将人工智能（AI）应用于医疗（实用化）什么是必不可少的？东北大学Medicinal HUB正联合医疗现场、数据科学家以及AI研究人员推进开发各种医用AI，本文将介绍东北大学大学院医学系研究科Medicinal HUB宫田敏男教授的做法。宫田教授的团队正在推进开发学习每个透析患者的情况，预测合适透析除水量的AI。
宫田敏男教授（提供：东北大学）
肾脏功能衰竭的晚期肾功能不全患者，必须进行每周3次、1次4小时左右的血液透析，以去除血液中的废物及多余水分（除水）。在日本，目前大约有35万人一生都要不断接受血液透析。
如果不能充分除水，体液就会积存，给心肺功能造成障碍。而过度除水会引起透析中的低血压，导致患者产生身体不适甚至失去意识等多种症状。在透析医院，通常由1名医生、数名护士或临床工学技士等少量医疗人员，对数十名患者进行透析治疗，一旦产生副作用，医疗人员便要进行对应，负担甚重。透析中的低血压发生频度高达5～10%，因此为每个患者设定适当的除水量非常重要。经验丰富的透析专业医生会综合考虑体重增加程度、患者的状态等，根据经验设定除水量。
宫田教授表示“我原本也是肾脏内科的，Medicinal HUB正在开发各种医用AI，所以我想应该能让AI学习过往的大量医疗数据，（模仿透析专业医生的处方）预测适当的除水量。从2019年开始，我们与透析专家、数据科学家以及AI研究人员开始着手开发。”
研究团队与NEC北美研究所联合开发的AI DCCN（Dual-Connel Combiner Network），利用从圣路加国际医院及民间15家透析医疗设施取得的相当于日本患者数约1%的3000病例（透析次数80万次）医疗数据进行了学习训练。目前已经能在透析开始前，以90%左右精度预测透析中血压下降（20mmHg以下）发生概率，并且预测的除水量与医生的经验设定值仅有100～200毫升左右的偏差。对此宫田教授并不满足：“为了让AI在医疗现场更好地发挥作用，我们正在尝试提升AI本来的优势——学习功能，以便开发出对每个患者进行学习的AI。”。
此次开发的DCCN通过学习80万个透析数据，并基于通用算法进行预测。因为透析患者每年会接受150次左右的透析，所以在通用算法的基础上进一步学习个人透析数据，就有望提高AI的精度。出于这样的考虑，研究团队还正在开发个性化学习DCCN（P-DCCN）。
从大量医疗数据中学习医生的经验（隐性知识），并对个别患者数据进行学习的个性化医疗对应型人工智能（提供：东北大学）
宫田教授表示“人与机器不同，有个人差，医疗也正朝着个性化发展。AI最大的缺点是在大数据中个人的特性会消失。例如，在服药时，即使要求每天吃3次，也会有人只吃2次，偶尔还会有忘记吃药的患者。学习了大量医疗数据的AI，再进一步学习各个患者的医疗数据后，就可以给出符合患者个人实际情况的预测”
东北大学与在血液透析方面的领军企业Nipro、东北大学的生物初创企业Renascience签订了共同研究协议，以便将开发出来的AI实用化。
根据患者情况进行学习的AI符合个性化医疗的方向性，如果能够实用化，不仅能解决医疗课题，还会对各领域的AI研究产生巨大的影响。
原文：《科学新闻》
翻译：JST客观日本编辑部
