深層学習によってデータを蓄積するほど自律的に賢くなるため、時には専門医でも気づかない診断や治療方針を提示することも可能になります（メディカルニュース2017年11月号）。

内閣府が2018年に発表した「戦略的イノベーション創造プログラム（SIP）」によると、代表的な疾患の地域間格差はがんで最大2.30倍、脳卒中で5.11倍、心臓病では10.89倍⁶⁾もあるとされていますが、診断・治療支援を行うAIが将来一般的に用いられるようになれば全国の医師が一様に臨床現場で質の高い最新医療にアクセス出来るようになり、医療水準自体の向上と同時に格差解消に寄与できると考えられています。

それでは、このような情報革命が医療の世界に広く行き渡った時、最終的に医師は不要になるのでしょうか。シンギュラリティが達成されて以降の人とAIの役割については想像の域を出ませんが、現段階では一部の業務をＡＩが完全に担うことはあってもＡＩはあくまで補助ツールであり、医師が必要とされることに変わりはないと考えられています。

AIは与えられた情報を大量に取り込み定量的に計算・分析し、病変を指摘したり有効な治療法を選択することは得意ですが、「正解が一つではない、はっきりした正解がない問題」を考えることがまだまだ苦手です。ある治療が病気に効果があるとわかっていても、患者さんによってこれまでの闘病に対する受け止め方や死生観は様々で、これ以上は自然に任せたいと希望されるかもしれません。医学的な「正解」であっても個人にとっては「最適解」ではないということが現実にはよくあります。AIでも複数の要素を組み合わせて判断することはできますが、本来取り入れるべき要素は人の数だけほぼ無限にあり、人の持つ「総合的に判断する能力」を超えることは容易ではないでしょう。また、生死の重いテーマを突き付けられた患者さんは心の支えや癒しを求めることが多いでしょうが、そうした「ホスピタリティ」もやはり知識と心を併せ持った医療スタッフによって初めて与えられるものではないかと思います。

情報技術の発展を取り込むことで診断や治療法の選択における労力が減れば、人によって正解が変わるような「より深い問題」に取り組むための余裕が、医療者にも患者側にも生まれるかもしれません。「AIやロボットが強い部分は任せて、人にしかできないことに専念する」そうした未来の医療スタイルが近い将来訪れる事を期待したいと思います。