（写真：A Health Blog／クリエイティブ・コモンズ表示 2.0 一般）
日本でもアメリカでもAIはブームであり、いたるところで見聞きします。AIを使っていると主張するたけで会社を1つや2つ起こすことができると言われるほどブームであると言われる一方で、AIは「誇大広告（Hype）」であるという意見もアメリカではしばしば目にするようになってきました。
例えばこの記事では、登壇者の一人がAIによって医師の代わりに放射線診断ができるようになるのではないかとコメントしたところ、IBMワトソンの医療部門（ワトソンヘルス）の責任者であるDiSanzo氏がそうではないと反論しました。
彼女曰く、AIはCTスキャンの画像が64枚あったとして、そのうちの重要な4枚を選び出して、カルテ情報と共に医師に提供することはできるが、そこに映っているものががんなのか良性腫瘍なのかは人が判断しないといけないとコメントしました（リンク先にビデオがありますのでご関心のある方はご覧下さい）。
これを聞いて、AIにはそんなに初歩的なことしかできないことに驚いたのは私だけでは無いと思います。
2017年9月に、権威ある医学雑誌にハーバード大学のオーベイマイヤーとリーがAIによって医療がどのように変わるかを説明した論文が掲載されました。この記事と、その他の医療におけるAIの第一人者達のコメントを元に、AIによって医療の何が変わり、何が変わらないと考えられているのかを説明したいと思います。
まずはAIによって得られるメリットです。
１．放射線診断、病理診断はAIによって診断可能になる（IBMのDiSanzo氏によると現在はまだできないということになっているが、いずれ可能になる）
２．患者の予後予測（助かる可能性が低い人に対する延命治療が必要無くなる、がん患者の予後がより正確に予測できるようになる）
３．テーラーメイド医療（特定の抗がん剤が効く人と効かない人を見分けることが可能になる）
４．情報の集約、効率化（過去の病歴などをまとめて重要な情報だけを抽出してくれるようになる）
逆に、AIにはできないと考えられる（近い将来AIができるようになるとは考えにくい）ことには以下のようなものがあります。
１．最終的な病気の診断
２．治療の選択（手術をするかどうか）など人の価値観が関わるもの
３．因果推論（因果関係なのか疑似相関なのか見分けること）
まずは、そもそもAIって何なの？というところをおさらいしましょう。すごく簡略化して説明すると以下のようになります。
- AI（人工知能）
- 学習、問題解決、パターン認識など、通常は人間の知能に関連している認知的問題の解決に取り込むコンピューターサイエンスの分野
- 機械学習
- 大量のデータ（学習データ）を解析し、規則性や関係性を見つけ出す手法
- 何に着目すれば良いか（特徴の抽出）を人間が教える必要がある
- 深層学習
- 学習データから自動的に特徴を抽出する
- トレーニングするのにビッグデータが必要
- 主な適用領域は「音声認識」、「画像認識」、「言語処理」の3つ
（出典：@IT）
最近のAIブーム（第三次AIブームと呼ばれることもある）になった理由の一つが、この深層学習の発展があります。機械学習では、データのどの部分に注目するべきか人間が教えなくてはならなかったのですが、深層学習ではそれをする必要がなくなりました。つまり、大きなデータを与えれば、AIが自動的にパターンを認識してくれるようになりました。
汎用AIと特化型AI
ちなみに、AIには汎用AI（Artificial general intelligence）と呼ばれるものと、特化型AI（Narrow AI）と呼ばれるものがあります。汎用AIとは、ドラえもんやターミネーターのように自分で考え、行動することができるものであり、映画でよく出てくるやつです。
皆さんが未来のAIとしてイメージするものもおそらくこちらでしょう。一方で、特化型AIとは極めて限られた狭い領域のことをうまく行うことのできるAIのことです。囲碁を打つAlphaGoや、将棋を打つPONANZAがあります。音声認識や画像認識するAI、自動運転するAIもこちらに含まれます。汎用AIはまだ開発されておらず、いま存在しているのは特化型AIだけです。汎用AIの完成は多くのAI研究者の夢でもあり、AlphaGoを開発したディープマインドも初期から汎用AIの完成を目標にあげています。
医療においてAIが直面している3つの壁
そして医療においてAIがいま直面している3つの大きな壁（挑戦）があります。
１．AIを学習させるのに必要な「良質なデータ」が不足している
２．AIには（原則として）因果推論ができない
３．医療現場においてAIに実験させることはできない
一つずつ順番に見ていきましょう。
