2023 年のヘルスケアにおける人工知能のトレンド

調査会社オムディアの主席アナリスト、アンドリュー・ブロスナン氏は、ヘルスケア業界は当初人工知能の導入が遅れているものの、ヘルスケア企業や製薬企業は今後数年間で人工知能の導入を急速に拡大すると予測している。人工知能、医療画像分析、創薬の導入が最も一般的なユースケースとなるでしょう。

Omdia の予測によると、AI ソフトウェアへの医療支出は 2022 年の 44 億ドルから、2023 年には 40% 増加し、新年には 62 億ドル近くに達すると予想されています。

「ヘルスケアは他のほとんどの業界よりも急速に成長し、当社の予測によると、2027 年にはヘルスケアが AI 支出において消費者に次いで 2 位になると予想されます」と、Omdia Artificial Intelligence とインテリジェント オートメーション業務の Brosnan 氏は述べています。

ヘルスケア AI の導入は他の業界に追いつくでしょう

ブロスナン氏は、ヘルスケア企業は患者ケアやプライバシー、セキュリティ、規制上の問題に対するリスクを理由に、歴史的に新しいテクノロジーの導入に保守的であると述べました。

ヘルスケアは、人工知能の導入において他の業界に遅れをとっています。 2022 年の OM Dia 調査によると、全業界の 25% が複数の事業単位または機能にわたって AI 導入を拡大していますが、ヘルスケア分野では 19% のみが拡大しています。

しかし、これは急速に変化しています。人工知能は医療において効果的であることが証明されており、それが利用の増加を促進していると同氏は述べた。たとえば、人工知能は流行中に医療提供者による新型コロナウイルス感染症の診断や患者の予後診断を支援したり、研究者がスパイクタンパク質の変化を理解するのを支援したりするために使用されてきた。

「パンデミック中や概念実証プロジェクトでの AI の使用により、AI が医療に提供できる価値への信頼が高まりました」とブロスナン氏は述べています。

実際、2022 年に Omdia が調査した医療機関の 96% は、人工知能がプラスの結果をもたらすと確信している、または非常に自信を持っていると回答し、回答者の 67% が人工知能によって価値を高める能力が向上すると回答しました。過去1年間で増加しました。

これは人工知能への多額の投資につながります。 Omdia によると、AI ソフトウェアへの支出は 29% の年間複合成長率 (CAGR) で増加し、2027 年には支出額が 138 億ドルに達し、最も急成長している分野に並びます。

ヘルスケア IT ユースケースのトップ 5

医療画像分析は、人工知能の最も一般的なユースケースです。年間成長率は 26% であり、支出の最大のシェアを維持し、2027 年の AI ソフトウェア支出は 26 億ドルに達します。

一方、Omdia の予測では、2027 年までに創薬が最も急速に成長するユースケースとなり、AI への支出は 20 億ドルに達し、CAGR は 33% になると予想されています。

その他のトップ ユース ケースは、オンライン チャットボットやインテリジェントなドキュメント処理などの仮想アシスタントで、どちらも CAGR は 27% です。仮想アシスタントへの AI 支出は 2027 年に 17 億ドル近くに達すると予想され、インテリジェントな文書処理 (請求処理など) は 10 億ドルに達すると予想されています。

臨床意思決定サポートなどのツールを通じた医療アドバイスは、28% の CAGR と 2027 年の AI 支出で 9 億ドルの上位 5 つのユースケースを完了します。

革新的な創薬

ブロスナン氏は、人工知能には創薬と開発のプロセスをスピードアップし、コストを削減できる可能性があると述べ、2023年も製薬業界は、人工知能。

従来の創薬および開発プロセスでは、現在、新薬を市場に出すまでに約 10 億ドルと 10 年かかります。これには、候補を臨床試験に進めるために5,000以上の分子を合成することが含まれると同氏は述べた。

しかし、人工知能を使えば、製薬会社は「コンピュータ上で」製造を行うことで、物理的に製造しなければならない分子の数を減らすことができる、つまり仮想的に製造できるということだ、と同氏は述べた。

これにより、物理的に合成しなければならない分子の数が 250 個に減り、コストが節約され、市場投入までの時間が短縮されたとブロスナン氏は述べています。 AI ファーストの新薬候補のパイプラインは非常に強力で、2022 年には 18 の候補が臨床試験に入る予定です。 2020年にはその数はゼロでした。

「初期段階の創薬には数か月、場合によっては数年かかります」と彼は言いました。

新興テクノロジーにより医療 AI モデルのトレーニングを改善できる可能性がある

フェデレーテッド ラーニング (グループ学習) は、医療提供者が患者に対して安全に使用できるようにする新興テクノロジーであるとブロスナン氏は述べました。 AI モデルは 2023 年にさらに勢いを増すでしょう。

バイアスを軽減するには、大規模なデータセットに対して AI モデルをトレーニングすることが重要です。しかし、そのためには、多くの医療機関がデータを共有して、AI モデルをトレーニングするためのより包括的なデータセットを構築できるようにしたいと考えています。

従来は、データを中央リポジトリに移動する必要がありました。ただし、フェデレーション学習またはグループ学習では、データを移動する必要はありません。代わりに、AI モデルが個々の医療施設に行き、データに基づいてトレーニングされると彼は言いました。このようにして、医療提供者はデータのセキュリティとガバナンスを維持できます。

「フェデレーテッドまたはスウォーム学習では、データをソース機関から離れる必要はありませんが、AI モデルはデータに移動します」とブロスナン氏は述べています。フェデレーテッド ラーニングは集中型オーケストレーターを使用しますが、群学習はより分散型であり、集中型オーケストレーターを使用しません。

このテクノロジーは現在概念実証中です。 2021年、大手製薬会社サノフィはヘルスケアに特化したフェデレーテッド・ラーニング企業に1億8000万ドルを投資した。

「これは新興テクノロジーであり、2023 年と 2024 年に台頭するでしょう」と彼は言いました。

以上が2023 年のヘルスケアにおける人工知能のトレンドの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。