最新の研究開発において、グーグルの研究者たちは、人工知能システムAMIE（Articulate Medical Intelligence Explorer）がその能力を大幅に向上させ、当初の診断支援から長期的な病気の治療や管理にまで拡大したことを発表した。無作為化研究において、AMIEの管理的推論は、専門的な患者アクターとの複数回のコンサルテーションにおいて、臨床医と同等かそれ以上であった。これは、検査、治療、処方を正確に計画し、権威ある臨床ガイドラインを適切に適用するAMIEの能力によって実証された。
オリジナル：https://research.google/blog/from-diagnosis-to-treatment-advancing-amie-for-longitudinal-disease-management/
臨床推論の重要性と課題
効果的な臨床推論はヘルスケアの礎であり、患者ケアにおけるすべての重要な決定を包含する。質の高い臨床推論には、正確な診断だけでなく、疾患の進行、治療への反応、安全な薬剤の使用、患者との共同意思決定におけるガイドラインやエビデンスの合理的な使用について深く考えることが必要である。診断が下された後でも、最適な管理計画を立てるには、患者の経過や経験を継続的にモニタリングし、個々に合わせた治療計画を立て、患者の個々のニーズや嗜好、医療制度の実情に積極的に適応した、情報に基づいた共有の意思決定が必要となることが多い。ラージ・ランゲージ・モデル（LLM）は、診断対話をサポートする可能性を示しているが、長期的な疾患管理を推論する能力については、まださらなる検討が必要である。
AMIE：診断から経過管理への飛躍
グーグル社の研究チームは、「疾病管理のための会話型AIを目指して」という研究の中で、医療推論と対話のためのAI研究システムであるAMIEが、疾病診断においてすでに優れた能力を発揮しており、臨床管理の推論と対話のために最適化されたLLM知能の能力を統合することによって、その性能をさらに高めることを実証した。- 研究チームは、AMIEの疾病診断におけるすでに優れた能力を実証し、臨床管理の推論と対話のために特別に最適化されたLLM知能の能力を統合することで、AMIEの性能をさらに向上させた。
このAMIEの強化バージョンは ジェミニ AMIEは、高度な長期的文脈推論や非常に低い錯覚率など、モデルファミリーの中核的な強みに加えて、長期的な（時間の経過に伴う連続的な）病気の進行、治療への反応、安全な薬の使用や臨床ガイドラインに関する情報にも対応することができる。これによりAMIEは、長期的な（すなわち、時間の経過に伴う連続的な）疾患の進行、治療に対する反応、安全な薬剤の使用や臨床ガイドラインに関する情報に対処できるようになります。これは、AMIEの機能が純粋な診断から、複雑なフォローアップ段階における患者と臨床医のより包括的なサポートへと拡張されたことを意味する。最近の進歩により、AMIEは、継続的に更新される権威ある臨床知識に基づく推論プロセスや、認知されたガイドラインに沿った構造化された管理計画を提供する能力により、患者と医師の長期的な相互作用が可能であることが実証されました。
AMIEは現在、臨床ガイドラインに基づく推論と、複数回の診察における患者のニーズに適応する能力により、長期的な疾病管理をサポートしている。
疾病管理の複雑さ
臨床ケアの課題は、最初の診断にとどまらない。病気の管理には、治療の副作用、患者のコンプライアンス、生活習慣の改善、常に更新される医学研究や臨床ガイドラインなど、さまざまな要素が組み合わさっている必要がある。経営的な推論を行う能力は、AIシステムにとって未開拓の課題であったが、AMIEの出現はそれを変えることを約束する。
AMIEは、Geminiの長期的なコンテキスト機能を使用して、臨床ガイドラインにアクセスして分析し、その推奨がエビデンスに基づく医療に基づいていることを確認する。
デュアル・インテリジェンス・ボディ・アーキテクチャ：推論の強化
疾病管理の課題に対処するため、グーグルの研究チームは、人間の臨床医が管理問題にアプローチする方法に似た、デュアルLLM駆動インテリジェンス・アーキテクチャを革新した。
対話エージェントユーザーと直接向き合うことで、患者の状態を即座に把握し、迅速に対応することができる。このインテリジェンスは、患者の状態に関する情報収集、質問への回答、医師と患者の信頼関係の構築など、医師と患者の対話のあらゆる側面を処理します。自然言語処理と共感的コミュニケーション技術を駆使して、ダイアログ・インテリジェンスはスムーズで魅力的なユーザー体験をお約束します。
Mxインテリジェンス（経営推論エージェント）mx Intelligenceは、Geminiの高度な長期的なコンテキスト機能を活用し、複数の診察にまたがる患者との会話のトランスクリプトや何百ページもの臨床ガイドラインなど、大量の情報を統合して推論し、そのすべてを考慮します。-- そしてそのすべてを考慮するのです。その結果、Mx Intelligenceは、最新の医学的エビデンス、以前の診察で収集された情報、および個々の患者の嗜好を考慮した、構造化された検査、治療、およびフォローアップ計画を作成することができます。
AMIEのデュアル・インテリジェンス・アーキテクチャ：ダイアログ・インテリジェンスが患者と対話し、Mxインテリジェンスが臨床ガイドラインに基づいた構造化された管理計画を作成する。管理計画では、患者に対して推奨される検査と治療の順序が指定される。
臨床ガイドラインに基づく管理決定
AMIEの管理された推論の信頼性と安全性を確保するために、その機能は主に、すべての推奨が権威ある臨床知識に基づいていることを保証しながら、深い推論と構造化された制約を実行するためにテスト時間の計算を拡張することによって達成される。
これには、National Institute for Health and Care Excellence (NICE)のガイドラインやBMJのベストプラクティス・ガイドラインなど、信頼できる情報源を網羅した臨床ガイドラインの包括的なライブラリから文書を選択して処理することが含まれます。Mx Intelligence Bodyは、これらの文書を使用して意思決定プロセスを支援し、推奨がエビデンスに基づくものであり、ヘルスケア分野で認知されたベストプラクティスに沿ったものであることを確認します。
複雑な構造化された制約は、指定された推論戦略を通じてモデルを導くのに役立ち、一方、繰り返し起草され、マージされた生成された計画は、計画の質を向上させるのに役立つ。これによりAMIEは、エビデンスに基づき、かつ個々の患者のニーズに合わせた個別化された管理計画を作成することができる。
AMIEは、構造化された制約(A)による深い推論を使用して、症例分析(C)と明確な管理目標(D)に基づく構造化された管理計画(B)を作成します。架空の患者に対する推論プロセスの例をここに示す。
AMIEのパフォーマンス評価：多ラウンドOSCE研究
長期的な疾患管理に対するAMIEの能力を批判的に評価するため、研究チームは、テキストチャットによる診察をシミュレートする無作為化盲検化仮想客観的構造化臨床試験（OSCE）研究を実施した。この研究では、実際の臨床現場におけるAMIEのパフォーマンスを評価するため、100の複数ラウンドのコンサルテーションケースシナリオにおいて、AMIEを20人のプライマリケア医（PCP）と比較した。
無作為化多ラウンドOSCE研究の概要。
OSCE試験の複数回にわたる診察デザインにより、研究チームはAMIEが1）以前の対話から得た情報を記憶し統合する、2）変化する患者の症状や検査結果に基づいて管理計画を調整する、3）治療経過を通じて一貫して患者と共感的にコミュニケーションをとる、といった能力を評価することができた。
専門医は、AMIEの管理計画の質を、適切性、完全性、臨床ガイドラインの使用、患者中心性など、多くの基準に照らして評価した。
AMIEの管理計画はPCPの管理計画より劣っておらず、治療精度において統計学的に有意な改善を示した。ここでの重要な指標は、適切な検査の選択と不適切な検査の回避（すなわち、既知の情報に基づく不必要な検査の回避）である。統計的に有意な（p＜0.05）差のあるp値を示す。
さらに、患者ロールプレイヤーと専門家がAMIEを評価し、その行動が臨床ニーズと優先事項を反映しているかどうかを判断した。研究チームは、管理的推論の主要な特徴を特定した過去の研究からヒントを得て、これらの特徴に基づく評価尺度を試験的に作成し、管理的推論経験主要特徴（MXEKF）と名付けた。MXEKFの主要な評価尺度には、好み、制約、価値観の優先順位付け、コミュニケーションと意思決定の共有、異なるシナリオの対比と選択、管理計画のモニタリングと適応、予後予測能力が含まれる。.
AMIEは、主要な管理推論指標（MXEKF）において一貫した性能を発揮しており、患者選手や専門家から好意的な評価を得ている。
RxQA: 薬物療法推論のベンチマーク
医薬品の安全かつ効果的な使用は、疾病管理の重要な要素である。適切な事実とトピックに特化した推論を伴う薬剤固有の知識の確実な想起は、必要条件ではあるが十分条件ではない。このような領域におけるAMIEの能力を測定するために、研究チームは、米国食品医薬品局（FDA）や英国国家フォーミュラリー（BNF）など、各国の医薬品フォーミュラリーに由来する新しい多肢選択式問題集であるRxQAを構築した。
RxQAには、医薬品の効能、禁忌、用法、用量、副作用、相互作用に関する知識を評価するための600問の問題が含まれています。問題の正確性と臨床との関連性を保証するために、認定薬剤師によって慎重に検証されています。
医薬品の知識と推論を評価するために作成された RxQA ベンチマークテストの問題例。図に示されたデータはすべて合成データ（実際の患者データではないが）である。
AMIE は RxQA ベンチマークテストにおいて優れた結果を達成し、医薬品情報とガイドラインに対する深い理解を示しました。点線はランダム推測で達成可能な精度を示しています。
制限
これらの結果は、AIの医療応用という新しく重要な分野におけるAMIEの可能性を示すものであるが、考慮すべきいくつかの限界がある。シミュレーションされたOSCEシナリオは、標準化された評価としては価値があるものの、カルテレビュー、電子カルテとのやり取り、より広範な患者と病態の状況を含む実際の臨床の複雑さを意図的に単純化している。この評価では、単一の医療システムのガイドラインのみが選択され、AMIEの潜在的な長所の1つである地域の状況に適応させる試みは行われなかった。MXEKF尺度は、試験的な評価尺度としては有望であるが、さらなる検証が必要である。
結論と展望
これらの評価でAMIEが示した強力な性能は、医師の疾病管理を支援する強力なツールとしての会話型AIの可能性を示す上で、重要な一歩を踏み出したことを意味します。長期的な推論、臨床ガイドラインの基礎、マルチインテリジェントな身体システムの設計を組み合わせることで、AMIEはAIシステムが鑑別診断を超えて長期的な管理に移行するための「可能性の技術」を実証しています。
AMIEが臨床のワークフローや患者の転帰に与える潜在的な影響や、実世界の制約の中でのシステムの安全性や信頼性をよりよく理解するためには、実世界で実際に適用する前にさらなる研究が必要である。グーグルは臨床パートナーと協力して 前向き研究が実施された.しかし、この研究は、AIの責任ある開発における重要なマイルストーンであり、エビデンスに基づく医療へのアクセスを改善するためにAIを使用する可能性を示すものである。
日本語 
简体中文 
English 
Deutsch (Sie) 
Português do Brasil