Googleが病院を訪れた患者の身に「次に何が起こるか？」を予測する技術を開発
コメント
選択しているユーザー
この技術がより応用され、自分のライフスタイルの予測にも使われるとなると、バカな夢が持ちにくくなり、面白みが半減しそう。
ゲームで例えると、ラスボスと戦う前に「殺されますよ」と言われているような気分
注目のコメント
米国では医療機関への医療費支払い償還に医療の質が加味される仕組みが取られていて、例えば30日以内に再入院してくる患者の比率が一定水準を超えると、メディケアなどの支払い償還率が引き下げられるといったペナルティがあります。その為、機会学習を使って再入院率を予測する仕組みを取り入れている医療機関もあります。
予測データの結果を最優先にするのではなく、医師・看護師に加えて、第三の医療従事者の視点として、こういったAIによる予測データを活用するのは有効ですね。①医者というのは、疾患がなんであるか。というテーマに関して徹底的に、推論する訓練を受けています。Dr Gなどをご視聴したことがあれば、ご存じでしょう。理学的所見、に従って、問診、検査（血液、画像）、を行い、疾患にたどり着く訓練です。その際に、いくつもの鑑別診断を行いながら３，４つの中から最終決定をするわけです。もちろんわからないこともありますが、理学所見をとった段階で、疑わしい疾患を推論（モデル化）して、できるだけ検査の数を少なく、直接的に、診断に結びつけています。機械学習が行うのは、医者が行った行為を追いかけているので、そこから診断に結びつけることは、医師が優秀であれば、あるほど、比較的容易と考えます。むしろ、この学習後のnetworkモデルは、医師養成の教育のために使えるのではないでしょうか。最近は、特定看護などの看護から一歩踏み込んだ領域もあります。その分野でも有用でしょう。
しかし、Networkモデルがどのような過程を経て答えを出したかは、black boxでわからないと言います。機械学習がこの過程を、表現できるのか、どうか知りたいところです。
②Mortalityの予測は、医師にはできないので、これは、とても有用なデータとなります。医師は、患者さん、家族から、「予後はどのくらいですか」と聞かれますが、一般的な疾患に関する死亡率を教えることになります。その患者さんに特化した予後を推測することは、よほど、重症度が高い疾患でない限り、困難です。
③この情報の出展が、natureである。というところに興味を持ちました。これはopen accessで、PDFもダウンロードできる。以前「機械学習研究者2000人が、Natureの新しい有料論文誌への投稿を拒否」https://jp.techcrunch.com/2018/05/03/2018-05-01-thousands-of-academics-spurn-natures-new-paid-access-machine-learning-journal/
という記事がありました。その時の影響を考慮して記事掲載なんでしょうか。
