COVID-19パンデミックの発生以来、機械学習（ML）が注目を浴びています。業務の効率化から、時には不安定で不確実な労働環境の中での研究開発の推進まで、組織は競争力を維持し、優位性を得るために機械学習（ML）に目を向けてきました。医療業界では、MLによって、病院や医療システムが危機の発生時に待機手術が 65%減少したことや、接触者追跡や症候性サーベイランスの取り組みが前例のないほど急増したことなど、多くのユニークな課題に対処することを可能にしています。
最近の IDCの調査によると、病院の50%が組織をサポートするための人工知能（AI）フレームワークをすでに導入していると回答し、残りの回答者は24ヶ月以内に導入すると回答しています。医療現場でのMLの採用率が上昇しているにもかかわらず、専門家は、医療現場でのMLの潜在能力が十分に発揮されているのか、それとも単に過大評価されているだけなのかについての推測を続けています。課題の一つは、多くの人が当初、MLが多くの問題を解決する魔法の万能薬になると思い込んでいたことです。パンデミックが発生した後，MLはいくつかの分野では進歩を遂げましたが，他の分野では期待に応えられなかったため，この問題はさらに深刻なものとなりました．
従来、多くの人がMLを「ブラックボックス」と考えてきましたが、その仕組みを理解することなく、組織のニーズに対応していると考えられていましたが、技術の説明ができるようになり、患者さんを直接支援するという点での信頼性が高まってきています。最終的には、今後1年間、MLは医療現場の2つの重要な柱であるトリアージと管理を含め、医療のさまざまな分野で進歩を続けていくことになるでしょう。
MLによるトリアージ
来年には、トリアージの実践におけるMLツールの使用が増加すると予想されます。現在、医療システムでは、緊急の対応が必要な患者や、より急性期のリソースや経路を必要とする患者を識別する方法として、いくつかの変数を用いた単純なリスクスコアリングシステムを使用しています。MLは、よりスマートな意思決定を行うために、患者のカルテのさまざまな側面で使用されることが多くなってきています。例えば、
Northwell HealthのMLシステムは、バイタルを取るために起こす必要がある患者と、一晩中寝ているだけで十分に安定している患者を識別します。パンデミックが発生して以来、よりスマートな意思決定と個別化されたケアが、医療機関の優先事項の最前線に躍り出ています。パンデミックが始まった当初、
Epic は、生命に関わる問題を抱えた患者により良いサービスを提供するために、患者の健康記録をスキャンし、患者の悪化を特定し、ICU 入院やその他のケア介入が必要になる前に医師に自動的に警告を出すための ML モデルを開発しました。トリアージに ML ツールを使用することで、医師がよりスマートに作業できるようになり、患者に質の高いケアをより正確に提供できるようになります。
MLによる管理
COVID-19の発生後、実社会の多くが一夜にして事実上分散したため、医療機関は遠隔地の環境に迅速に適応しなければなりませんでした。この変化により、5月のピーク時には、
遠隔診療が37％急増しました。さらに、組織は他のデジタルトランスフォーメーションの取り組みを推進せざるを得なくなり、しばしば行き当たりばったりで、新たな機会を生み出すことになりました。MLアルゴリズムは、予約時間に来ない、医療費を払わない、服薬を守らない患者を特定するなど、管理上の問題や支払い上の問題に対処するために使用することができます。例えば、
ニューヨークのビンガムトン大学の医師は、160万件のオンライン医療相談をMLツールを使って分析し、患者の支払い行動を予測し、価値の高いオンラインの医師と患者とのやりとりの特徴を特定しました。優れたパターン認識ツールであるMLの機能は、パンデミックを乗り越え、新たな実践と教訓を得ながら、医療管理業務をよりスマートにするために活用されていくでしょう。
データ：MLを推進するガソリン
どのMLプロジェクトも同じ問題に悩まされています。これからの1年間は、MLプロジェクトで本当に有用で使えるように、ヘルスケアデータの相互運用性とデータクレンジングを優先させることが不可欠になるでしょう。ヘルスケア業界では、
2021年1月のCMSの新ルールにより、すでに相互運用性の拡大に向けた動きが進んでいます。HL7 FHIR®ベースのAPI（Fast Healthcare Interoperability Resources）を使用することで、保険機関や開発者にとってデータ共有がさらに容易になり、イノベーションのスピードアップとデータセットからのより実用的なインサイトを得ることが可能になります。さらに、多くの病院では、AIが適切に活用されているかどうかを確認するためのフレームワークをすでに導入しています。実際、最近の
IDCの調査によると、58%の病院がAIに特化したデータガバナンスと管理の方針と手順を導入していると回答しています。MLが医療におけるこれまでの過度な幻想を打ち負かす方法の1つは、MLアルゴリズムが滞りなく動作し、質の高い結果を提供できるように、データを健全なものにすることです。
MLへの期待は年々高まっており、2021年には期待と現実のギャップが縮まると予想されています。MLを活用したトリアージから管理まで、クリーンデータは組織がイノベーションの目標を達成するのに役立っています。
*本稿は、2021年1月26日の第13回予測シリーズ独占版としてVMblog.comに掲載されたものです。
ドン・ウッドロック
医療ソリューション 担当副社長
2017年入社。包括的な医療情報共有によって医療・ケアの変革を支援するインターシステムズの包括的な製品群 InterSystems HealthShare の責任者。医療の質の改善、アクセス、医療およびケアを横断した効率性の実現に向けた課題に応えるHealthShareの製品ビジョンを高めることに注力。
入社以前は、GEヘルスケア副社長および同社エンタープライズイメージング部門 部門長を務める。ウッドロックは、IDX システムコーポレーションを皮切りに、GE での15年の経験を含め、医療IT業界での30年以上の経験をもつ。GEでは、GEヘルスケアでのいくつかの部門を統括し、また、合弁した企業やテクノロジの統合などにも携わる。
マサチューセッツ工科大学 電子エンジニアリング専攻 理学士
