14,226 文字
ジョエル・バラル: 医療の喜びを取り戻すことにAIが貢献できることを願っています。
ハンナ・フライ: つまり、実際に機能するんですね。
ジョエル・バラル: はい、機能します。
ハンナ・フライ: 咳を録音すれば、結核に感染しているかどうかわかるんですか？
ジョエル・バラル: 簡単に言えば、はい。さまざまな手法を組み合わせて細胞レベルで何が起きているかをより深く理解することで、トリプルネガティブ乳がんや、現在良い解決策がない進行がんなどを最終的に解明できるようになるでしょう。
ハンナ・フライ: 生成AIで自己診断しようとする人が増えていることを懸念していますか？
ジョエル・バラル: はい。でも、そもそも自分で医師の役割を果たすべきではないんです。
ハンナ・フライ: 「Google DeepMindのポッドキャスト」へようこそ。私はハンナ・フライ教授です。今回のエピソードでは、Google DeepMindのリサーチ上級ディレクターであるジョエル・バラルと、医療におけるAIについてお話します。長年、インターネットは心配性の人の親友と言われてきました。ちょっとした頭痛を致命的な病気に変えたり、その逆もあり得るような、検索とボタンのクリック一つで起こり得る現象です。
しかし、水面下では医療におけるアルゴリズムの役割が変化してきています。このポッドキャストではすでに薬の発見やタンパク質研究におけるAIの影響について多く語ってきましたが、今や、AIは診断や治療も変えようとしています。ようこそ、ジョエル。AIにはすでにかなり大きな変化がありましたが、10年後や15年後の医療は現在とはかなり違った姿になると予想すべきでしょうか？
ジョエル・バラル: はい、そう思います。医療はAIによって大きく変わる可能性がありますが、見た目はそれほど変わらないかもしれません。医療は比較的変化の少ないエコシステムだと考えています。10年後、15年後も、私たちはおそらくかかりつけ医に行き、必要に応じて専門医を訪ねるでしょう。ただ、それぞれがAIエージェントによって拡張されることになります。基盤となるシステムは大きく変わりますが、外見上は現在と大きく変わらないかもしれません。
ハンナ・フライ: 医療のAIにはどれくらい長く携わっていますか？
ジョエル・バラル: 私のキャリア全体と言えるでしょう。まだ学生だった頃、CS229という機械学習のクラスが始まった時に、喉頭の画像セグメンテーションに取り組む学生たちと一緒に作業したことを覚えています。AIはそうした作業をより効率的に行うための新しいツールでした。それ以来ずっと続けています。
ハンナ・フライ: なぜこの分野に惹かれたのですか？
ジョエル・バラル: 医療では常に課題があります。うまくいかないことや、無限のデータがない状況があります。完璧にはなれないので、常に最善のツールを活用しようとしています。10年前にGoogleに入社して外科用ロボットに取り組んでいた時、画像を解釈する人間の能力を機械が再現できるようになることに気づき始めました。
外科医の同僚と100例の胆嚢摘出手術を分析し、肝臓と胆嚢を手動でセグメント化しました。そのデータを単純なニューラルネットワークに与えて、アルゴリズムがこれら二つを区別できるか試してみました。完璧に区別できたことに非常に驚きました。それまで使っていたツールは決して完璧ではなかったからです。肝臓と胆嚢は見た目がかなり違うので簡単なタスクですが、これは私にとって、以前のアルゴリズムよりもはるかに強力なものが手に入ったことを意味していました。学生だった頃は、コンピュータビジョンでQRコードを解読するのさえ難しかったことを忘れています。AIは以前は想像もできなかった能力の世界を開いてくれました。
ハンナ・フライ: AIがすでに大きな進展を見せている分野から始めましょう。診断や医療画像についてお話しいただけますか？
ジョエル・バラル: この10年で多くの進展がありました。これを「狭いAI」と呼びます。一つのタスクを解決するからです。医療画像を例に挙げると、胸部X線やMRI、また私たちが取り組んだ糖尿病網膜症の研究などがあります。これらはすでにFDAの承認を受けて臨床で展開されているツールです。特定のタスクにおいて、機械が画像に注釈を付ける作業を医師のために補助しています。
ハンナ・フライ: 糖尿病網膜症の例で理解を深めたいのですが、これは糖尿病患者の失明原因になりうるものですよね？
ジョエル・バラル: そのとおりです。世界的に予防可能な失明の主要な原因です。眼底カメラで目の裏側の画像を撮影し、網膜の画像を得ます。眼科医はそれを1から5の尺度で評価して、患者に病気がないか、中程度か、重度かを示します。この問題に取り組み始めた時に驚いたのは、「グラウンドトゥルース」つまり真の値を得ることが非常に難しいことでした。
機械学習モデルをトレーニングする際には、まず画像とラベルのペアを提供する必要があります。1人、2人、3人の眼科医に尋ねると、しばしば異なる回答が得られました。私たちは厳密なグラウンドトゥルースを確立するために、50人もの眼科医と協力しました。そして一部の画像については本当に意見が分かれることに気づきました。患者は通常1人の医師にしか診てもらえないのに、同じ画像に対して1、2、3のいずれの評価も可能性としてあったのです。
ハンナ・フライ: つまり、同じ画像に対して、ある眼科医は軽度または病気なしと言い、別の眼科医は重度と言うこともあるということですね。
ジョエル・バラル: その通りです。これは意外ではないかもしれません。ほとんどの眼科医、そして医師全般に言えることですが、彼らは自分のコミュニティでよく見られるケースを診ています。稀なケースは、定義上、あまり頻繁に見ないため、そのようなタイプの画像を適切に注釈付けするのが非常に難しくなることがあります。
ハンナ・フライ: では、専門家の間でも意見が一致しない場合、どのように正しい答えを決定するのですか？
ジョエル・バラル: だからこそ50人もの専門家に頼る必要があったのです。そうすることで眼科医全体のコンセンサスが得られます。時には、さらに専門性の高い専門家に頼って、その画像の正確なラベルを決定することもあります。そうやってアルゴリズムを適切にトレーニングし、信頼できるアルゴリズムを確保するために厳密なテストも行います。
ハンナ・フライ: でも逆に言えば、専門家の意見が分かれることが分かっていれば、専門家よりも優れた新しいゴールドスタンダードを作ることができますね。
ジョエル・バラル: その通りです。それがAIが本当に役割を果たす部分です。一人の人間にとって簡単ではないタスクにおいて、AIは非常に優れた性能を発揮します。
ハンナ・フライ: 研究者たちが目の裏側の画像を使って、血管パターンから患者の性別を判断できるかどうか試してみたという論文を読んだ記憶があります。世界中の眼科医でも確実にはできないことですが、AIにはできるんですよね。
ジョエル・バラル: はい、その通りです。糖尿病網膜症以外のことについても画像を調査するのは非常に興味深いことでした。モデルはコイン投げよりも良い成績を出しました。患者の性別を見分けるためにモデルが必要かどうかは分かりませんが、心臓病の兆候などについては有用なツールになり得ると考えています。
糖尿病網膜症のスクリーニングをどうせ行うなら、追加情報を提供できるテストがあれば、潜在的により多くの疾患をスクリーニングできる可能性があります。科学的に興味深いことに、これらの画像には私たちが当初考えていたよりもはるかに多くの情報が含まれていることが分かりました。それに基づいて応用できる可能性もあります。
ハンナ・フライ: 狭い分野のタスク用にアルゴリズムを作成したとしても、AIが人体の全体的な理解を向上させる可能性があるということですね？
ジョエル・バラル: 二つの側面から答えたいと思います。まず、放射線科では「偶発的所見」というものがあります。もし今MRIで頭からつま先まで撮影したら、何かしら異常なもの、結節などが見つかるでしょう。それは心配の種になりますが、実際にそれが良いことか悪いことかを判断する臨床試験は行われていません。多くの人がそういったものを持ったまま問題なく一生を過ごします。だから、皆を心配させるようなスクリーニングは本当はしたくないのです。
また、血液検査を例にすると、特定のことを調べるために検査をしているのであって、検査室は特定のウイルスを探すためだけに検査をしています。血液検査で本来の目的以外のことに気づかなかったとしても、彼らには責任はありません。偶発的所見に対してどう対応するかは常に少し曖昧です。狭いAIのこうした側面については、特定の画像を見ているときに常に他のすべてを探すべきかどうか、たとえそれが役立つ警告を提供できるとしても、まだ結論は出ていないと思います。
ハンナ・フライ: これまで画像について話してきましたが、この狭いタイプのAI診断に使用できる他の入力はありますか？
ジョエル・バラル: もちろんです。あらゆる種類のモダリティがあります。例えば、音を活用して咳から結核を検出する非常に興味深い研究をしてきました。COVID-19の時期にも多くの研究がなされました。実際、音には疾患を診断するための比較的安価な方法を提供できる優れたバイオマーカーがあります。
ハンナ・フライ: 待ってください、それは本当に機能するんですか？
ジョエル・バラル: はい、機能します。
ハンナ・フライ: 咳を録音すれば、結核に感染しているかどうかわかるんですか？
ジョエル・バラル: 簡単に言えば、はい、まさにそうです。
ハンナ・フライ: でも、これには限界もありますよね？毎回正確な結果が得られているのでしょうか？
ジョエル・バラル: いいえ、それは良い指摘です。どんなアルゴリズムにも感度と特異度があります。偽陽性や偽陰性が生じる可能性があります。つまり、存在しないものが存在すると判断したり、存在するものを見逃したりする可能性があります。一般的に、糖尿病網膜症の論文でも行ったように、最高の医師や医師パネルと比較してどの程度の性能があるかを確認し、そのアルゴリズムと協働する人間が特異度と感度のトレードオフのどこで運用したいかを決定できるようにします。
偽警報を許容できないと決めることも、あるいはその逆に、何も見逃せないと決めることもできます。いずれの場合も、アルゴリズムが規制当局に承認されるためには、非常に高いパフォーマンスを示す必要があります。
ハンナ・フライ: では整理しましょう。アルゴリズムが結核ではないのに結核だと言うことがあり得ます。また、実際の結核症例を見逃して問題なしと判断することもあり得ます。どちらも起こって欲しくないですよね。しかし、どの程度の精度があれば「このモデルは価値を付加している」と言えますか？
ジョエル・バラル: それは本当に状況によります。例えばスクリーニング検査を、以前何もなかった場所に展開する場合と、既存のスクリーニング方法を置き換える場合では話が全く違います。何かを置き換えるなら、少なくとも今あるものより良くなければなりません。以前は空白だった場所に導入するなら、公衆衛生当局が何を許容可能と見なすかを決定します。
また、その診断を受けた患者がどうなるかによっても変わります。彼らが帰宅して二度と会わない場合と、あなたのツールが事前スクリーニングツールで、確認のために追加のスクリーニングツールに患者を振り分ける場合とでは話が違います。
ハンナ・フライ: これらのモデル、例えば結核モデルや糖尿病網膜症モデルを展開する際には、まず既存のスクリーニング検査がない場所を対象にするのですか？
ジョエル・バラル: それは本当に状況によります。糖尿病網膜症の例では、確かにタイに展開しました。多くの場合、パートナーと協力して本当に違いを生み出す場所に持っていきます。すでにタイで70万人をスクリーニングしており、今後数年でその10倍に増やす予定です。
ハンナ・フライ: なぜタイなのですか？
ジョエル・バラル: タイは眼科医一人あたりのケアすべき患者数が非常に多い国の一つです。医師が本当に足りないたくさんの場所があります。AIスクリーニングが本当に成果を改善するのに役立つ場所の良い例です。
ハンナ・フライ: 医師と一緒に医療画像が使用される状況で、二つの意見が一致しない場合はどうなりますか？
ジョエル・バラル: 最終的には医師が判断を下します。彼らが制御を維持し、決定を下し、報告書に署名することが非常に重要です。機械が間違っていると言うなら、彼らはそれを説明する必要があります。場合によっては、アルゴリズムが医師に再考を促すこともあります。スペルチェッカーのようなものです。フランス語のアクセントなどでスペルチェッカーに同意しないこともありますが、完璧ではないので二重チェックします。
ハンナ・フライ: より先進的な内容について話しましょう。これまでは、MRIや目の裏側の写真、咳の音などを例に挙げてきました。でも、より包括的な視点についてはどうでしょうか？本当に良い医療は、人間を興味深い医学的問題の集まりとしてではなく、人間として見ますよね。AIを使ってより包括的に考えることはできますか？
ジョエル・バラル: AIは確かに、これまで個別にしか見られなかったものを一緒に見ることが非常に得意です。そして今までにない洞察をもたらす可能性があります。
ハンナ・フライ: 例えばどんなことですか？細胞について理解していることから、器官について理解していることまで、そして最終的には人間について理解していることすべてを繋げることができた場合、それらの接続から何が見つかりますか？
ジョエル・バラル: 昔、バーチャル染色について多くの研究をしました。H&E（ヘマトキシリン・エオシン）スライド、つまり手術で体から取り除かれた組織片が顕微鏡で見るためにスライスされた時に何が起こるかです。私たちが行うのは、何が起きているかについて仮説を立て、それに応じて染色して目に見えるようにすることです。
バーチャル染色技術は、実際に染色せずにそれらを可視化するものと考えることができます。もし情報が既に組織にあるなら、その組織片を消費する追加物を持ち込まずに情報を明らかにするのです。
ハンナ・フライ: 将来のテストのために組織を破壊してしまうということですね。
ジョエル・バラル: その通りです。また、私にとって深い意味があるのは、トランスクリプトミクス、ゲノミクス、単一細胞解析など、さまざまな機器で組織を調査する方法です。これはAIにとって素晴らしい応用分野です。AIは各モダリティを見て、特定の科学的機器のための「目」を提供することができるからです。さらにそれを超えて、異なるタイプの科学的機器間の橋渡しもできます。
ハンナ・フライ: そうすると、画像解析、ゲノミクスなど、様々な複雑なAIツールを組み合わせることができるわけですね。それによって疾患の理解を進めることができるのでしょうか？例えばがん治療について考えています。
ジョエル・バラル: はい、良い例です。それがまさに私たちがパリのキュリー研究所と取り組んでいることです。キュリー研究所はがん、特に女性のがん（子宮がんや乳がん）をより理解するために最新のモダリティを活用することに非常に進んでいます。何十年にもわたる最善の努力にもかかわらず、まだ多くの女性にとって答えが足りていません。
これらのモダリティを組み合わせ、細胞レベルで何が起きているかをより深く理解することで、例えばトリプルネガティブ乳がんや、現在良い解決策がない進行がんを最終的に解明できるようになることを本当に願っています。
ハンナ・フライ: 細胞、ゲノミクス、画像だけでなく、AIが方程式に取り入れることができる他のデータソースもありますよね？
ジョエル・バラル: もちろんです。それもAIが解読できる秘密の一つかもしれません。健康は私たちがすることすべてに関わっています。今日歩いた歩数、朝昼晩に食べたもの、友人と交流したか一日中孤独だったかなどです。それを健康的な習慣に変換したり、どれだけ身体的な状態に影響しているかを理解するのは本当に難しいものです。
私たちはセンサーに関する多くの研究をしています。今日つけているこのFitbitもデータソースの一つで、他のすべてと組み合わせて健康をより理解し、個人として理解したり、行動を変えようとするときに私たちの旅に寄り添ったりするために活用できます。
ハンナ・フライ: かなり異なる品質のデータについて話していますね。生検スライドやゲノムデータから歩数までとなると、何か周辺部が曖昧な感じがします。本当に違いを生むのでしょうか？
ジョエル・バラル: はい、生みます。睡眠が心血管の健康やがんの予防にどれほど重要であるかは、繰り返し示されてきました。私の希望の一つは、AIがこの二つを結びつけることです。従来の医療システムではこれが難しく、個人としても難しいことです。なぜなら、人口レベルでそのような影響を見るからです。一個人として、健康のために最善のことが1時間早く寝ることだと自分を納得させるのは本当に難しいです。
ハンナ・フライ: 最近、デジタルツインについて多くの話題がありますが、これも健康に関する全体的な見方に追加されるのでしょうか？医療目的で自分自身のデジタルツインを作るという考えはありますか？
ジョエル・バラル: はい、それはよく見かけます。人によって意味するところが異なります。デジタルツインは、例えば同様のペルソナを持つ人のシミュレーションであり、異なるタイプの介入の潜在的な影響を調査するための良い代理と考えることができます。
また、製薬業界ではデジタルツインが全く異なることを意味することもあります。例えば、臨床試験のインシリコアームをどこまで進められるかを見る多くの研究があります。薬の安全性と有効性について同じだけの知識を得ることができるが、その特定の臨床試験に必要な人数は少なくて済むような仮想コホートを組み立てることができれば、という考えです。
ハンナ・フライ: それは興味深いですね。つまり、シミュレートされた人間のコホートを作成する―ー全体ではなく、特に焦点を当てている臓器などかもしれませんがーーそうすることで、臨床試験で多くの人を使う必要がなくなるということですか？
ジョエル・バラル: そうです、臨床試験ではまさにそうです。
ハンナ・フライ: しかし、それを効果的に行うためには、本物の人間がどのように見えるかを本当に理解する必要があり、それはどこかの時点で個々の患者から膨大なデータを持っていることを意味します。人々は自分のデータをこのような目的で提供することについてどう感じているのでしょうか？医学研究のためですが。
ジョエル・バラル: プライバシーについて話すとき、世界の異なる地域で異なる懸念が見られます。ヨーロッパでは、主権に関する懸念が多くあります。人々はデータが自分たちの土地に留まることを望んでいます。すべての国でそうではありませんが、それに対する解決策もあります。信頼されている公共クラウドソリューションはすべて、その点に関する最高レベルの規制に準拠しています。
世界の他の地域では、人々が「無駄に病気になりたくない」という欲求が強いのを見ています。つまり、病気になっても研究にデータを提供することで、同じ運命をたどる最後の人の病状を少しでも軽減できるという考えは非常に説得力があります。この善循環を可能にすることが重要です。
ハンナ・フライ: 医療データは特に繊細なケースだと感じますね。一方では、あなたが説明したように、私たちの理解を進め、将来の世代のための状況を改善する大きな可能性があります。しかし他方では、医療データが悪用されたり、無責任に使用されたりすれば、実際の影響について人々は本当に懸念を持っています。どうやってそのバランスを取るのですか？
ジョエル・バラル: その通りです。データを実際に保護する技術を持った上で、説明責任もあります。この研究が人々に役立つと言うなら、最終的にはデータの発生源となった人々に実際に役立つ研究であるべきです。それは非常に重要な原則だと思います。臨床試験を世界の一部の地域でのみ行い、その薬が世界の他の地域で恩恵をもたらすというのと同じように考えるべきではありません。
ハンナ・フライ: つまり、一方から抽出して他方に与えるだけではないということですね。
ジョエル・バラル: その通りです。
ハンナ・フライ: この全てにおける患者の経験についてもう少し質問したいと思います。大規模言語モデルはすでにこの分野でゲームチェンジャーになっていますか？生成AIで自己診断しようとする人が増えていることを懸念していますか？
ジョエル・バラル: はい、以前からそうすべきではないと言っていました。自分で医師の役割を果たすべきではないのです。
ハンナ・フライ: でも実際には人々はそうしますよね？正直に言って。
ジョエル・バラル: 人々は知りたがります。特に医師に会うための待ち時間が本当に問題になっている場所では。もちろん、患者は可能な限り多くのことを学び、何が起きているのか解読しようとします。時には非常に効果的に、自分自身の最良の代弁者として、または子供のために何かを突き止めようとする親として。
まれな病気の場合、患者が素晴らしい仕事をするいくつかの例も見てきました。Googleでは常にユーザーに最も役立つ回答を提供しようとしてきました。例えば症状に関しては、病気について信頼性の高いコンテンツ、一般的な症状や治療の可能性についての明確な説明を提供する知識カードがありますが、その線を越えて自分の診断を告げることはありません。
大規模言語モデル、つまり私たちのモデルGeminiも、あなたの診断を告げることはありません。「私は医師ではありません。医師に相談すべきです」と言うでしょう。しかし、「これらの症状を説明する可能性のある病状は何ですか？」と尋ねれば、より有用な教科書的な回答を得ることができます。
これは、小さな子どもがいる時に何をすべきか調べるような、健康に関する家庭向けガイドブックのようなものだと考えています。大規模言語モデルが診断を提供できるようになると信じるなら、私たちは研究を続ける必要があります。それが私たちがAMIE（Articulate Medical Intelligence Explorer）で行っている研究です。これは大規模言語モデルが診断を確立するためにどのような会話能力を持つことができるかを調査する研究プロジェクトです。医師のように患者と対話して、適切な質問をすることができるかどうか調べています。
ハンナ・フライ: AMIEのようなシステムが実際の医療現場で使用されるようになるまで、どのくらい近づいていますか？
ジョエル・バラル: このプロジェクトにはかなり長く取り組んできました。最初の研究論文はすべて、患者役の俳優とシミュレーションシナリオで行った研究に基づいていました。現在、ハーバード大学のベス・イスラエル・メディカルセンターとIRB（倫理審査委員会）の承認のもとで臨床研究を行っており、医師の監督下でこのシステムを非常に管理された環境で使用した場合に何が起こるかを調査しています。
このようなシステムが実際に診療所で医師を支援するまでどのくらいかかるかを予測するのは難しいですが、世界の一部では既に類似したシステムが使用されています。通常はリスクの低い質問に回答するために使用され、常に監視されています。医師がモデルの回答を短時間、例えば10分や15分以内に再確認するというような形です。
ハンナ・フライ: そうですね、段階的なアプローチが重要です。
ジョエル・バラル: その通りです。もしモデルが10回中9回は正しいことを言うが、10回目に何か本当に悪いことをするなら、それはおそらく他の9回についても良くなかったということです。
ハンナ・フライ: 利益がコストを上回らないということですね。
ジョエル・バラル: まさにその通りです。
ハンナ・フライ: 実際に医師と話していると、患者が関連情報の明確なリストを持って来るわけではないですよね。「あまり気分が良くない」と言って来て、それを詳しく調べて、何が核心なのか、どの情報が関連しているのかを見つけるのが医師の仕事です。それをAIで模倣するのは非常に難しいことでしょう。
ジョエル・バラル: その通りです。また、将来のAIは家族の中の医師のようなものになると思っています。家族の中にはよく医師がいて、健康に関するあらゆる質問をされます。親戚全員からの質問です。皮膚科医であっても心臓病の質問を受け、人々がシステムをナビゲートするのを助けたりします。
しかし、すべての家族に医師がいるわけではありません。明日私たちが構築するAIが、全ての人に家族の医師と同等のものを提供できればと思います。しかし重要な要素は、その家族のメンバーが実際にあなたを知っているということです。長期的にあなたを知っているのです。だから、あなたが不安になりやすいことを知っていて、「ここ3週間ひどい頭痛がする」と言っても、それを過去20年間言い続けていることを知っていれば、安全に無視することができます。
あるいは、普段は全く電話しない人から電話があれば、これは注意を払うべき何かだと分かります。声のトーンを認識したりなど、それが最終的には安全なのです。皮膚科医の例を挙げましたが、最終的には悪いアドバイスをすることはないでしょう。その人を知っているので、心臓の状態がある人に適切なタイミングで心臓専門医のアドバイスを求めるよう伝えます。AIシステムにも同じことを望みますが、そのためにはシステムがあなたを十分に知る必要があります。単に最新の症状を素早く伝えて回答を得るだけではないのです。そのようなシステムを構築する必要があります。
ハンナ・フライ: 家族の中の医師との大きな違いの一つは、幻覚を見ることがほとんどないということですね。[笑い]
ジョエル・バラル: 中にはそういう人もいるかもしれませんが、おっしゃる通りです。
ハンナ・フライ: しかし、生成AIがまだ幻覚を見たり、タイムラインを忘れたり、情報を間違えたりする世界で、そのようなものをどうやって作り出すのですか？生成AIでよく見られる一般的なミスです。
ジョエル・バラル: そのため、既製の大規模言語モデルを医療に適用して、それが受け入れられると期待することはできません。まず、Med-PaLMという医療コーパスで微調整した最初のモデルで多くの研究を行いました。そのモデルが医師免許試験に対して、最初は平均的な学生よりも、そして専門家パネルよりも良い成績を出すことを示しました。
その後、Med Geminiを開発しました。
ハンナ・フライ: Med Geminiとは何ですか？
ジョエル・バラル: Med Geminiは私たちの大規模言語モデルGeminiを医療コーパスで微調整したものです。Geminiの長いコンテキスト理解能力、推論能力、ネイティブなマルチモダリティを継承しています。さらに、Geminiが見ていなかった方法で医療データを見ており、特定の医療目的で評価されています。
ハンナ・フライ: 人間とAIのコラボレーションにはもう一つの側面がありますね。これらのツールが医師向けに設計されている場合、医師がスキルを失ったり、このようなモデルに過度に依存するリスクはありませんか？
ジョエル・バラル: そのリスクは常にあります。しかし医療においては、世界の多くの地域で医療専門家の大きな不足があるため、選択肢はあまりないと思います。問題は、それにどう対処するかです。人々が可能な限り健康でいられ、解決策がある問題で苦しまないようにするにはどうすればよいでしょうか。まだ答えがない多くのことがありますが、医学が実際に答えを提供できる多くのことについては、私たちが持っている技術を活用して人々にそれをもたらす責任があると思います。
過度の依存というよりも、私にとっての問題は、次世代をどのように訓練するかということです。
ハンナ・フライ: 医師の次世代ですね。
ジョエル・バラル: はい、医師の次世代です。これは私たちの会話の中での医師についての話ですが、ジェネレーティブAIの新時代においては他の職業にも当てはまります。医師については、AIが本当に良い仕事をしている分野があるかもしれません。分からないときには分からないと伝えることもできます。
AIが本当に得意なタスクでは、AIに頼っても大丈夫です。そしてそれらのタスクに関してあなたが超一流でなくても問題ありません。なぜなら、学び、うまくこなす必要のある他の多くのことがあるからです。
ハンナ・フライ: AIが触れないと思われることがあるのでしょうか？例えば共感などのように。
ジョエル・バラル: それは良い例です。私たちは常にモデルが良いベッドサイドマナーを持っているか確認しています。実際に彼らは全く悪くありません。少数の人間しかできないような形で対象者に適応することができます。5歳児にも70歳の人にも40歳の人にも適切な言語を使用できます。また、あなたがネイティブスピーカーでなければ、あなた自身の言語で話すこともできます。共感について判断されると、彼らは実際にかなり良い成績を収めます。
ハンナ・フライ: どうやってそれをより共感的になるように訓練するのですか？
ジョエル・バラル: 他のすべてを訓練するのと同じ方法です。トレーニングデータで見た多くの会話に基づいています。それらの会話が共感的であれば、同じ言葉や同じトーンなどを活用することを学びます。ウェブ上のすべてが共感的というわけではないので、微調整したり、より具体的な例を提供したりする時間が必要です。
ハンナ・フライ: しかし、AIが触れられない医療のある側面があると思いますか？
ジョエル・バラル: 私は外科用ロボットを作ってきました。触覚などについても、いつかは方法を見つけると思います。ただ、今日、身体検査が必要な場合、例えば誰かの腹部を検査する場合など、医師が絶対に必要な多くのことがあります。
途中で考え込んだのは、テクノロジーが「これは絶対にできない」と言うたびに、間違っていることが分かるからです。ある時点で物事は変化し、実際にそのような状況でも役立つようになります。医師を増強するものとして登場するのであって、彼らが日常的に行うすべてのタスクを置き換えるものではありません。
AIは、デジタル産業が医師に対して行ってきたこと、つまり何年もの間、多くのデータをコンピュータに入力させ、彼らの仕事を大幅に変え、場合によっては彼らを不幸にさせてきたことに対する負債を支払うものだと考えています。専門職において多くのバーンアウトが見られることは事実で、AIが医療を実践する喜びを取り戻すことに貢献することを願っています。しかし私にとっては、それは負債を返すことなのです。医師やすべての医療専門家が入力に多くの時間を費やしてきたすべてのデータから、洞察や知識を引き出し、彼らを助けることができるようになるでしょう。
ハンナ・フライ: すべてが価値あるものだった理由ですね。
ジョエル・バラル: はい。
ハンナ・フライ: あなたの話を聞いていると興味深いですね。このポッドキャストでは、AGIや長期的な全体論的システム、今までとは全く違った方法で物事を行うための進歩について話すことが多いです。しかしあなたのビジョンの説明方法は、AIがあらゆる側面の医療を変えるツールであるにもかかわらず、根本的には患者と医師の関係という考え方は変わらないというものですね。
ジョエル・バラル: その通りです。私は社会の他の側面で想定されているよりも少し慎重かもしれません。また、世界のどこでテクノロジーの影響を想定しているかによっても異なります。テクノロジーは、これまで医療へのアクセスがまったくなかった、あるいは非常に限られていた世界の一部に医療をもたらすと思います。それは私たちがまだ想像していないような方法で、今日ここで説明したものを超えるかもしれません。
しかし、医療が一夜にして完全に革命を起こし、昨日の姿とはまったく異なるものになるとは少し懐疑的です。とはいえ、AMIEのようなモデルには本当に驚かされます。考えてみれば、世界中から知識を集めた、信じられないほど教育の行き届いた専門家との会話に非常に似た会話を大規模言語モデルと持つことができるのです。
つまり、1950年代にどこか辺鄙な場所で行われた非常に小さな臨床試験が、当時発表され、他の場所で見られ始めている新しいことと呼応しているような知識です。これまでは、特に稀な状態を持っている場合、治療されるかどうかは時々偶然に大きく左右されていました。しかし今、大規模言語モデルによって、その偶然のゲームは完全に変わりつつあります。
ハンナ・フライ: ポッドキャストを非常にポジティブで楽観的な印象で終えるのは良いことですね。期待することがたくさんありそうです。
ジョエル・バラル: その通りです。
ハンナ・フライ: ありがとうございました。
ジョエル・バラル: ありがとうございました。
ハンナ・フライ: 医療は特別なケースだと思います。偽陽性と偽陰性の間、そして何よりもそのどちらかの潜在的な害の間で、これは正しく行うための非常に高いハードルがあります。ジョエルの率直で科学的なアプローチへの決意には何か安心感があります。AIの使用の利点を慎重かつ注意深く評価し、可能な限り多くの人にとって最高の医療成果を確実にするためのアプローチです。
「Google DeepMind, The Podcast」をお聴きいただきありがとうございました。司会は私、ハンナ・フライ教授でした。このエピソードを楽しんでいただけたなら、私たちのYouTubeチャンネルをぜひ登録してください。お気に入りのポッドキャストプラットフォームでも聴くことができます。また、さまざまなトピックについての多くのエピソードを予定していますので、ぜひそちらもチェックしてください。
また次回お会いしましょう。
コメント