医療AIの国際学会であるMLHCに中野哲平氏の推薦で行ってみた

先週の8月16日から18日にかけて、研究者たちはパロアルトのスタンフォードで開催された2018年のヘルスケアのための機械学習（MLHC）会議に集まりました。

MLHC 2018のフィルタリングされていない率直な意見
MLHCの珍しい点の1つは、特にNIPSやICMLのような巨大な会議と比べて、その扱いやすいサイズとフォーマットです。出席者数は約300人にのぼり、会議は「小さなコミュニティ」の感覚を維持しています。多くの努力を要することなく、私はすぐに他の研究者と知り合い、古くからの友人と再接続し、部屋の向こう側で何度も人々を見ました。早すぎると登録できないとの報告もありましたが、コミュニティが成長し続けるにつれて、人口分布の管理とシングルトラック構造の維持に重点が置かれていることに感謝します。

フィナーレDoshi-Velezが冒頭の発言で指摘したように、今年の会議の焦点は臨床医にとって有用な機械学習でした。医療用画像処理、子供のまれな遺伝的状態の治療、病院での手術など、機械学習の幅広い可能性が昨年強調されたのとは対照的に、今年は現在の機械学習の取り組みと実際のヘルスケアの向上のギャップをターゲットにしました。より多くの臨床医が参加し提示することで、我々は対抗的な医師対AIの枠組みを避け、代わりに共通の目標に焦点を当てた。

患者の話をとらえる
キックオフの基調講演として、スタンフォードのAbraham Vergheseは、患者ナラティブに新たな重点を置くことを提唱することによって調子を整えました。彼は、1時間の患者時間ごとに、臨床医は現在電子健康記録（EHR）におよそ2時間を費やしていると述べました。彼はEHRが請求のために必要であると認めたが、彼は病気の子供に対する視覚的な焦点のタイトルの主題の注目に値する、The Doctorの絵に戻って思い出した。後の質問で尋ねられたとき、博士Vergheseは彼が臨床記録が全体の患者物語を捕らえると信じていないと明確にしました。

臨床メモの限界にもかかわらず、会議の発表者は臨床メモのマルチタスク学習を使用した慢性疾患の予測、退院メモのトピック分布の生成、畳み込み残差モデルによるマルチラベル学習の活用など、臨床メモの理解を深めるための研究を発表しました。そして専門的知識を機械学習診断と統合すること。

少し異なる角度で、ミシガン大学の基調講演者Joyce Leeは、小児内分泌学者としての専門知識を通して患者の視点を考慮する必要性を動機づけました。インスリン投与量を調整するために患者、特に若い患者が血糖値を注意深く監視する必要がある場合、データサイロ、報告の偏り、および時代遅れのテクノロジの組み合わせによって患者の経験が妨げられます。彼自身のインスリン臨床記録の長いテキストはラボテスト、画像処理、およびその他の追加機能で調べることができるので、患者記録を「Microsoft Word meets Pinterest」と比較すると、Lee博士は、完璧なアルゴリズムでもヘルスケアシステム自体は不完全であり、欠かせない説明される。

モデルの堅牢性はますます重要になります
格言が進むにつれて、すべてのモデルは間違っていますが、いくつかは便利です。アルバータ大学の基調講演者Russell Greiner氏は、講演の大部分を効果的なモデルの重要な考慮事項に費やしました。 1つのバイオマーカーと結果の間の関連付けは、より広範な機能セットを利用する予測アルゴリズムよりもはるかに強力ではありません。主観的な症状は治療を受けた臨床医によって異なる可能性があるため、特徴自体でさえ慎重に選択することができますが、定量的測定はモデルで確実に使用するのが簡単です。さらに、ある分布で訓練され、別の分布でテストされたモデルは、共変量シフトの影響を受ける可能性があります。

発表された論文の中で、私は医療タスクに関する直接的な教師あり学習を超えた交絡因子についての慎重な調査を見て心から嬉しく思いました。例えば、人種的格差や医師への不信は、異なる終末期医療につながる可能性があります。 EHRデータの測定値の欠如または存在さえも、EHR患者のモニター測定値を再構築するために使用できる追加のシグナルを与える可能性があります。これに対して、研究者がコードやデータを共有できない、または共有できない場合、広く使用されているデータセットでも再現性が非常に困難になります。

ミシガン大学の基調講演者であるMohammed Saeed氏は、広く利用可能なデータセットが再現性、したがって堅牢性の鍵となるため、集中治療室（ICU）のオープンで大規模で広範なデータセットの作成プロセスについて説明しました。ヘルスケアのための機械学習の分野へのインパクトのある貢献。最も注目すべきは、Saeed博士は、データセットの蔓延の鍵となるデータセットを匿名化する能力、およびアクセスを受ける前に広範なプライバシートレーニングを受けている研究者のコミュニティであると信じています。

中野哲平氏について

慶應医卒/東京大学医学博士課程/未踏2017/未踏アドバンスド2018/人工知能で世界の医療を少しでも良く出来たら/ 

未踏事業2016

医療とAIでいえば、元祖は中野さんでしょう。

https://www.ipa.go.jp/jinzai/mitou/2016/gaiyou_f-2.html

2016年に既に経産省で採択をされていますからね。

未踏事業2017

こちらからは資金援助もされていますからね。。

https://www.ipa.go.jp/jinzai/advanced/2017/gaiyou_o-1.html

凄すぎます。

日本の医療、未来のために頑張って欲しいです。