遺伝子データを活用してがん治療を「精密医療」に進化させられる効果が明らかになってから、近年では人工知能ががん医療にも取り入れられつつあります。コンピュータ科学の支援を受けながら、患者はより正確な診断と有効な治療を受けられるようになり、医療従事者やシステムの負担も軽減されています。このトピックに入る前に、まず人工知能とは何かを理解しましょう。
BE Health 医療事務マネージャー 陳長溢
人工知能とはなにか(Artificial Intelligence, AI)?
現代社会では、私たちの日常生活には人工知能の影響が随所に見られます。例えば、ショッピングサイト、ソーシャルメディア、交通手段など、私たちが利用する多くのものが「人工知能」を活用しています。この「人工知能」とは、ソフトウェアとハードウェアを組み合わせて、機械が人とコミュニケーションし、世界と対話できる能力を持たせる技術のことです。一般的に、人工知能は「強い人工知能」と「弱い人工知能」に分類できます。強い人工知能は、機械が自己意識を持ち、独自に思考し、人間の行動特性を模倣できることを強調します。たとえば、マーベルの映画に登場するアイアンマンの助手である「ジャービス」は、あらゆる任務を遂行し、時には人間の認識を超えた判断を行うことがありますが、実際はまだSF映画や科学技術小説に限られています。
一方、「弱い人工知能」は、機械が問題に対して適切な答えを提供し、技術の支援を受けて人間の判断を上回る結果を出すことができるものです。しかし、機械自体は独自の思考能力を持っておらず、データと論理に基づいて予測を行います。現在、私たちが人工知能を実現する主要な方法は「機械学習」です。
機械学習 (Machine Learning)
「機械学習」とは、大量のデータとアルゴリズムを用いて機械を訓練し、その機械がタスクを達成する方法を「学び」、自身の誤りを継続的に「修正」し、段階的に「正確な」結果を生成できるようにするプロセスのことです。
近年、多くの問題を解決し、多様なデータを取り扱うために、さまざまなアルゴリズムが広く利用されています。
・「分類」問題では: ロジック回帰 (Logistic regression)、決定木 (Decision tree)、ランダムフォレスト(Random forest)、サポートベクトルマシン(Support vector machine)、ナイーブベイズ分類器 (Naive Bayes classifier)、勾配ブースティング木 (Gradient boosting tree) 與ニューラルネットワーク (Neural network) などがあります。
· 「予測」問題では: 線形回帰 (Linear regression)、決定木(Decision tree)、ランダムフォレスト (Random forest)、勾配ブースティング木 (Gradient boosting tree) 、ニューラルネットワーク (Neural network) などが使用されます。
· 「次元削減」問題: 主成分分析 (Principal components analysis)、t分布型確率的近傍埋め込み法 (t-distributed stochastic neighbor embedding) 均一多様体近似と射影 (Uniform manifold approximation and projection) などが使われます。
· 「クラスタリング」問題では、 K平均法 (K-means)、階層的クラスタリング (Hierarchical clustering) 、混合ガウスモデル (Gaussian mixture model) などが一般的です。
· 「関連」問題では、先験アルゴリズム (Apriori algorithm) などが利用されます。
機械学習においては、通常、アルゴリズムに多くの情報を提供し、特徴の抽出などが行われ、より正確な評価を得るための取り組みが必要です。しかし、複雑なコンピュータビジョンの場合、機械学習単体では人間と同等の結果を提供するのが難しいことがあり、そのために「ディープラーニング」と呼ばれる分野が最近発展しています。
ディープラーニング (Deep Learning)
「ディープラーニング」は機械学習の一部で、そのアイデアは人間の脳の生物学的な仕組みに基づいています。脳は神経細胞同士をつなげて神経ネットワークを形成します。この概念を応用して、モデルを層に分かれた神経ネットワークとして構築し、データを各層の個別のニューロンに入力します。そして、各ニューロンにはデータを理解するためのウェイトが割り当てられます。各ウェイトはデータの異なる側面を表現し、それぞれの層の誤差を結合して、計算を行い、その結果を次の層に渡します。このように情報が下に伝わり、最終的な結果が生成されます。
深層学習は現在、多くの分野で広く応用されており、特にコンピュータビジョン、画像認識、および検出分野で大きな進歩が見られています。
ディープラーニングはどのような分野で使用できるのか
機械学習は現在、多くの業界で広く利用されており、その多様性は数え切れないほどです。例えば、自動車業界、製造業、メディアおよびエンターテインメント業界、小売業、オンラインショッピング、金融市場などが挙げられます。また、医療保健およびライフサイエンス業界では、大量の医療および健康データの利用により、機械学習が人々の健康を維持し向上させるのに役立っています。次回では、癌治療と人工知能の統合について詳しく説明します。
詳細な情報をお求めの場合は、お気軽に以下のメールアドレスまでお問い合わせください：Bryant.chen@behealthventures.com