Amazon Web Services ブログ

エージェント AI システムは今日の医療における最も差し迫った 3 つの問題をどのように解決するのか

本記事は 2024 年 12 月 4 日に公開された  How agentic AI systems can solve the three most pressing problems in healthcare today を翻訳したものです。翻訳は森下裕介、亀田俊樹が担当しました。

このブログは GE Healthcare 様によるゲスト執筆です。

私たちは、CRISPR 遺伝子編集から 3D プリント臓器、標的がん治療まで、医療が目覚ましい進歩を遂げている時代に生きています。しかし、将来の世代が私たちの時代を振り返ったとき、果たして彼らは、これらの目覚ましい革新を覚えているでしょうか？ それとも、私たちの時代における真の遺産は、医療システムを悩ませてきた信じられないほどの非効率性と負担となるのでしょうか。

今日のがん患者が経験する困難で感情的なペイシェントジャーニーについて考えてみましょう。それは治療の不確実性と診断の重圧に特徴づけられます。患者自身の苦闘だけでなく、もう 1 つの課題があります。それは、彼らのケアチームが直面する課題です。臨床医は、正確な治療計画を立てるために、医療画像、検査結果、患者の病歴を含む様々な形式や情報源からの膨大なデータを精査しなければなりません。一方、医療スタッフは、多数の患者の予約をスケジュールし、治療を調整するために懸命に働いていますが、多くの場合、ストレスやバーンアウトにつながる数十の相反する要因を調整しなければなりません。

この記事では、エージェント AI システムの可能性を探ります。これらのシステムは、医療従事者にリアルタイムのサポートを提供し、複雑な医療事例の解読などの複雑なタスクを処理し、がん診療科、放射線科、外科などの複数の専門部門にまたがる一貫したケア計画を調整し、患者が治療過程を通じて包括的かつタイムリーなケアを受けられるようにすることで、これらの負担を軽減する可能性があります。

医療におけるデータ過多

2025 年までに、世界中で 180 ゼタバイトを超えるデータが生成され、そのうち 3 分の 1 以上が医療分野からのものになると予測されています。現在、医療分野のデータのうち効果的に利用されているのはわずか 3 % です。これは主に、マルチモーダルデータを大規模に処理できない非効率的なシステムが原因であり、臨床医は患者のケアに役立つインサイトを得るためにデータを手作業で選別せざるを得ません。そして、この課題は増大するばかりです。NIH は 特に腫瘍学、心臓病学、神経学の分野で、医学知識が 73 日ごとに倍増していると推定しています。

これを総合的に考えると、前立腺特異抗原 ( PSA ) の結果を確認するがん専門医は、複数の文書やシステムに分散しているデータを使用して、すべての薬剤、治療法、処置、症状、医療画像、生検、併存疾患を考慮する必要があり、これらすべてを 15 ～ 30 分の診察内で行う必要があります。

ケア提供者は物流上の課題にも直面しています。ソリューションズ・リーチの調査によるとがん患者のケア欠席率は 25% であり、それによりスケジュール作成が複雑になりバックログが発生してしまうことで、高リスク患者を優先することがほぼ不可能になっています。

三つの問題

「認知的過負荷（処理できないほどの情報過多）」「ケアプランのオーケストレーション」「システムの断片化」といった課題は、患者が断片化された治療過程や遅延に直面することが多い現在の医療現場では明らかです。

例えばがん専門医の定期的な診察について考えてみましょう。PSA 検査後、結果は電子カルテ ( EMR ) システムに入力され、腫瘍専門医は手動で異常値を確認し、追加の検査を依頼する必要があります。緊急性をフラグ付けして優先順位付けを自動化するインテリジェントなシステムがなければ、追加の検査の依頼が遅れ、患者の治療に影響する可能性があります。

また、がん診療科の看護師は、システムが自動的にリクエストを送信してスケジュールを処理するのではなく、手動で画像診断ユニットと外科部門にリクエストを送信します。さらに問題を複雑にしているのは、患者の病歴を知らない MRI 技師が、ペースメーカーなどの個別の要因について専門家のアドバイスを手動で求めなければならないことです。ペースメーカーの場合、MRI 装置の磁場がペースメーカーの機能に干渉する可能性があります。また麻酔科医は、手術薬との相互作用を引き起こす可能性のある患者の薬やアレルギーを手動で調べる必要があり、多くの場合個別プランやコンサルテーションが必要になり、治療がさらに遅れます。

これらの課題には段階的なソリューション以上のものが求められます。GE Healthcare は、AWS とのパートナーシップを通じて AI とクラウドのイノベーションを活用し、医療ワークフローを変革し、ケアの提供を根本からシームレスに統合しています。このパートナーシップでは、インテリジェントなエージェントシステムが医療サービスを強化し、エラーを減らし、シームレスな患者体験を提供する方法を模索しています。

現状を変革するチャンスは、エージェントシステムを使用して、現在、医療データに閉じ込められているインテリジェンスを活用することにあります。その結果、多分野にわたる推論、コラボレーション、プロセス自動化を拡張する能力が得られ、医療従事者が患者と過ごす時間を増やすことができるようになります。

エージェントの時代

大規模言語モデル ( Large Language Model; LLM ) とマルチモーダル基盤モデル ( Foundation Models; FMs ) を搭載したエージェントシステムは、膨大なデータセット (臨床記録、患者の罹病歴、検査結果、診療ガイドライン、治験情報、診断画像など) を処理して実用的なインサイトを抽出し、臨床医が患者のケアと結果の改善へのさらなる集中を可能にすることで、医療を変革することを約束します。これらのシステムは、ケアプランを調整し、医療インフラストラクチャ全体でデータを統合することで、認知負荷を軽減し、ワークフローを合理化し、リソース効率を最大化することを目指しています。

エージェントシステムは能動的で目標指向型であり、アダプティブラーニングが可能です。API またはデジタルツールを介して環境と対話し、データにアクセスし、ビジネスロジックを実行し、リアルタイムで戦略を改良します。エージェントシステムは「プロアクティブ」エージェントと「リアクティブ」エージェントを使用し、LLM を活用してコマンドと分析タスクを実行します。これらのシステムのインテリジェンスは内部の思考プロセスに集中しており、これは “Chain of Thought” または “Tree of Thought” として外部に反映され、設定された目標にフォーカスし続けることで問題解決を導きます。

タスクの詳細、コンテキスト、論理フレームワーク、探索ツールを備えたエージェントシステムは、包括的なケアプランを考案し、貴重なインサイトを抽出し、部門間で複雑なケアを調整できます。これらの機能によって変革された医療システムでは、サイロが解体され、アプリケーションが相互に通信して患者ケアを最適化します。

ヘルスケアにおけるエージェントシステムの可能性の図解

さて、進行性前立腺がん患者 “John Doe” の治療計画をがん専門医が作成し実行することを支援するという観点から、エージェントシステムの実際の適用例を説明しましょう。

多分野にわたるエージェント AI ワークフローのモックアップ: 臨床、生化学、病理学、放射線学のデータを分析して転移の広がりを評価するエージェント

この例では、新しい臨床データ ( PSA レベル、MRI 結果、生検レポートなど) が 電子カルテ上 に入力されると、(a) コーディネーターエージェントがさまざまなソースから情報を集約し、事前定義されたロジックに基づいてワークフローを開始します。データの重要性に応じて、(b)“特化型エージェント”が「バーチャルオンコロジーボード」を構成する一員としてアクティブ化されます。

(b) 特化型エージェントには以下が含まれます:

  • 臨床データスペシャリストエージェント: 自然言語処理 ( NLP ) を使用して臨床ノートを分析し、重要な所見を特定し、現在の問題と過去の問題を区別します。
  • 分子検査データエージェント: 生検サンプルからゲノムデータをデコードし、BRCA1/2 や PSMA などのバイオマーカーを識別して個別化治療をサポートします。
  • 生化学データスペシャリストエージェント: 異常な PSA レベルなど、生化学的な身体の異常を評価し、がんの悪性度や病気の進行に関するインサイトを提供します。
  • 放射線データスペシャリストエージェント: AI 駆動型技術を使用して医療画像データを解釈し、がん転移を検出し、治療の影響を評価します。
  • 生検データスペシャリストエージェント: デジタル病理学アルゴリズムを使用して生検レポートを処理し、グリーソン スコアを割り当て、がんのステージを決定して前立腺がんの悪性度またはステージを評価します。スコアが高いほど、がんの悪性度が高いことを示します。

これらのエージェントは定義された範囲内で自律的に動作し、API を介して追加のデータセットにアクセスして、過去の患者データやケーススタディなどの補足情報を取得し、病気の進行状況を詳細に評価します。

① 総合的評価と治療提案の生成: (a) や (b) といった複数エージェントの協調とそれぞれのエージェントの推奨内容を統合するプロセスを通じて、(a) コーディネーターエージェントによって総合的な評価がなされます。その後、推奨ジェネレータがアクティブ化され、(a) の総合的評価に基づいて臨床的意思決定を支援するアルゴリズムが適用されます。その結果として、電子カルテに安全に保存される治療提案が生成され、John のがん専門医に通知されます。

② フォローアップ検査のスケジューリングと予約: 評価の通知後、がん専門医が手動で結果を確認し自身でフォローアップ検査をスケジュールする代わりに、コンテキスト駆動型のリアクティブなワークフローが重要なリクエストを自動化します。医療 NLP を活用してメモを分析し MRI スケジュールと調整する “臨床言語処理エージェント” を使用することで、キャパシティの最適化を担う “最適化エージェント” はシステム容量のバランスを取りながら予約を優先できます。その結果に基づき、スケジューリングと検査予約実施を担う “スケジュールエージェント” は、重要なケースを中断することなく緊急スキャンの予約を入れます。また “適合性評価エージェント” はペースメーカーモデルを相互参照し、 MRI リスクを未然に防ぐことで安全性を確保します。

③ 個別化された治療計画の生成: その後、“治療計画エージェント” を使用して、パーソナライズされた治療計画が作成されます。がん治療における “治療計画エージェント” は、診断と治療を 1 度のセッションで組み合わせる統合アプローチであるセラノスティクスのシームレスな統合を可能にします。このエージェントは、スケジューラと同期することで、化学療法、手術、放射線療法などの他の治療と並行してセラノスティクスセッションを調整し、リソースの割り当てを最適化し、臨床現場でのスケジュール効率を改善し、患者への治療を迅速化します。

この自動化により、現在の医療現場のアナログなプロセスでは不可能な効率性とインサイトが提供されることで、患者と臨床医の両方の負担が軽減されますが、コンプライアンスと監視の必要性は依然として最重要です。医療情報学の専門家は、エージェントが医療ロジック、データ標準、臨床ワークフローに準拠していることを確認し、必要に応じて監視と介入を行うための直感的なダッシュボードによってサポートされます。各モジュールエージェントは、HL7、FHIR、HIPAA、GDPR などの各種標準に準拠し、専門家の設計、共同アルゴリズム、モジュールアーキテクチャを通じて、John Doe の複雑ながん治療を正確かつ効率的で、治療レスポンスの高い治療プロセスに変更する統合的な診療システムを構築します。

MRI システムを個別化医療ツールに接続するなどの将来の統合により、治療ケアにさらなる革命が起こる可能性があります。エージェントシステムは、放射線治療の個別化された線量測定計画を計算し、治療部位を正確にターゲットにして遅延を減らすことができます。これらのシステムは放射線量を監視して、逸脱を臨床技師に通知し、安全基準を維持するための修正を提案することもできます。このプロアクティブな相互接続アプローチは、エージェントシステムが従来のサイロを打破し、治療ケアの水準を向上させる方法を示しています。

医療向けに安全で可用性が高く、パフォーマンスの高いエージェントシステムを構築するには、重要度の高い基盤レベルでのな作業が必要となります。AWS の活用は、正にそれを簡素化し、加速します。データとメタデータの保存に Amazon S3 や Amazon DynamoDB、制限されたアクセスを保証するプライベートサブネットを備えた Amazon VPC、暗号化には AWS KMS、コンピューティングエンジンのホスティングには AWS Fargate、GEHC (GE Healthcare) の認証認可マネージャによる OIDC/OAuth2 検証を備えた負荷分散には Application Load Balancer、フロントエンドアプリケーションのホスティングには Amazon CloudFront、インフラストラクチャのライフサイクル管理には AWS CloudFormation、モニタリングとダッシュボードには Amazon CloudWatch などの AWS サービスを活用することで、エージェント AI のリサーチにかかる労力を数か月から数日に短縮できます。

GE Healthcare のリサーチチームは、マルチエージェントシステムをゼロから開発していますが、将来的には Amazon Bedrock などのサービスを使用してイノベーションを加速し、調整エージェントが専門エージェントのワークフローをシームレスにオーケストレーションできるシステムを構築することも検討しています。Amazon Bedrock Agents のメモリ保持機能により、システムはエージェント間でアクションを順序付け、インタラクション全体でコンテキストを維持できるため、最終的には患者ケアと個別化された患者体験の継続性が確保されます。

また Amazon Bedrock Agents のトレース機能を使用すると、すべてのエージェントの思考の連鎖 (Chain of Thought) の透明性を実現し、その推論内容を検証することが可能です。オーケストレーションフローのトラブルシューティングを行って動作を洗練させ、結果を向上させることができます。このようなシステムを構築するには、Amazon Bedrock が提供している直感的なセットアップを活用し、データ統合のためのRAG ( Retrieval-Augmented Generation: 検索拡張生成 )と非同期実行機能を組み合わせて、複雑なタスクを効率化することができます。

マルチエージェント医療システム向けのシンプルでミニマルなクラウド アーキテクチャ

エージェント AI システムにおける信頼性

エージェント AI では、信頼性と安全性が極めて重要です。これらのシステムがケアの決定に影響を与える場合、標準的なデータプライバシーとサイバーセキュリティ対策に加えて、特定の安全対策を講じる必要があります。重大なリスクの 1 つは、エージェントが誤った情報を生成する可能性があることです。堅牢な検出システムと広範なコンテキストデータは、これを軽減するのに役立ちます。また、Human-in-the-loop 戦略により、AI が生成するプランの臨床検証を確実に実行し、医療における安全性と人間の関与を維持できます。定期的な監査と独立した検証ループにより、これらのシステムの信頼性をさらに高めることができます。

孤立した医療構造から統合されたエージェントシステムに移行すると、最適化され、インテリジェントで、相互接続された患者ケアが可能になります。エージェントは AI のインサイトを引き出す力を使用して、医療専門家のスキルを動的に相互作用、適応、調和させ、効率と成果を向上させることができます。エージェントシステムを通じて、私たちは、包括的で、連携された、思いやりのあるケアをすべての人に提供できるという希望を与える医療の進化の瀬戸際に立っています。

ヘルスケアおよびライフサイエンス向け AWS の詳細についてはこちらをクリックしてください。(訳註：日本のお客様はこちらをご覧ください。）

GE Healthcare の詳細については、こちらをクリックしてください。

著者について

Dan Sheeran

Dan は、ライフサイエンス、医療機器、保険者、データサービス、Healthcare ISV および OEM などのすべての AWS 顧客をサポートする AWS のヘルスケアおよびライフサイエンス業界事業部門 (HCLS IBU) を率いています。HCLS IBU は、お客様が AWS クラウドおよび機械学習サービス、AWS パートナーのソリューションを活用して、新しい治療法や診断法及びデバイスを発見・開発し、患者の転帰を改善しながらより効率的にヘルスケアを提供できるよう支援します。2019 年に AWS に入社する前、Dan は慢性疾患の予防と管理のための遠隔医療と機械学習に重点を置いた 2 つのデジタルヘルス スタートアップを設立しリードしていました。Dan はシアトル地域に住んでいます。彼はノースウェスタン大学で MBA、ジョージタウン大学で BS を取得しています。

Taha Kass-Hout, MD, MS

医学博士および理学修士であるターハ・カスハウト博士は、GE ヘルスケアのグローバル最高科学技術責任者であり、ヘルスケアとテクノロジーの交差点における著名なイノベーターです。Amazon の前職では、機械学習担当 Vice President 兼最高医学責任者として、Amazon HealthLake、Amazon Comprehend Medical、Amazon Pharmacy など、極めて重要な医療技術プロジェクトの指揮を執りました。また、COVID-19 パンデミックの際には、Amazon の診断ラボの設立にも重要な役割を果たしました。Amazon に勤務する前は、米国 FDA の初代最高医療情報責任者を務め、openFDA や precisionFDA などのイニシアチブを通じてデータの透明性を推進しました。テキサス大学で医学博士号と理学修士号を取得し、ハーバード大学ベス・イスラエル・ディーコネス医療センターで臨床研修を受けたカス・ハウト博士は、医療技術への貢献が認められ、2024 Seattle Global CIO of the Year Orbie Award を受賞しました。これは、世界規模で医療提供と公衆衛生の向上に多大な影響を与えたことを示しています。