MOST POPULAR

GE Healthcare 麻酔器のハッキングリスクを否定

GE Healthcareは、同社の麻酔器がハッカーによる攻撃対象となった場合も、患者に直接的なリスクが及ぶことはないことを明らかにした。サイバーセキュリティファームCyberMDXが昨年、GE Healthcareの麻酔器に深刻な脆弱性があることを指摘したことにより、調査を行なっていた。 Healthcare IT Newsが15日報じたところによると、GE Healthcareは「麻酔器自体に脆弱性はないが、デバイスをネットワークに接続することは一般的に推奨していない」としているという。CyberMDXのGEに対する通達では、GE AestivaおよびGE Aspire 7100/7900において、ハッカーが麻酔薬量やアラーム設定などを遠隔操作できる可能性を指摘していた。 医療におけるAIおよびIoT技術の発達は、クラウドを含むネットワーク連携が一層加速することも意味しており、臨床現場におけるハッキングリスクは過去に例をみない高まりを示す。英国の王立麻酔科医協会(Royal College of Anaesthetists)は公式見解として「当該デバイスの利用に際してパニックとなる理由は何もない」とし、万一不測の事態となっても麻酔科医の対応でカバーできる程度の問題であることを強調している。

GE Healthcare 麻酔器のハッキングリスクを否定

GE Healthcareは、同社の麻酔器がハッカーによる攻撃対象となった場合も、患者に直接的なリスクが及ぶことはないことを明らかにした。サイバーセキュリティファームCyberMDXが昨年、GE Healthcareの麻酔器に深刻な脆弱性があることを指摘したことにより、調査を行なっていた。 Healthcare IT Newsが15日報じたところによると、GE Healthcareは「麻酔器自体に脆弱性はないが、デバイスをネットワークに接続することは一般的に推奨していない」としているという。CyberMDXのGEに対する通達では、GE AestivaおよびGE Aspire 7100/7900において、ハッカーが麻酔薬量やアラーム設定などを遠隔操作できる可能性を指摘していた。 医療におけるAIおよびIoT技術の発達は、クラウドを含むネットワーク連携が一層加速することも意味しており、臨床現場におけるハッキングリスクは過去に例をみない高まりを示す。英国の王立麻酔科医協会(Royal College of Anaesthetists)は公式見解として「当該デバイスの利用に際してパニックとなる理由は何もない」とし、万一不測の事態となっても麻酔科医の対応でカバーできる程度の問題であることを強調している。

熱傷(やけど)でダメージを負った腎臓をAIが超早期に判断する

熱傷による水分バランスや血中老廃物の異常から腎臓が急に機能しなくなる、いわゆる急性腎障害は、致死率80%ともいわれる危険な状態である。救命には一刻も早い診断が必要だが、これまでの尿量や血中クレアチニンのようなバイオマーカー測定には改善の余地があった。機械学習モデルで新しいバイオマーカーを解釈し、急性腎障害の診断までの時間を大幅に短縮する研究が2019年6月に学術誌Burnsに発表された。 Medical Xpressによると、米UCデイビスメディカルセンターのグループが、尿中の好中球ゼラチナーゼ結合性リポカリン(NGAL)という新しいバイオマーカーに着目した機械学習モデルを作った。これまでのバイオマーカーでは平均42.7時間かかっていた診断を、18.8時間にまで短くできたという。さらに診断精度の向上も達成しており、これまで測定値の解釈が難しいとされてきたNGALの弱点をカバーする大きな成果を達成した。 AIによる急性腎障害の超早期診断は、熱傷が起きやすい戦争での死傷者に応用が期待されている。急性腎障害を前線の施設で管理するのは難しく、早期に診断されれば、後方の高度医療機関へ適切な搬送ができるようになる。この流れは民間でも同じである。これまで専門的で解釈が難しいとされてきたさまざまなバイオマーカーに活躍の場面が与えられるようになったのは、機械学習の全盛期ならではの現象といえるだろう。

PEOPLE

LIFE

DESIGN

217,669ファンいいね
66,390フォロワーフォロー
24,203購読者購読

LATEST VIDEOS

TECH POPULAR

TRAVEL

薬物の有害事象を抽出する新しい深層学習アプローチ

米国テキサス大学と中国大連理工大学の研究チームは、自然言語で記述された臨床文書から薬物の有害事象発現を捉える、新しい深層学習アプローチを開発した。 学術誌・Journal of the American Medical Informatics Associationにて28日公開された論文抄録によると、チームは、固有表現抽出(Named Entity Recognition)と関連分類(Relation Classification)の2コンポーネントからなる新しいシステムを開発したとのこと。それぞれに深層学習モデルを持ち込んだところ、薬物有害事象発現の抽出精度は、古典的な機械学習アプローチを大幅に上回っていたという。 特に罹患疾患数が増え、多数の内服薬を抱える高齢者などにおいては元来の症状も多様であることから、薬物ごとの有害事象の発現を正確に把握することは簡単ではない。電子カルテの基本機能として、有害薬物反応を自動抽出・アラートしてくれるシステムの実現は、臨床医にとっても大きな助けとなるに違いない。