現在の医療における最大の課題の一つは、高齢化に伴う医療費の増大である。新しいデータソースと革新的な技術は、患者ケアに新たなインサイトと能力を提供することで、この課題の解決に寄与する。
センサーの感度が向上するにつれ、私たちの健康状態の軌跡をより深く理解するための、前例のない量のデータが得られるようになってきた。音声アルゴリズム、顔分析、ソーシャルメディアといった新たな情報源からデータを分析することで、疾病の診断・予測・予防を可能にする技術を導入する機会がますます広がっている。豊富なデータと、その処理手段の手頃さに支えられ、検査室は予防的かつパーソナライズされたケアへの移行において重要な役割を果たしつつある。
この「データ革命」を後押ししているのは、3つの中核的テクノロジーの法則である。ムーアの法則は、処理能力が 18 か月ごとに同じコストで倍増すると述べている。クライダーの法則は、ストレージについても同様の指数関数的成長が起きるとしています。さらにネットワークの法則であるメトカーフの法則では、ネットワークの価値は参加者数の二乗に比例して高まるとされている。
これら3つの法則が、医療分野にも浸透し始めている。わかりやすい例として、ゲノム解析のコストは 2001 年の 27 億ドルから、2018 年にはわずか 200 ドルへと劇的に低下した[1]。 2020 年代半ばには、トイレの水を流すより安い 5 セント未満[2]になる可能性も指摘されている。そうなれば、シーケンシングサービスは至るところで利用可能となり、予防医療は大規模に加速するであろう。
こうした傾向は、人工知能（AI）と自動化の進歩によってさらに加速している。中国のある工場では、 人間の労働者の90％が自動化によって置き換えられました[3]。生産性は160％以上に向上し、不良品率は25％から5％へと低下した。もし入院患者に関しても、同じように「欠陥率」が低くなるとしたら、どれほど素晴らしいであろうか。
AIアルゴリズムやロボットはすでに医療分野に導入されており、ロボットは特定のタスクにおいて人間より高い精度と再現性を発揮する。一部の外科手術ではロボットのほうが高い信頼性を示し、また診断検査の領域では、機械視覚により人間が見逃すような細部を認識することも可能である。AI はすでに放射線科医によって、心疾患、肝疾患、骨疾患など幅広い疾患の診断に利用されている。さらに多くの活用が進むことは、ほぼ間違いない。
こうした進歩は、疾患の早期発見を促進することで、質の高い医療へのアクセス向上に寄与している。例えば乳癌の早期検出センサー[4]は、マンモグラムに近い精度に迫りつつあり、将来的には家庭での検出や早期介入が可能になると期待されている。
このような技術を研究室や企業に応用する際には、AIを「人間に取って代わる存在」ではなく、「人間の能力を拡張する存在」と捉えることが重要である。医療の未来がデジタルに向かっていることは確かですが、AIが人間そのものを置き換えることはできない。私たちの焦点は、置換ではなく拡張にあるべきである。
ラボにおいても、AI を活用して診断コストを削減し、ワークフローの自動化や運用効率の改善を図ること、さらに膨大なデータから新しい臨床的洞察を生み出す方法を検討することが重要である。こうした取り組みには、創造的な思考と実験精神が欠かせない。これが成功すれば、医療サービスへのアクセス向上や患者の費用負担の軽減に貢献する。
[1] たった200ドルでゲノム全体の配列を解析できる、 Wired, 2018
[2] 近い将来、ゲノム解析にかかるコストはトイレの流し代よりも安くなるだろう。そしてそれは医療を永遠に変える ビジネスインサイダー, 2014
[3] 人間対機械：ロボットに奪われた人間の仕事9つ、 BT, 2018
[4] レーザー超音波スキャナーは乳癌発見における乳房撮影の代替を目指す、 サイエンスデイリー、2018
本記事は、中国・広州で開催された「Roche Efficiency Days (RED) 2018：REDefining Perspective」におけるプレゼンテーション「治療から予防まで、医療のイノベーション」に基づいている。
