GoogleのDeepMindは、医学の新時代の到来を告げる可能性があります

公開: 2018-12-17

最近、技術界は、GoogleのDeepMindがさらに高いレベルのアプリケーションに到達したというニュースで賑わっています。ポンやチェスをする時代は終わりました。早くも2016年、DeepMindはヘルスケアセクターに影響を及ぼし始めていました。最近では、DeepMindの能力により、私たちを完全に医学の新時代に移行させることができるかもしれません。 DeepMindがどこから来たのか、どのようにインテリジェントになったのか、そしてそれが医学の未来を完全に変える可能性があるのかを探りましょう。

DeepMindの起源

DeepMindは、シェーンレッグ、デミスハサビス、ムスタファスレイマンの3人によって設立された2010年のスタートアップです。ハサビスはインタビューで、AIがプレイする1970年代と1980年代の原始的なゲームを選択することで人工知能技術に取り組んだと述べました。まるでReadyPlayer Oneの外にいるかのように、AIマシンは、スペースインベーダー、ブレイクアウト、さらにはレトロクラシックのポンなどを再生しました。

AIが導入されると、以前にルールを知らされることなく、ゲームプレイを通じて学習しました。ゲームをプレイしてしばらく失敗した後、AIはゲームを学習してマスターします。たとえば、このビデオはAIマスタリングAtariBreakoutを示しています。フォーブスの記事によると、AIの認知プロセスは、重要な概念を把握してそれに熟達するために、「ゲームを見たことがない人間が使用するものと非常に似ている」と言われています。

進化的ツールとしてのゲーム

DeepMindによって開発されたコンピューター囲碁プログラムであるAlphaGoは、2015年10月にヨーロッパの囲碁チャンピオンである樊麟（9人中2人）を5対0で破りました。コンピューターはプロ棋士を打ち負かすことができました。その背後にある理由は、複雑さのレベルです。チェスなどの他のゲームと比較して、コンピューターが勝つことは非常に困難です。これは、AIが徹底的な検索方法を使用して勝つことを難しくしているためです。

その後、2016年3月、AlphaGoは4対1の試合で世界最高ランクの囲碁プレーヤーの1人である李世ドル（9段中9段）を破りました。翌年、AlphaGoは過去2年間Goで世界一の座を占めていたKeJieとの3試合で勝利しました。学習するために、AIは教師あり学習手法を使用して、人間が互いに対戦する多くのゲームを研究しました。

強化ディープラーニング

AlphaGoテクノロジーは、機械学習の一種である強化ディープラーニング手法に基づいて作成されました。 Artificial Intelligence Depotの記事によると、「パフォーマンスを最大化するために、マシンとソフトウェアエージェントが特定のコンテキスト内で理想的な動作を自動的に決定できるようにします」。たとえば、AIがGoをプレイする場合、単純な報酬フィードバックはAIが経験から学ぶのに役立ち、これは「強化信号」と呼ばれます。

AlphaGo＆AlphaGo Zero

AlphaGoは、他の人を見て、Goゲーム自体をもっとプレイすることから学んだので、失敗だけでなく、勝利からも学びました。その後、3000万以上のゲームを処理するまで、履歴データがゲームの知識に追加されました。改良版のAlphaGoZeroは、2017年にAlphaGo 100ゲームをゼロに打ち負かしました。驚くべきことに、この偉業は、AlphaGoZeroがゲームを学習してからわずか3日後に可能になりました。さらに、修正されたAlphaGo ZeroであるAlphaZeroは、純粋に自己プレイを通じてチェスと将棋の学習に超人的なスキルを身に付けました。

DeepMindの健康と眼疾患の特定

2016年、DeepMindはMoorsfield Eye Hospitalと協力して、ヘルスケア向けのAIアプリケーションを開発しました。彼らの焦点は、患者が眼疾患のために治療され、紹介される方法を改善することにありました。

現在、眼科専門医は光コヒーレンストモグラフィー（OCT）スキャンを利用して眼疾患の診断を支援しています。 OCTスキャンは、目の裏側をマッピングする3D画像です。それらは読みにくいことで有名であり、さらに理解を深めるには専門家の分析が必要です。長い分析時間と1日あたりのスキャン数（Moorfieldsでは1日あたり約1,000回）の間では、緊急のケアの場合でも、スキャンと治療の間の時間が大幅に遅れる可能性があります。残念ながら、これは、出血などの突然の発症の問題がある場合、スキャンから治療までの遅延が患者の視力を犠牲にする可能性さえあることを意味します。

DeepMindの記事によると、彼らのAIシステムは、「日常の臨床診療からの目のスキャンを前例のない精度で迅速に解釈でき」、「世界をリードする専門医と同じくらい正確に」治療コースを推奨しています。このシステムは、眼疾患の存在を数秒で検出できるだけでなく、緊急のケアを最も必要とする患者に優先順位を付けることができます。この技術により、スキャンから治療までの待ち時間が大幅に短縮され、危険にさらされている人を助け、時間の経過による目の喪失の可能性を減らします。

DeepMindの健康と眼疾患の特定

今年の初め、DeepMindはCancer Research UK Imperial Centerと提携して、AIテクノロジーが、マンモグラムでの乳がんの診断において、人間の専門家よりも効果的かつ迅速に専門家を支援できるかどうかを評価しました。 DeepMindは、眼疾患の場合と同様に、乳がんの認識を改善することを望んでいるため、作業は継続されています。

2018年10月4日、DeepMindの記事は、DeepMindHealthプロジェクトが5年間のパートナーシップで日本を代表する医療機関の1つである慈恵会医科大学病院に拡大されることを発表しました。ペアリングの目的は、英国が提供する歴史的な匿名化されたマンモグラフィデータベースとともに、約30,000人の女性からの歴史的な匿名化されたマンモグラムを分析し、テクノロジーがX線で癌性組織の兆候をより効果的に特定できるかどうかを確認することです。現在の技術より。

ただし、AIシステムが支援または評価しようとしているデータを正確に反映していないデータでトレーニングされるとバイアスが発生する可能性があるため、調査は慎重に行う必要があります。たとえば、民族グループ間で乳房密度にばらつきがある可能性があります。これは、実際には密度がちょうど高いときに、誤って一部の患者に癌性のラベルが付けられる原因となる可能性があります。

DeepMindと眼疾患の予測

DeepMind HealthがOCTスキャンを使用して病気の存在を記録したように、専門家は、OCTスキャンを使用して差し迫った病気が発生する前に予測できるかどうかを確認しようとしています。片方の眼だけで眼の治療を受けたムーアフィールド眼科病院の7,000人の患者を分析することにより、このマシンはもう一方の眼の悪化を予測することができます。

DeepMindの記事によると、「病気の潜在的な指標を予測することは、既存の既知の症状を特定するよりもはるかに複雑で、計算量が多い作業です。」能力をコンピューティングのニーズに合わせるために、DeepMindとMoorfieldsは、英国と米国のGoogleのクラウドコンピューティングインフラストラクチャを使用することに同意しました。

AlphaFoldタンパク質フォールディング

最近、DeepMindの最新のAIプログラムであるAlphaFoldは、タンパク質の3D形状を予測するという、特に厳しい偉業で競争に打ち勝ちました。学界の外ではほとんど議論されていないかもしれませんが、タンパク質の折り畳みにはすべての人が関わっています。ガーディアンの記事にあるように、これは「分子折り紙」の一形態です。科学者は通常、タンパク質の形状を決定するために低温電子顕微鏡法、X線結晶学、核磁気共鳴を使用しますが、それは試行錯誤、時間とお金に依存します。

タンパク質が大きいほど、考慮すべき相互作用が多いため、正しくモデル化するのが難しくなります。たとえば、DNAには長鎖を形成するアミノ酸に関する情報が含まれています。これらの鎖の構造とそれらがどのように3D形状に形成されるかを予測することは、「タンパク質の折り畳みの問題」です。 DeepMindの記事が指摘しているように、レヴィンタールのパラドックスは、「正しい3D構造に到達する前に、典型的なタンパク質のすべての可能な構成を列挙するには、宇宙の年齢よりも長い時間がかかる」と述べています。

タンパク質の形を理解することは、その機能を理解する上で大いに役立ちます。 AIで予測されるタンパク質の折り畳みのこの行為だけでも、科学および医療分野に大規模なプロセスをもたらす可能性があります。タンパク質が絡まったり誤って折りたたまれたりすると、糖尿病、パーキンソン病、ハンチントン病、嚢胞性線維症、アルツハイマー病につながる可能性があることを考慮に入れてください。

科学者がその化学組成からタンパク質の形状を予測できれば、それが何をするのか、そしてどのように誤って折りたたまれて害を及ぼすのかを解明できることが期待されています。さらに、AIアプリケーションは、病気と戦ったり、職務を遂行したりするために新しいタンパク質を設計することさえでき、医学の新時代を先導します。