ニュース

google の大型モデル (medpalm 2) が米国医師免許試験で優勝してからほぼ 2 年が経ちますが、人工知能 (ai) は臨床医の「仮想敵」になる資格があるのでしょうか?

今年7月、nature medicine誌に掲載された論文では、最先端の大言語モデル（llm）でもすべての患者に対して正確な診断を下すことはできず、診断精度（73％）は人間の医師（89％）よりも大幅に悪いことが示された。 %); 極端な場合（胆嚢炎の診断）、llm の精度はわずか 13% です。

しかし、北京の清華長庚記念病院神経センターの医師、pi jingtao氏にとっては、今年aiによって「教訓を教わった」に過ぎない。 8月下旬、pi jingtao氏が参加した霊西医学の大規模な脳血管疾患モデルが正式に発表された。このモデルは、同氏の病院の神経センターのwu jian教授のチームの指導の下で開発されたものである。中国初の特定疾患に基づく医療用人工知能モデル。

「大規模モデルの機能は強いこともあれば弱いこともあり、それを自由に使用することを許可することはできません。疾患別の大規模モデルとchatgptの最大の違いは、aiを使用して偽の診断を捏造することです」とpi jingtao氏は述べた。壊滅的な結果を避けるために、芽を摘んでください。

8月下旬、lingxi medicineの脳血管疾患に特化した大規模モデルが正式にリリースされた。このモデルは、北京の清華長庚記念病院神経センターのwu jian教授のチームによって開発された。これは、初の医療用人工知能モデルである。中国の特定の病気について。写真は霊渓医学大型モデル技術交流会の様子です。 写真提供：インタビュー対象者

ベンチマークの専門家と疾患の専門家

中国の四大慢性疾患の一つである脳血管疾患の初発患者の約3分の2は60歳以上の高齢者であり、「発生率、有病率、死亡率、再発率が高い」。特徴。我が国の65歳以上の高齢者人口は2021年現在で2億人を超えており、特に脳血管疾患の医師不足と質の偏りの問題が顕著です。

「初等病院には一般開業医が不足しているわけではないが、専門医や専門家が不足している。これが大規模モデルによって解決される問題である。脳血管疾患の大規模モデルは協力の産物である」とpi jingtao氏は述べた。医療機関とテクノロジー企業の間で。具体的には、h3c グループが技術人材、ai アルゴリズム、コンピューティング能力を提供する一方、北京清華長庚記念病院と清華大学はビッグデータと臨床ニーズを提供して、臨床医向けの補助診断ツールを共同で作成します。

wu jian教授はかつて、医療用人工知能には医療資源の不足を緩和し、医療サービスのレベルを向上させる上で大きな可能性と利点があると述べました。その核心は、膨大な健康データの詳細なマイニングとインテリジェントな分析にあり、臨床診断と治療の精度と効率を大幅に向上させることができます。

現在、この大規模モデルの中核機能は、医療記録から重要な情報を分析および抽出し、それを臨床知識ベースと照合し、最終的には臨床ガイドラインに準拠した標準化された治療推奨事項を提供することです。

一方で、臨床医は減感された臨床経過情報 (患者の個人情報を除く) を入力でき、大規模なモデルが最終的な治療計画を生成します。その一方で、大規模モデルが病気の経過情報の欠落を検出した場合、医療記録の標準化を確実にするためにタイムリーに補足を行うよう医師に通知します。

一方、臨床医は患者の訴え（主な症状や期間など）などの簡単な情報を入力することもでき、医師がクリックした選択肢に基づいて、大規模なモデルが選択的な対話を通じて診察の方向性を導きます。そして治療プロセスは徐々に改善され、医師の科学的根拠に基づいた能力が向上します。

プロフェッショナリズムは 2 つの側面に反映されます

pi jingtao 氏の見解では、chatgpt などの一般的な大規模モデルと比較して、疾患固有の大規模モデルの専門性は思考連鎖と知識ベースに反映されています。脳血管疾患の大規模モデルを例にとると、そのデータ ソースには 2 つの部分が含まれています。1 つは減感作された臨床データであり、疾患の特定の特徴、発症状態、診断と治療のプロセスなどの包括的な情報が含まれます。もう 1 つの部分は、公開されている臨床ガイドライン、多数の神経学および神経科学の教科書および参考書籍であり、データベースの中核を形成します。大規模なモデルはこの知識を直接受け取ることができないことに注意してください。その代わりに、臨床医やエンジニアリングチームによって再編成される必要があり、臨床ガイドラインのフレームワークと主要な内容は、入力される前にコンピューターが理解できる言語とプロセスに変換される必要があります。大きなモデルを与えます。

「制限なしで直接栄養を与えると、大きなモデルは他の側面に分岐し、いくつかの新しい理解が生まれるでしょう。しかし、臨床ガイドラインはすでに標準化された診断と治療の推奨事項の最高レベルであり、これに基づくいかなる修正も誤りであり、私たちが行うものではありません」ピ・ジンタオ氏は記者団に対し、大規模なモデルを「従順」にするためには、コンピューターが「理解できる」知識を与えることに加えて、臨床医の一連の「思考の連鎖」をコンピューターに教えることがより重要であると語った。そして、この能力を利用して、さまざまな患者の臨床データについて推論を行います。

例えば、脳血管疾患の医師の診断と治療のプロセスには、病歴の聴取、身体検査の実施、補助検査の検討、総合的な分析を経て正確な診断が下されることが一般的です。診断結果に基づいて、医師は患者の特定の病気の原因とその他の基礎疾患を標準化された診断と治療の推奨事項と組み合わせて検討し、標準化された治療計画を立てます。

このプロセスでは、患者の苦情が異なれば、調査の方向も異なります。しかし、問題は、大規模なモデルの思考は「発散的」であるにもかかわらず、思考の連鎖を独立して構築する能力がないことです。そのため、エンジニアリングチームは臨床診断と治療のシナリオを深く理解し、医師の臨床思考を変換する必要があります。機械が理解できる思考へと導きます。このプロセスにより、臨床医と技術チームは相互学習を体験できます。

「このギャップは主に言語コミュニケーションの障壁です。たとえば、私たちは思考の連鎖を理解していませんし、彼らは異なる病気間の関係を理解し​​ていません。しかし、これは私たちの研究に重大な影響を与えることはありません。私たちは相手の分野の基本的な知識を理解しているので、これで問題は解決します」とpi jingtao氏は述べた。

臨床医には依然として責任がある

pi jingtao氏は、現在北京の清華長庚記念病院神経センターで脳血管疾患の大型モデルの臨床検証が行われていると明らかにした。これまで、彼と彼の同僚は、実際の症例を使用したり、複雑な臨床シナリオをシミュレートしたりする大規模モデルの内部テストを実施してきました。このテストは以前の単純なテストに基づいており、さまざまな複雑さ、さまざまな言語スタイル、さまざまなレベルの医師の医療記録を理解する大規模モデルの能力を評価することを目的としています。

その中で、pi jingtao 氏を最も悩ませている問題の 1 つは、大規模なモデルにエラーがあった場合、臨床医が混乱しないようにするにはどうすればよいかということです。言い換えれば、臨床医は大規模モデルとどのように関わるべきでしょうか?

この矛盾は最初の内部テスト中に明らかになりました。当時、pi jingtao 氏は複雑な臨床シナリオをシミュレーションしましたが、大規模なモデルによって与えられた治療計画は、予想される「標準的な答え」とは異なりました。その後、技術者が介入して大規模モデルの推論プロセスをたどり、考えられるエラーを見つけようとしましたが、無駄でした。そして、pi jingtao 氏が臨床ガイドラインに一致する「標準的な回答」を使用したところ、彼自身の診断と治療のアイデアに盲点があったという、彼に感銘を与える結果が現れました。

「このモデルが最初に設計されたとき、それが臨床現場で使用できるかどうか、また（診断と治療の効率を）強化および改善できるかどうかはわかりませんでした。しかし、この出来事の後、それは私に大きな自信を与えてくれました。」はこの経験を要約し、患者の臨床症状が総合的な結果であることを発見しました。たとえば、患者は神経学的問題で入院している可能性がありますが、心血管、腎臓、肝臓の状態の変化も経験している可能性があります。医師は標準化された専門トレーニングを受けていますが、診断や治療の考え方には依然として盲点が存在する可能性があり、毎回包括的な診断と治療計画を提供できるとは保証できません。

さらに、臨床ガイドラインは常に更新されており、すべての医師がタイムリーに知識を更新できるわけではありません。医師の知識の更新が遅れている場合、大規模なモデルがこれらのギャップを補うのに役立ちます。

しかし、ガイドラインを読んで判断することは、臨床医にとって依然として放棄できない基本的なスキルです。 pi jingtao氏は、大規模モデルによって提供された診断と治療計画が医師自身の判断と矛盾していると医師が判断した場合、単にそれを受け入れるか拒否するのではなく、その理由を徹底的に調査する必要があると述べた。この思考プロセスは、医師の臨床診断と治療能力を向上させるのに役立ち、臨床補助診断ツールとしての大型モデルの究極のビジョンです。結局のところ、大規模なモデルから結論は得られますが、診断と治療のプロセスに責任を負うのは依然として臨床医自身です。

より多くの人に参加を呼びかけます

2023年7月、google researchとdeepmindが共同開発した世界初の大規模一般医療モデル「med-palm m」が正式リリースされた。データによれば、この大型モデルは臨床言語、画像処理、ゲノミクスを理解する能力があることが示されており、間もなく臨床現場で使用されることが期待されています。

「2023年医療・健康ai大型モデル産業調査報告書」によると、2023年10月現在、国内で公開されている大型モデルの累計数は238件に達しており、そのうち50件近くが患者の診察や医師助手、医療従事者が関わる医療用大型モデルとなっている。医薬品の研究開発、健康科学の普及、その他多くの分野。 pi jingtao 氏の観察によると、多くの大規模な医療モデルの開発は「一般診療」から始まり、ユーザーがさまざまな病気について相談できるように、すべての専門分野をカバーする大規模な一般診療モデルを直接構築しようとしています。

しかし、脳血管疾患の大規模モデルの構築に参加した後、wu jian教授のチームはこのモデルに疑問を表明した。彼らは、疾患の臨床ガイドラインを整理するのは難しく、対応する思考連鎖を作成するのにも時間と労力がかかり、同じ方法を使って一般的な実践モデルを短期間で訓練するのは困難であることを発見しました。学期。つまり、現在の一般診療モデルでは医学を普及させることはできるが、特定の専門領域において効果的な臨床指導を提供することは困難である。したがって、wu jian教授のチームの研究開発のアイデアは、専門的な疾患から始めて、その後一般医学に移行することです。

「脳血管疾患に特化した疾患モデルが成功すれば、その成功体験を他の神経疾患にコピーすることができ、神経疾患を包括的にカバーすれば、特化した大きなモデルとなり、神経内科の経験を他科にコピーすることができ、 「pi jingtao 氏は、wu jian 教授の見解では、国内の病気が増え、病気の負担が大きくなるほど、特殊な疾患モデルに対する臨床需要が高まると述べました。たとえば、私の国で発生率が最も高い 4 つの主要な慢性疾患である高血圧、糖尿病、冠状動脈性心疾患、脳血管疾患には、いずれも大規模なモデルを開発するための非常に広い余地があります。

脳血管疾患の大型モデルの記者会見で、呉建教授は全国の神経疾患分野の専門家と人工知能分野の専門家に、革新的な医療モデルの改革の可能性を把握するために協力するよう呼びかける募集命令を出した。技術を活用し、診断と治療の現状を改善します。同氏は、学術的な障壁を打ち破ることができれば、大規模な医学モデルの繰り返し作業を完全に回避できると述べた。

「これは私たちだけでできることではありません。」とpi jingtao氏は言いました。

毎日の経済ニュース