導入ハードルを超えて生成AI導入に全力を注ぐヘルスケア産業

生成AIはルネサンスを迎えているが、医療業界ほどその恩恵を受けている業界はほとんどない。早期導入者として、病院の運営や管理業務から臨床試験や新薬開発に至るまで、あらゆる分野でテクノロジーが影響を与えている。明るい見通しがあるとはいえ、医療業界における生成AIの全体像を明らかにしているわけではない。しかし、2024年の医療業界における生成型AIに関する調査は、その点においてより優れた役割を果たしている。

医療分野における生成AIの成功と課題の両方を浮き彫りにし、興味深い傾向をいくつか明らかにしている。この分野のリーダーとして、この結果は、企業におけるAIの使用に関連して今後起こる大きな変化を示すものとなる可能性がある。本記事では、主な調査結果について見ていく。

1)生成AIの予算は指数関数的に増加している

生成AIの導入は、役割や企業規模によって大きく異なる。技術リーダーが最前線に立ち、高い導入率を示し、予算の増加を推進している。回答者の34%が生成AIの予算を10~50%増加したと報告している一方で、22%は50~100%増加したと報告している。技術リーダーの間では、約5分の1が予算を300%も増加したと報告しており、生成AIへの支持と投資を強調している。

豊富なリソースを持つ大企業は、生成AIのユースケースの評価を主導している。中規模企業はAIモデルの実験や開発を積極的に行っているが、リソースに制約のある小規模企業は、生成AIを積極的に検討していない割合が最も高い。

2)タスク特化型の言語モデルが最高峰

ヘルスケア分野の独特なニーズが、カスタムメイドのタスク特化型言語モデルの優先使用を促している。ヘルスケアに特化した小規模なモデルは回答者の36%が利用しており、汎用大型言語モデル(LLM)よりもターゲットを絞ったソリューションへの明確な傾向を示している。これは、実際の患者の治療結果が持つ高いリスク、ヘルスケアデータの機微性、遵守すべき規制基準の多さなどを考慮すると、驚くことではない。

興味深いのは、技術リーダーがすべてのタイプの言語モデルに幅広い関心を示していることであり、さまざまな選択肢を模索する意欲を示している。生成AIの旅を始めたばかりの企業にとっては、医療に特化したモデルに焦点を当てるのが理にかなっているが、より経験豊富な実務家は他の方法を試している。

3)技術的経験や企業規模によってユースケースは異なる

ヘルスケア分野における生成AIの用途は多様であり、最も一般的な用途は患者の質問への回答(21%)、医療用チャットボット(20%)、情報抽出/データ抽出(19%)である。一方、技術的リーダーは情報抽出と生物医学研究を優先しており、データ主導の洞察と進歩の獲得に戦略的に重点を置いていることを示している。

回答者は、今後数年間で、生成AIが医師と患者の会話の書き起こし、医療用チャットボット、患者の質問への回答に最も大きな影響を与えると予測している。特に小規模な企業は、これらのテクノロジーに大きな期待を寄せており、その理由は、機敏性と競争優位性を獲得する意欲によるものと思われる。

4) 人間の介入は依然として必要である

LLMを評価する際には、正確性、安全性、プライバシーが最も重要であり、技術リーダーはこれらの基準を特に重視している。この調査では、コストは最も重要でない要因であることが明らかになっており、高品質で信頼性の高いモデルへの投資意欲を示唆している。導入の主な障害には、正確性、法的リスク、評判リスク、そして業界特有のニーズに合わせたテクノロジーの必要性に対する懸念が含まれる。

人間による監視は依然として重要であり、「人間が関与する」ことが LLM モデルのテストと改善における最も一般的な戦略となっている。このアプローチは、偏りや不正確さに対処しながら、品質とパフォーマンスを確保する。企業規模が異なれば、テスト要件の優先順位も異なり、大企業では公平性や非公開データの漏洩、小規模企業では偏りや新鮮さなどが挙げられる。しかし、どのような切り口で見るにしても、責任ある 生成AI プログラムには人間が不可欠な要素であることに変わりはない。

医療分野における生成AIの推進役は明らかに技術リーダーであり、大幅な予算増額や技術的優位性の深い理解に反映されている。しかし、特に正確性、業界特有の要件、そしてすでに生成AIを導入済み、または導入を検討しているあらゆるグループや企業規模における倫理的考察など、課題は残っている。

医療機関が生成AIソリューションの探究と導入を続ける中、技術専門家と領域専門家の間のカスタマイズされた戦略と協力的な取り組みが不可欠となるだろう。 成功には綿密な監督が欠かせないが、適切に行われれば、生成AIは患者ケアの改善、業務の合理化、研究の加速化を実現する力がある。 来年に何が起こるのか、今から楽しみだ。