Revolutionizing healthcare: the role of artificial intelligence in clinical practice
Shuroug A. Alowais, Sahar S. Alghamdi, Nada Alsuhebany, Tariq Alqahtani, Abdulrahman I. Alshaya, Sumaya N. Almohareb, Atheer Aldairem, Mohammed Alrashed, Khalid Bin Saleh, Hisham A. Badreldin, Majed S. Al Yami, Shmeylan Al Harbi & Abdulkareem M. Albekairy
BMC Medical Education volume 23, Article number: 689 (2023)
はじめに
医療システムは複雑で、すべての関係者にとって困難なものであるが、人工知能（AI）は医療を含む様々な分野を変革し、患者のケアと生活の質を向上させる可能性を秘めている。AIの急速な進歩は、臨床に組み込むことで医療に革命をもたらす可能性がある。臨床診療におけるAIの役割を報告することは、医療提供者に必要不可欠な知識とツールを身につけさせることで、導入を成功させるために極めて重要である。
研究の意義
本総説は、疾病診断、治療推奨、患者エンゲージメントへの応用の可能性を含め、臨床診療におけるAIの現状について包括的かつ最新の概要を提供する。また、倫理的・法的考察や人間の専門知識の必要性など、関連する課題についても考察している。そうすることで、医療におけるAIの意義についての理解を深め、医療機関がAI技術を効果的に導入することをサポートする。
材料と方法
今回の調査では、PubMed/Medline、Scopus、EMBASEなどの関連文献を包括的にレビューし、医療システムにおけるAIの利用について分析した。フォーカスクエスチョンでは、医療現場におけるAIの適用がもたらす影響と、この適用がもたらす潜在的な成果を探った。
結果
ヘルスケアへのAIの統合は、疾病診断、治療法の選択、臨床検査を改善する優れた可能性を秘めている。AIツールは大規模なデータセットを活用し、パターンを特定することで、ヘルスケアのいくつかの側面において人間のパフォーマンスを上回ることができる。AIは、ヒューマンエラーを最小限に抑えながら、精度の向上、コストの削減、時間の節約を実現する。個別化医療に革命をもたらし、投薬量を最適化し、集団健康管理を強化し、ガイドラインを確立し、バーチャルヘルスアシスタントを提供し、メンタルヘルスケアをサポートし、患者教育を改善し、患者と医師の信頼関係に影響を与えることができる。
・診断におけるAI
AIは、MLやディープラーニングを通じて、膨大なデータセットからパターンや異常を特定し、意思決定を支援し、ワークフローを管理し、タスクを効率的に自動化することで、診断精度を高めている。
AIは、乳がん診断における偽陽性・偽陰性の低減において有望な結果を示しており、感度と早期発見において放射線科医を凌駕している。
ディープラーニングは、皮膚がん、糖尿病性網膜症、心電図異常、肺炎の正確な診断に活用されており、多くの場合、人間の精度や感度を上回っている。
診断におけるAIの応用はまだ初期段階にあるが、急速に進化しており、医療画像、X線、CTスキャン、MRIの研究が進行中で、臨床医にリアルタイムの支援と洞察を提供することを目指している。
・臨床検査室におけるAI：
AIは、微生物の検出、同定、定量化、疾患の分類など、検査プロセスの精度、スピード、効率を向上させることで、臨床検査室を変革しつつある。
臨床微生物検査室における自動化とAIは、数多くの検査技術を標準化し、検査室の効率化に貢献し、適切な抗生物質治療の選択を容易にしている。
臨床検査室におけるAIの統合は、適切な抗生物質治療レジメンを選択する上で極めて重要であり、様々な感染症の治癒率に影響を与える。
・救急部（ED）におけるAI：
疾病負担と医療サービスに対する需要が高まる中、効率性、正確性を高め、患者の転帰を改善するために、救急外来ではAIが不可欠と考えられている。
AIアルゴリズムは、緊急性に基づく患者のトリアージ、待ち時間の短縮、患者の流れの改善、資源配分の最適化を支援する。
AIを搭載した意思決定支援システムは、医療提供者にリアルタイムで提案を提供し、診断と治療の決定を支援し、高額で致命的な診断ミスのリスクを低減します。
AIは、患者の需要を予測し、治療法の選択を最適化し、救急外来の在院日数を提案することで、救急外来における医療資源の最適化を支援する。
・ゲノム医療におけるAI：
AIと遺伝子型解析の融合は、疾病の監視、予測、個別化医療に有望であり、新たな疾病の脅威の監視を可能にし、特定の疾病に関連する遺伝子マーカーに関する洞察を提供する。
AIとMLは、特徴的な形質や病態に関連する遺伝子変異の同定に役立ち、がんを臨床的に関連する分子サブタイプに分類することを可能にする。
ハイスループットゲノムシーケンス技術とAIやMLの進歩の組み合わせは、個別化医療と創薬を加速させ、新規治療標的の同定と既存薬の再利用を促進している。
AIによる治療支援：
AIは、複雑なデータセットの分析、転帰の予測、治療戦略の最適化によって個別化治療を進め、リアルタイムの推奨を提供し、臨床医の治療決定を支援している。
AIは治療効果予測や治療選択において大きな有効性を示しており、複数の薬剤において高い予測精度を達成し、より効果的な治療選択のための臨床意思決定支援システム開発の可能性を示している。
アルゴリズムを効果的に訓練し、実環境における信頼性を確保するために必要な包括的データを作成するためには、さらなる前向きおよび後ろ向き臨床研究と研究が不可欠である。
・投与量の最適化と治療薬モニタリング（TDM）：
AIは投与量の最適化と薬物有害事象の予測において極めて重要であり、個々の患者に合わせた投薬量の最適化と潜在的な薬物有害事象の予測により、患者の安全性を高め、治療成績を向上させる。
CURATE.AIのようなAI由来のプラットフォームは、個々の患者データに基づいて化学療法の投与量を動的に最適化するために開発され、標準治療と比較して化学療法の投与量を削減し、患者の奏効率を向上させる潜在的な利点を示している。
TDMにおけるAIは、遺伝的体質、病歴、その他の要因に基づいて特定の薬剤に対する個人の反応を予測することにより、薬剤投与に革命をもたらし、より効果的な治療と患者の転帰の改善につながる。
TDMにおけるAIの応用には、薬物-薬物相互作用の予測や、副作用発現リスクの高い患者の特定が含まれ、副作用のリスクを低減し、患者の転帰を改善するのに役立っている。
集団健康管理におけるAIの支援：
・予測分析とリスク評価：
AIとMLは、慢性疾患を発症するリスクのある患者や、病院再入院のリスクが高い患者を特定するための予測分析にますます使用されるようになっており、早期介入と医療費削減に役立っている。
AIは、予測モデルの精度と効率を向上させ、特定の公衆衛生管理タスクを自動化することで、ヘルスケアを最適化する。
しかし、予測分析の成功は、データの質、技術インフラ、介入の適切性と有効性を確保するための人的監督にかかっている。
AIは、新たに発表されたデータを特定し、エビデンスに基づくガイドラインをリアルタイムで策定することで、医療におけるガイドラインの確立に変革をもたらしつつある。
複数の専門機関が、医療におけるAIの開発、報告、検証のためのフレームワークを開発し、AIアルゴリズムの設計と報告における透明性の奨励に注力している。
規制機関はガイドラインを策定し、医療におけるテクノロジー主導の未来を形成するために、AIの規定を戦略的優先事項とみなしている。
・医薬品情報と相談におけるAI：
AIは、医療従事者の実用的な意思決定ツールを支援する新たな支援システムを提案し、病院の開業医にリアルタイムで正確な最新情報を提供する。
AIは、さまざまなリソースから薬剤関連情報を迅速かつ包括的に検索し、個々の患者に対する具体的な推奨情報を生成することで、医療従事者が薬剤の選択と投与量を最適化できるようにする。
AIを活用した患者ケア
・バーチャル医療支援：
AIを搭載したアプリケーションやチャットボットを使用したバーチャル・ヘルスケア・アシスタントは、患者に合わせたケアを提供するよう設計されており、根本的な問題の特定、医療アドバイスの提供、医師の予約、バイタルサインのモニタリングなどのタスクを支援する。
24時間利用可能で、医療をより身近なものにし、人間の医療提供者の負担を軽減する。
・メンタルヘルス支援：
AIを搭載したツールは、メンタルヘルス状態の早期発見・診断を支援し、オーダーメイドの治療やサポートを提供することで、精神科医の仕事を補うことができる。
しかし、使用されるデータやアルゴリズムに偏りが生じるリスクや、メンタルヘルスケアにおけるパーソナライゼーションや共感の欠如など、限界やリスクも存在する。
・患者教育の強化と医療従事者のバーンアウト緩和におけるAI：
AIを搭載したチャットボットは、様々なヘルスケア場面で患者教育のために導入されており、個人が医学的診断、治療選択肢、予防策を理解することを可能にしている。
AI技術は、患者教育資料をさまざまな読解レベルに書き換えることができ、患者が自分の健康をよりコントロールできるようにする。
しかし、AIが提供する情報の正確性、信頼性、透明性の確保や、コミュニケーションにおける人間味と共感の維持といった課題に取り組む必要がある。
・ヘルスケアにおけるAIに対する一般市民の認識：
医療システムにおけるAIの導入と統合を決定する上で、一般市民の認識は極めて重要である。
調査によると、人々が医療従事者よりもAIを好むかどうかについては、さまざまな結果が示されており、健康関連の目的でAIを使用したり、AIと対話したりすることに総合的な意欲を示している調査もあれば、複雑な問題やデリケートな問題については人間の医療従事者を好むことを示唆する調査もある。
AIに対する人々の信頼や受容は、年齢、性別、教育レベル、文化的背景、テクノロジーに関する過去の経験など、さまざまな要因によって異なる可能性がある。
ヘルスケアにおけるAIの臨床導入のための今後の方向性と考察：
・障害と解決策
AIは臨床診療に革命をもたらす可能性を秘めているが、質の高い医療データの不足、データのプライバシー、入手可能性、セキュリティに関する懸念、AIツールに対する人間の貢献における潜在的な偏りといった課題に直面している。
これらの課題に対処するには、学際的なアプローチ、革新的なデータ注釈方法、厳密なAI技術、モデル、コンピュータ科学者と医療従事者の協力が必要である。
適切な適応を確保し、法的・倫理的問題を回避するためには、医療従事者に適切なトレーニングと教育を提供し、医療カリキュラムにAI関連のトピックを組み込むことが極めて重要である。
・法的、倫理的、リスク
医療におけるAIとビッグデータの導入には多大なコストとリスクが伴うため、AIとデータ駆動型医療技術の商業的利益を保護する必要がある。
特にデータのプライバシーや守秘義務違反、インフォームド・コンセント、患者の自律性に関する倫理的リスクへの対処は必須である。
米国のHIPAAや欧州のGDPRのような強固なデータ保護法は、個人のプライバシーを守るために最も重要である。
患者データを侵害し、重要な医療業務を中断させるサイバー攻撃の増加リスクは、データプライバシーを保護し、システムの完全性を維持するための予測アルゴリズムと堅牢なAIアルゴリズムの実装を必要とする。
結論
ヘルスケアにおけるAIの統合は、患者ケアに革命をもたらし、疾病診断の正確性、効率性、費用対効果を高め、集団健康管理、ガイドライン策定を支援する計り知れない可能性を秘めている。
しかし、医療におけるAIの責任ある効果的な導入には、バイアス、パーソナライゼーションの欠如、データの質、プライバシーなどの限界に対処し、包括的なサイバーセキュリティ戦略と強固なセキュリティ対策を開発する必要がある。
医療機関、AI研究者、規制機関、その他の利害関係者の協力は、AIアルゴリズムとその臨床的意思決定における使用に関するガイドラインと基準を確立する上で極めて重要である。
医療におけるAIの可能性を最大限に引き出し、患者転帰の改善、効率性の向上、個別化された治療と質の高いケアへのより良いアクセスを確保するためには、研究開発への投資、継続的なイノベーション、学際的コラボレーション、信頼構築、患者教育が不可欠である。
