医学的因果の新しい探索技術 – データから因果関係を読み解くAI

Babylon HealthとUniversity College London(UCL)の共同研究チームは、複雑に絡み合うデータから「単なる相関ではなく、因果関係を意味する関連」を抽出できる信頼性の高い手法を開発した。本研究論文は、最も権威ある人工知能学会の1つ「AAAI」(米人工知能学会)にも採択されている。

UCLの公表によると、本研究では量子暗号に着想を得、古く・重複し・不完全なデータセット群を融合することにより「どの統計学的相関が医学的な因果関係を意味しているのか」を高い信頼度で抽出する手法を開発したという。物理理論においては、全てのものは時間経過に伴って「乱雑で複雑に」なるため、原因は常に「より乱雑で複雑”ではない”」ことになる。研究を率いたLee博士は「取得したデータセットにおいて、それぞれの変数に複雑度評価を与えれば、どれが原因かを見つけることはできる。ただしこれは1つのデータセットにしか適用できない。我々が望んだのは、仮にギャップのあるデータセット群であっても複数を結びつけ、研究者の医学的関心に応えられるものだ」としている。

研究者らは、このAIを乳がんとタンパク質のシグナル配列に関するデータセットで検証しており、AIは正確に原因変数を特定できたことを示した。このAIは、過去の研究結果(データ)を紡いで利用することで、根底にある未知の知見を導けることを意味しており、高額な臨床試験やそもそも倫理的に行えない試験などを回避し得る画期的発明と言える。なお、本研究で使用されるアルゴリズムは医学研究者の利用を想定し、arXivで入手することができるほか、研究の質的検証も可能とするため、テストされたデータセットは全てオープンアクセスで公表されている。

前の記事Caption Health – AIによる心エコーのガイドシステムでFDA承認を取得
次の記事臓器位置変動へのAI画像補正が放射線治療を変革するか?
TOKYO analytica
TOKYO analyticaはデータサイエンスと臨床医学に強力なバックグラウンドを有し、健康増進の追求を目的とした技術開発と科学的エビデンス構築を主導するソーシャルベンチャーです。
The Medical AI Timesにおける記事執筆は、循環器内科・心臓血管外科・救命救急科・小児科・泌尿器科などの現役医師およびライフサイエンス研究者らが中心となって行い、下記2名の医師が監修しています。

1. M.Okamoto MD, MPH, MSc, PhD
信州大学医学部卒(MD)、東京大学大学院専門職学位課程修了(MPH)、東京大学大学院医学系研究科博士課程修了(PhD)、ロンドン大学ユニバーシティカレッジ(University College London)科学修士課程最優等修了(MSc with distinction)。UCL visiting researcher、日本学術振興会特別研究員を経て、東京大学特任研究員など。専門はメディカルデータサイエンス。

2. T.Sugino MD
防衛医科大学校卒(MD)。大学病院、米メリーランド州対テロ救助部隊を経て、現在は都内市中病院に勤務。専門は泌尿器科学、がん治療、バイオテロ傷病者の診断・治療、緩和ケアおよび訪問診療。泌尿器科専門医、日本体育協会認定スポーツドクター。