ヘルスケアにおける AI とは?
ヘルスケアにおける AI とは?
人工知能 (AI) は、研究や新薬開発から患者ケア、運用、医療データ管理まで、ヘルスケアのあらゆる側面を変革します。このガイドでは、医療機関が AI を利用して、様々な分野で患者と医療専門家の効率性を高め、成果を向上させる方法について説明します。
医療機関は、より良い患者ケア体験を提供しようと努力する中で、多くの課題に直面しています。質の高い医療提供に対する需要が増大するにつれて、医療費、規制上の懸念、および運用上のボトルネックも増大しています。多くの場合、医療従事者は、医療の完全性を維持しながら患者の治療結果を改善するために、提供されるリソースを最適化しなければならないというプレッシャーを感じています。
AI、特に生成 AI は、医療機関が課題に取り組むのに役立ちます。生成 AI は、データを大規模に分析し、人間が見逃しがちな複雑なパターンを特定することに長けています。医療分野では、AI テクノロジーが医療施設が収集する膨大で多様なデータの処理に役立ち、さまざまな革新的なユースケースが導入されています。医療スタッフは AI アプリを使用してワークフローを強化し、より正確で効率的な医療を提供できます。同様に、医学研究、請求、処方、その他の医療関連のプロセスでも、AI システムが提供するデータ主導型のインサイトの恩恵を受けます。
当初、医療機関はインフラのコストや倫理的リスク、データセキュリティ上の懸念から AI の導入をためらっていました。ただし、AI が進化するにつれて、クラウドプロバイダーによるサポートが強化され、その結果、費用対効果が高く、コンプライアンスに準拠した安全な AI 対応環境が実現します。たとえば、組織は Amazon Bedrock を使用して、一般的な AI モデルを使用して医療 AI アプリケーションを構築し、従量制料金を利用できます。
医療における AI の用途とは?
AI テクノロジーにより、医療提供者は公衆衛生管理、研究、患者ケアに関連する問題を克服できます。
医学研究
創薬、遺伝子研究、臨床試験は、医療の発展に不可欠です。しかし、これらの分野では、多くの場合、何年にもわたる慎重な研究、実験、検証が必要です。この段階では、医学研究者は膨大なデータセットを統合し、その正確性を検証し、新しい仮説につながるパターンを特定する必要があります。研究者単独では、データの不整合が生じるリスクがあり、それが研究成果の遅れにつながる可能性があります。
AI は、臨床データセットをより迅速に識別、分類、分析できます。AI を使えば、研究者はこれまでにかかっていた時間の何分の 1 かの時間で新薬を開発できます。AI は遺伝子研究も支援しており、科学者はマルチオミクスおよびマルチモーダル解析に時間を費やしています。たとえば、がん研究を実施する際、Roche は AWS Healthomics を使用して分析時間を 1 年から 3 か月に短縮しています。AWS HealthOmics を活用することで、研究者たちはゲノム、トランスクリプトーム、その他のオミクスデータからインサイトを得て、より優れた治療法の開発につなげています。また、AWS HealthOmics を使用して、候補薬の有効性を自動的に評価することで、薬の開発と臨床試験を迅速化することもできます。
診断
ライフスタイルの変化により、世界中の人々が予防可能な病気にかかるリスクにさらされています。医療現場の最前線にいる医療従事者は、患者の相談、診断、治療を迅速に行うことが求められています。しかし、従来の医療技術が必ずしも効率的であるとは限りません。そのため、医師は患者のニーズに応えるのではなく、管理業務に追われることになります。
AI を戦略的に統合すれば、診断を合理化し、医療従事者の貴重な時間を解放するのに役立ちます。生成 AI とコンピュータービジョン技術により、腫瘍、骨折、その他の異常を特定し、タイムリーに医療介入を行うこともできます。たとえば、検査技師は AWS HealthImaging を使用して大量の医療画像をクラウドに保存し、医師はその画像を後で取得できるようにしています。HealthImaging は DICOM P10 をサポートし、高度なファイル圧縮技術によりストレージコストを最大 40% 削減します。
ヘルスケア AI テクノロジーは、病気の診断時間を短縮するだけでなく、患者の治療にも同様に役立ちます。医師は AI を活用して、患者の病歴、現在の診断、およびその他の考えられるリスクを分析することにより、治療計画を立てることができます。看護師は、AI を活用した遠隔医療技術を使用して患者をリモートで監視できます。
ヘルスケアのデータ管理
臨床医は、診断、治療、請求、その他の医療目的で EHR にアクセスして共有します。AI を使用すると、適切な患者記録やその他の臨床データをより簡単に検索できます。AI 自動化システムはデータサイロを解消し、医療スタッフが必要な情報を瞬時に取得できるようにします。チームは、EHR と管理データを部門や組織間でより簡単に共有できます。これにより、患者さんのリハビリがより調整され、リアルタイムの観察に基づいた治療措置が受けられます。
たとえば、医師は AI モデルを搭載した Amazon HealthScribe を使用して、患者との会話を手作業で書き写すのではなく、医療メモに変換できます。
生成 AI は医療機関におけるデータアクセスを民主化しますが、医療関係者は患者のプライバシー、データセキュリティ、医療法の遵守を確保するために適切な対策を講じる必要があります。AWS Wickr は、医療スタッフが患者情報を安全にやり取りできるようにするクラウドメッセージングサービスです。米陸軍遠隔医療・先端技術研究センター向けに遠隔医療システムを開発する際、Deloitte は Wickr を軍のネットワークと統合し、医療従事者が負傷した戦闘員に最小限の安全リスクで救命救急を提供できるようにしました。
臨床チャットボットとバーチャルアシスタント
多くの場合、医師は日常的な作業に追われて、患者ケアの改善に専念できる時間が奪われてしまいます。たとえば、別の部門から診断結果を取得する必要がある場合があり、後で治療選択肢を策定する際にその結果を要約します。
AI モデルは、日常会話の理解と応答に優れています。 AI チャットボットを臨床プロセスと統合することで、医師は迅速な意思決定を行い、治療を迅速に行うことができます。たとえば、医師は Amazon Comprehend Medical を使用して、処方箋、医療処置、診断内容などから特定の医療用語を抽出します。
同様に、患者は AI 搭載のアシスタントと対話することで、よりパーソナライズされたポジティブな体験を楽しむことができます。たとえば、クリニックに電話して予約を取る代わりに、バーチャルヘルスアシスタントに予約の詳細を伝えることができます。
管理ワークフローの自動化
ヘルスケア AI のテクノロジーは、医療施設の管理機能をサポートします。患者のオンボーディングから請求や保険金請求まで、AI ソリューションは反復作業を自動化し、医療データを統合することで業務効率を向上させることができます。たとえば、医療スタッフは AWS インテリジェントドキュメント処理 (IDP) を活用して、医療記録から情報を抽出し、処理、分類できます。IDP は AI を使用して大量の健康データを要約し、それを実用的なインサイトに変えます。
リモート患者ケア
患者は、医療施設を出た後も継続的なケアを必要とする場合があります。これにより、特に患者の状態をモニタリングする際に、医療チームにとって運用面や物流面での課題が生じます。このような取り組みを支援するために、医療機関は患者が施設を出るときに着用するモノのインターネット (IoT) デバイスを導入しています。デバイスは継続的に健康データを安全なクラウドサーバーに送信し、それを AI モデルが分析します。たとえば、医療用 IoT デバイスのプロバイダーである BiOT は、AWS IoT Core を使用して、より接続性の高いリモート患者モニタリングシステムを開発しています。AWS IoT Core は医療機器をクラウドに接続し、データを安全に交換できるようにします。
ヘルスケアロボット工学
ロボットシステムは、医療処置において信頼できるアシスタントであることが証明されています。AI を活用することで、医療ロボットは臨床ワークフローをさらに強化できます。たとえば、AI ロボットアームは手術を支援したり、生検で抽出された組織サンプルの分析を行ったりできます。
日常業務においても、AI を活用したロボット工学は有用であることが証明されています。Diligent Robotics は、最前線の臨床医のために物を取ってくれる AI ロボット Moxi を開発しました。Amazon SageMaker の AI モデルを使用して開発されたこのロボットにより、看護師は患者と直接向き合わない作業から解放されます。Amazon SageMaker には、統合プラットフォームで AI アプリケーションを構築し、データを分析するためのツールが用意されています。
組織はどのようにして医療分野で AI を活用し始めればよいのでしょうか?
生成 AI は、さまざまな方法で医療業界に恩恵をもたらします。しかし、医師、患者、その他の医療関係者の利益を守るためには、責任ある AI の使用が不可欠です。医療に AI を導入する際に考慮すべき点がいくつかあります。
健康データの収集と保存
ヘルスケア AIア プリケーションは、さまざまな部門で医療データを収集、保存、共有して、医療チームが患者の健康について同じコンセンサスを共有できるようにします。AI ツール間で転送される膨大な量の患者データは、医療機関にとってデータセキュリティ、プライバシー、コンプライアンスの課題となっています。たとえば、米国で事業を展開する医療機関は、医療情報を保護する組織の責任を強調する Health Insurance Portability and Accountability Act (HIPAA) による規制を受けています。したがって、医療提供者は、AI のメリットを最大限に活用するために、安全なデータ保存および交換メカニズムを確立する必要があります。
AWS HealthLake は、医療提供者が医療データを大規模に保存および分析できるようにする HIPAA 適格サービスです。AWS HealthLake を使用すると、健康データを、権限のある医療スタッフがアクセスできるスケーラブルで安全なクラウドストレージに統合できます。たとえば、自閉症児を対象とする Cortica では、AWS HealthLake を使用して患者の病歴、行動評価、検査レポートを安全に保存しています。
RAG ワークフローの実装
生成 AI は公開データセットから学習し、モデルが幅広いテーマに関する質問に回答できるようにします。ただし、AI モデルは、特定の健康データでトレーニングされていない限り、組織専用のサービス、製品、または情報に関する質問に答えることはできません。新しい AI モデルをゼロからトレーニングするには、多大な労力、時間、コストが必要ですが、それに対する準備ができていない医療機関もあります。
代わりに、組織は検索拡張生成 (RAG) を使用して同様の成果を達成できます。RAG は、AI モデルが組織のナレッジベースにアクセスできるようにする手法です。AI モデルはクエリを受け取ると、ナレッジベースを検索して最新かつ正確な応答を提供します。
Amazon Kendra は、開発者が検索機能を追加してエンドユーザーがさまざまなデータソースから情報を発見できるようにする、高精度のエンタープライズ検索サービスです。Amazon Kendra GenAI Index は、医療機関が AI モデルをより効率的に実装するのに役立つ RAG とインテリジェント検索向けに設計された Kendra の新しいインデックスです。例えば、Orion Health は Amazon Kendra を使用して、顧客が会話型クエリを通じて健康情報に迅速かつ正確にアクセスできるようにしています。
AI 出力の検証
AI モデルは、ユーザーにはもっともらしく見える正確性の低い回答を生成する可能性があります。このような不正確さは、臨床ケア体験および医療における患者の幸福に影響を及ぼす可能性があります。したがって、AI ヘルスケアシステムを実装する際には、適切な保護手段が必要です。たとえば、LLM-as-a-judge アプローチは、医療データサイエンティストによる分析と、AI モデルの応答が有用であり、正しく、完全で、一貫性があることの確認に役立ちます。
AI だけに頼るのではなく、医療専門家が臨床上の意思決定に関与すべきです。これにより、診断、治療、その他の医療ワークフローに適用される前に、すべての決定が認定された専門家によって精査されます。
医療機関は Amazon Bedrock ガードレールを使用して、責任ある AI 慣行に沿った適切な保護手段を実装できます。AI の応答からハルシネーションをフィルタリングし、1 つのソリューション内でプライバシーと真実性の保護を構築およびカスタマイズするのに役立ちます。Amazon Bedrock ガードレールでは、高度な自動推論機能により、AI モデルが特定の応答を生成する理由を検証して臨床医に説明できます。
AWS は医療ニーズの AI をどのようにサポートできますか?
早期対応を可能にすることから臨床ワークロードの軽減に至るまで、AI ヘルスケアの採用は勢いを増しています。AI テクノロジーは、患者ケアの提供を変革し、医療ワークフローを合理化し、医学研究などを加速させます。医療従事者と患者の両方が、生成 AI がもたらすほぼ無限の可能性から恩恵を受けています。ただし、ヘルスケア AIの実装には、倫理的な保護対策、データセキュリティ、コンプライアンスチェックが必要です。
ヘルスケアとライフサイエンスにおける AWS 生成 AI は、医療機関が AI アプリケーションを安全に革新、デプロイ、スケーリングして患者ケア体験を向上させるのに役立つソリューションを提供します。