FRONTEO | ライフサイエンスAI

東日本大震災を機に医療データ統合とAI活用の重要性を実感

岩手医科大学 解剖学講座(人体発生学分野) 教授 人見 次郎 氏 インタビュー

岩手医科大学 解剖学講座(人体発生学分野) 教授 人見 次郎 氏

デジタルトランスフォーメーション(DX)は、医学研究や臨床現場にどのような効果をもたらすのでしょうか。自身の研究や東日本大震災の復興事業「東北メディカル・メガバンク計画」への参画を通してその重要性を実感したという岩手医科大学教授の人見次郎氏に、医療におけるAI活用の効果や課題、展望についてうかがいました。

■ 医学は記述の学問

━━━ 先生がAIに興味を持たれた経緯をお聞かせください。

私は解剖学を専門としています。解剖学を含め、医学はもともと「記述の学問」です。近年は診療情報などの記録に画像も用いるようになりましたが、原則は医師が患者の状態や症状、現象を言葉で捉え、文章で記録してきました。また、患者の遺伝子情報やゲノム情報、さまざまな検査数値などは、文字・数字情報によって表されます。そのため、医学は膨大なテキスト情報をベースとしているといえます。 東日本大震災後、復興事業の一つである「東北メディカル・メガバンク計画」に携わりました。これは、東北大学・岩手医科大学が中心となり、宮城県・岩手県の被災地域で大規模ゲノムコホート研究*1を行うものです。住民の方々の同意のもと、採取した血液細胞からゲノム解析し、どういった人がどんな疾患になるかを長期的に追跡し、個別化医療*2・先制医療*3を全国に先駆けて提供する基盤づくりに取り組みました。岩手県では3万人超の方々が参加してくださいました1)。 同プロジェクトでデータを収集・統合する際に、データの取り扱いや活用方法が課題となりました。そこで、様々な人に相談した中で、現・FRONTEO ライフサイエンスAI CTOの豊柴博義氏を紹介されました。豊柴氏から、医療情報の活用例の1つとして、eQTL(expression Quantitative Trait Locus:発現定量的形質遺伝子座) *4をAIで解析することにより統合失調症を層別化*5できるという話を聞き、医療情報のAIによる解析について大変興味深く感じるとともに、その技術や仕組みは他の様々な疾患にも応用可能だと考えました。

■ AI活用による新たな疾患概念の発見・個別化医療の実現の可能性

例えば、岩手県は脳卒中2)・うつ病3)の患者が多く、自殺率も高い4)地域です。コホート研究で収集したデータや岩手医科大学が研究・診療を通して蓄積した知見をAIで解析し、脳卒中やうつ病、神経疾患になりやすい人などがわかれば、それらの疾患の発症や悪化を防ぐ適切なケアの提供につなげ、コホート研究の成果を被災地住民に還元できます。 また、2019年には、岩手医科大学内科学講座脳神経内科・老年科分野、武田薬品工業、FRONTEOの3者パーキンソン病に関する共同研究の立ち上げに関わりました。これは、患者のゲノム情報や電子カルテに記載された情報を基に、患者のタイプや症状の出方などを特定し、1人1人に合わせた投薬や治療の実現を目指すものです。 FRONTEOのAIエンジン「Concept Encoder」を用いたテキストマイニングにより、医療情報を基に、同じ疾患において薬の効く/効かない人、疾患の進行の早い/遅い人などを特定・分類できれば、新たな疾患概念の創出や、個々の患者に合わせた治療法の開発、患者のQOL向上につながると、とても期待しています。

■ 医療情報のクラウド化がカギ

━━━ 医療におけるIT・AIの活用はまだ進んでいないのが現状です。主な課題は何ですか。

1つはセキュリティへの懸念、もう1つは医療情報の統合や活用についての議論がまだ十分になされていないことです。 医療情報は個人にかかわる情報の中でも特にセンシティブであり、管理方法やアクセス権の設定を含め、注意深い取り扱いが求められます。そのため、セキュリティ面の不安から、クラウドの利用を避ける医療機関・医療者もいます。しかし私は、将来、医療情報はクラウド上で電子的に保管することが望ましいと考えます。 東日本大震災では、津波によりカルテが流されて多くの医療情報が失われ、臨床現場は大変に混乱しましたが、クラウド化によりこの問題が解決できます。また、現在はセキュリティ技術が向上し、クラウド上での安全面の問題は解消されつつあると考えます。データ統合をはかる上でも、クラウドの利用は避けて通れない課題です。

■ リスクとベネフィットのバランスを考えたデータ活用方法の確立を

データの統合・活用とセキュリティを巡り、東北メディカル・メガバンク計画では、医療情報、特にゲノム情報の取り扱いについて、多くの方々から意見を聞きました。被災地での事業であるため、殊更に慎重な配慮が求められました。最も警戒したのは、人や地域の特定化です。例えば、何らかの疾患がどこかの地域に集中した場合、地域スティグマ(差別・偏見)が生まれる危険性があります。結果的に、何重にもセキュリティ対策を講じ、東北大学にスーパーコンピュータを置いて管理するシステムを作りました。 しかし、今、振り返ると、データ活用については、もう少し柔軟なルールを設定しても良かったかなと考えます。コホート研究では、アクセスを厳しく制限するよりも、情報を多くの研究者・機関が共有し解析した方が、新たな発見や効果的な医療サービスの提供といった成果が生まれやすくなります。個人情報の保護や差別防止、社会的側面への配慮は不可欠ですが、社会に還元できるメリットとのバランスを踏まえ、可能な部分では情報の共有範囲を拡げることが大切です。 特に、希少疾患など症例の限られた疾患ほど、データを共有する意義は大きくなります。エビデンス獲得に必要なサンプル数を確保できる地域の規模などに応じてアクセス範囲を調整するのが合理的でしょう。 また、データの統合・活用におけるもう1つのハードルが医療情報の標準化です。例えば、岩手県には県立の医療施設は20病院・6地域診療センターがあり、県立病院の数は全国一ですが、使用している電子カルテのソフトウェアは統一されていません。フォーマットが異なるため、データを共通のプラットフォームで一括して扱うことができません。ただ、それらが完全に整理されるのを待つより、可能な部分からデータの統合・活用を始め、その実績や意義、利便性を情報発信していくことが現実的だと考えます。

■ AI活用によるより良い医療の提供に期待

━━━ 今後、医療分野において、AIに期待されることは何ですか。

英国のBabylon Healthなど、国外ではすでに一次診療にAIシステムを導入している例があります。こうした取り組みは将来、増えていくと予測されます。日本ではまだ、医師・患者双方の理解が進むことが必要ですが、特に岩手県のような医師の少ない医療過疎地域では、質が担保されれば「利用したい」という人はいるでしょう。 人間の医師も、診療時にしばしば治療方法・治療薬についてガイドラインやマニュアル、教科書を参照して調べます。未来には、AIにあらかじめそうした情報を学習させておき、初期診療の補助とするという選択肢もあり得ます。 AIの信頼性を証明するには、医師国家試験を受験させるのも1つです。以前、AIによる東京大学受験が話題になりましたが、医師国家試験は記述問題がなく、5択の選択問題なので、むしろAIの方が高得点を取れる可能性もあります(笑)。 人間の医師ならではの観察やコミュニケーション、経験を活かした診療に加え、AIの補完的に活用し、より良い医療の提供や医学研究の発展につながることを期待しています。

 
  • *1 疫学(集団を対象に、疾病の発生要因・状況を研究する学問)における研究方法の1つ。コホートは「集団」の意。研究対象とする集団を継時的にフォローアップし、疾病の発生状況や生命予後、薬の有効性などを調査し、その要因や因果関係を探る。
  • *2 個々の患者の体質や遺伝子、病気のタイプを踏まえて最適な治療法を選択し実施する医療
  • *3 臨床症状がなく通常行われる検査所見でも異常のない発症前期に、ゲノム情報や生体由来物質・画像をはじめとするバイオマーカーを用いて疾患を診断・予測し、個別の特徴に応じた治療的介入を行う医療
  • *4 染色体上のDNA領域のうち、遺伝子多型(遺伝情報の配列の個体差のうち、人口の1%以上の頻度で見られる変異)が遺伝子発現(遺伝子の情報に基づいてタンパク質が合成され、細胞の構造や機能に変換されるプロセス)に影響を与える領域
  • *5 データの特徴によるグループ分け
   

ライフサイエンスAI事業本部へのお問い合わせ