医療 AI の検証が医療成果向上に不可欠な理由

新しい MedPerf ヘルスケア AI プラットフォームの価値を理解する

By Tom Mangan

By Tom Mangan 2023年11月28日

医学的な奇跡を起こすには、通常何年もの試行錯誤が必要です。もしその期間を、患者の機密データを危険にさらすことなく、数週間から数ヶ月に短縮できるとしたらどうでしょう?

MedPerf は、研究者や臨床医への AI/ML アプリケーションの提供を簡素化し、加速するために設計されたオープンソースプラットフォームです。 2023 年 7 月にリリースされた MedPerf は、臨床医や研究者が医療業界向けの AI/ML アプリケーションを強化する数理モデルの有効性をテストするのに役立ちます。

「MedPerf によって、多様な実世界のデータで医療 AI モデルを評価できます」と、MedPerf プラットフォームの開拓に貢献した機械学習研究者の Alexandros Karargyris 氏は、The Forecast by Nutanix のインタビューで述べています。

MedPerf の利用者は、個人データを保護しながら、医療 AI モデルの機能をしっかりと評価することができる、と Karargyris 氏は付け加えました。

MedPerf の可能性は計り知れません。MedPerf を発表した Nature Machine Intelligence 誌の研究レポートの主執筆者である Karargyris 氏は次のように述べています。高度な自動化は時間のかかる手動プロセスを排除し、医療機関の効率と生産性を高める可能性を秘めています。

関連記事

医療 AI と ML アプリをストレステストする安全な場所

イノベーションを起こすという明確な使命がある: 人口の高齢化と退職者の増加により、臨床医の数は減少する一方です。今後数十年の間に彼らが去っていくことは、残る医師の負担をさらに増やすことになるでしょう。

医療モデル改善への道を開く実証済みの AI とは?

研究者や起業家は、多くの厄介なヘルスケアに対する難問に AI/ML モデルを巧みに適用しています。その進歩の一方で、重大な疑問が持ち上がっています: AI/ML モデルは信頼できるのか?

Karargyris 氏はこんな仮説を披露しました : インディアナ州のがん研究者は、地元の病院から集めた患者データを使って、レントゲンで特定の種類の腫瘍を検出する AI モデルを学習させています。これは救命につながる可能性のある画期的な方法ですが、問題があります :

「インディアナ州の人口データで学習したモデルは、その人口に偏っているかもしれません」と Karargyris 氏は指摘します。

この AI モデルは、おそらくどの臨床医も同じ腫瘍の患者に早期診断を提供するのに役立つでしょう。しかし、世界中にいる臨床医が、インディアナ州のモデルが患者を助ける結果を出すことをどうやって確認できるでしょうか?

関連記事

IT リーダーは AI に備えよ

そこで MedPerf が登場し、医療 AI のユーザーがあらゆる場所で同僚と知識を共有できるようにしました。病院や診療所は、実証済みのモデルを各々のプライベート IT システムにインポートし、地域の医療ニーズに適用することができます。これは、患者データが誤って漏洩するのを防ぐのに 役立ちます。

「データは医療機関の施設外に出ることはなく、プライベート・ネットワーク内に留まります」と Karargyris 氏は説明します。

参加機関は、 MedPerf 実証試験から得られたハイレベルな集計結果のみを共有します。

「我々は患者のプライバシーを第一に考えており、これは計画的なものです」と、彼は付け加えました。

医療における AI モデリングで信頼が重要な理由

AI/ML モデルは、パターンマッチングアルゴリズムを使用して大量のデータを分析し、人間よりもはるかに速く有用な結果を生み出します。モデルは、統計的に有効な洞察を生み出すのに十分な正確で偏りのないデータがあれば、どんなものでも分析できるように学習させることができます。

医療分野では、AI/ML モデルはデジタル X 線画像のピクセルを調べ、人間が見逃してしまうような腫瘍やその他の異常の証拠を見つけることができます。同様に AI/ML は、医師が肺の X 線画像から COVID-19 感染の証拠を素早く確認するのに役立ちます。

より迅速で正確な診断は、患者、医師、病院管理者、保険会社の経営者などに役立ちます。安全な医療 AI モデルは、高コストで信頼性を失うデータ漏洩を防止することができます。 MedPerf は、 AI モデルのグローバル・ネットワークを病院、診療所、研究機関が利用できるようにする連携学習によって、これらすべてを実現しています。 MedPerf のプラットフォームは、一方では AI モデル開発者の仲介役となり、他方では地域の臨床医が患者の病気の診断に役立つモデルを選択し、導入することを可能にします。

関連記事

ヘルスケア IT 発展への道

MedPerf は一連の学習により、AI/ML モデルを自動的に制御し、飛躍的に速く結果を生成します。

ペンシルバニア大学ペレルマン医学部助教授の Spyridon Bakas 博士は、「 MedPerf のオーケストレーション機能を使えば、同じ研究協力者を通じて複数の AI モデルを数ヶ月ではなく数時間で評価することができます」と述べています。Bykas 氏は、MLCommons Medical Working Group の臨床翻訳のベンチマーク担当副委員長を務めています。

連携学習のおかげで、このモデルは数百、数千の病院のデータで学習させることができ、偏りや不正確さの可能性を大幅に減らすことができました。

「私たちが話しているディープラーニング・モデルは、非常に大量のデータを必要とします」とKarargyris 氏は続けました。

実験の結果、より多くのデータを集めれば集めるほど、モデルの精度が上がることが分かっています。

「このモデルを学習させたら、それを現実世界のさまざまなデータで検証する必要があります」と Karargyris 氏は付け加えます。

この検証は、モデル精度の基準を確立するベンチマーキング・プロセスを通じて行われています。

MLCommons と MedPerf の誕生

MedPerf は MLCommons のプロジェクトであり、 AI の精度と性能に関する普遍的なベンチマークを作成するために結成された完全なボランティア組織です。この組織の設立メンバーには、Microsoft、Google、Dell、Intel などのテクノロジー界の大企業や、その他多くの民間企業が名を連ねています。AI/ML ソリューションの信頼性、スピード、効率に関する一貫した統計を確立するこの取り組みには、世界中の研究者や AI 分野の専門家が参加しています。

関連記事

治療から予防への道を開く医療技術

MLCommons は、医療関連の AI/ML モデルに特化した医療ワーキンググループを結成しました。 2023 年 7 月現在、このワーキンググループは 13 カ国の 9 つの病院と数十の企業や AI/ML の専門家の協力を得ています。同ワーキンググループは、臨床医が高度なプログラミングの専門知識を必要とせずに AI/ML アプリケーションを構築できる、ローコード/ノーコード・プラットフォーム「 GaNDLF 」と呼ばれるプロジェクトも開発しています。

MLCommons の共同設立者の一人である Debojyoti "Debo" Dutta 氏は、「私たちは、 ML の潮流がすぐそこまで来ているのを目の当たりにし、『よし、意味のある再現可能な方法でパフォーマンスを評価する必要がある』と考えました」と述べています。Dutta 氏は、MedPerf の開発を支援した Nutanix 社のエンジニアリング(AI)担当バイスプレジデントを務めています。

Nutanix は、しばしば脳と脊髄を攻撃する攻撃的な腫瘍である膠芽腫の結果をテストする実験において、ワーキンググループに参加しました。臨床医はこの結果を高く評価しています。

「 AI に懐疑的だった腫瘍医を大いに驚かせました」と Dutta 氏は語ってくれました。

臨床現場での MedPerf の活用

クラウド・コンピューティングの普及により、医療 AI ユーザーの問題が複雑化しています。パブリック・クラウド・サービスを利用することで、柔軟性と拡張性を得ることができる一方で、コンプライアンス上の課題から、機密性の高い医療情報をオンプレミスのデータセンターに保管することが推奨されることもしばしばあります。

Nutanix Cloud Index for Healthcare に示されている調査結果によると、そうした現実が反映されています。最近のデータでは、医療機関はマルチクラウド IT インフラの採用において、企業の世界平均をわずかに下回っていることが示唆されています(世界平均 53% 対 60% )。しかし、それは間もなく変わるかもしれません: Cloud Index の調査の回答者の 4 分の 3 弱( 74% )が、今後 3 年間にマルチクラウドインフラを使用する予定であると回答しています。

関連記事

デジタル・ツイン・テクノロジーで個別化医療を推進する方法

Dutta 氏は、パンデミックが深刻化した 2000 年に Nutanix に入社するまで、この種の複雑な問題に深く関わってきました。彼は、医療 AI のインフラ課題を解決する Nutanix のマルチクラウド・プラットフォームの可能性に魅了されました。

「 Nutanix のプラットフォームは、我々がまだ知らない方法で世界を変える可能性のある、多くの素晴らしい次世代 AI ワークロードをホストすることができます」と Dutta 氏は言います。これには、病気を治療するための新薬や抗体を作るプロセス全体をモデル化するデジタルツインの作成も含まれるかもしれません。「私は、医療と AI とインフラストラクチャー、そしてそれらが人類にもたらす可能性にとても興奮しています」

編集者注:エッジからコアまでのイニシアチブを簡素化し、迅速に開始できるように設計されたフルスタックのソフトウェア定義 AI 対応プラットフォームである Nutanix GPT-in-a-Box の詳細についてはこちらをご覧ください。より詳細については、こちらのブログポスト「The AI-Ready Stack : Nutanix Simplifies Your AI Innovation Learning Curve」および Nutanix Bible をご覧ください。

Tom Mangan 氏は寄稿ライター。クラウド・コンピューティングとデジタルトランスフォーメーションを専門とするベテランの B2B テクノロジー・ライター兼編集者です。ご連絡はウェブサイトまたは LinkedIn までお願いします。

Jason Lopez 氏と Ken Kaplan 氏の寄稿。Lopez 氏は、The Forecast のポッドキャストである Tech Barometer のエグゼクティブ・プロデューサーであり、 Kaplan 氏は The Forecast by Nutanix の編集長です。

© 2023 Nutanix, Inc. 無断複写・転載を禁じます。その他の法的情報については、こちらをご覧ください

関連する記事