マイクロソフトら、希少疾患の診断を支援する生成AI助手を研究

世界中で最大5億人が希少疾患に苦しんでおり、確定診断がつくまでに何年もかかるケースは珍しくありません。

全ゲノムシーケンスは原因解明の切り札とされていますが、現場の遺伝子解析者はseqrなどのバイオインフォマティクスツールを使い、患者1人あたり100万件を超える変異の中から原因を探し出さなければなりません。検査には通常3週間から12週間かかり、しかも初期解析で診断にたどり着ける割合は50%未満にとどまります。

診断がつかなかった未解決症例は一旦保留され、膨大な未処理ケースとして蓄積されていきます。医学研究が進めば新たな証拠が見つかる可能性があるものの、専門家が過去の症例を定期的に再解析する時間的余裕はありません。

こうした課題に対し、マイクロソフト・リサーチはドレクセル大学およびブロード研究所と共同で、生成AIを活用した遺伝学専門家向けアシスタントの設計に関する研究成果を学術誌「ACM Transactions on Interactive Intelligent Systems」で発表しました。

なぜ87%のAIシステムは現場に定着しないのか

研究チームはまず、AIシステムの約87%が「そもそも解くべき問題を間違えている」ために実運用に至らないという厳しい現実に着目しました。

机上の空論を避けるため、チームは17人の遺伝学専門家に詳細なインタビューを実施し、全ゲノムシーケンス解析における3つの大きな壁を浮き彫りにしました。

1つ目は情報過多です。複数のデータベースや文献から遺伝子や変異に関する膨大なデータを収集・統合する作業は、時間と労力を消費し、人的ミスの温床になります。

2つ目は知見の共有と連携の難しさです。専門家同士で解析結果や仮説を共有する手段が古く、チームでの協調作業が滞りがちでした。

3つ目は再解析の優先順位付けです。日々新しい医学論文が発表される中で、どの未解決症例を優先して再解析すべきかを判断する仕組みが存在しませんでした。

新たな論文と未解決症例をAIが結びつける

専門家との共同設計を通じて開発されたAIアシスタントのプロトタイプは、現場が最も必要とする2つの機能に焦点を絞っています。

1つ目は、新しい研究成果に基づく再解析候補の自動通知です。AIが最新の科学文献を追跡し、新発見によって診断の可能性が開けた未解決症例を自動で専門家に知らせます。

2つ目は、医学文献からの情報要約と統合です。特定の遺伝子や変異に関する膨大な論文から重要情報を抽出し、理解しやすい形式で提示することで、専門家が論文を1本ずつ精読する負担を大幅に削減します。

さらに重視されたのが、AIの出力を鵜呑みにしないための協調検証機能です。他の専門家が確認・修正した履歴やコメントを可視化することで、AIの生成物をチーム全体で安全に吟味できる環境を整えています。

なぜ重要か

私たちが注目すべきだと考えるのは、マイクロソフトが医師の代わりに診断を下すような派手なAIを目指すのではなく、文献探索と過去症例の突き合わせという最も泥臭い負担を肩代わりする設計を選んだ点です。

遺伝子解析者や患者にとって、その実用的な価値は極めて明確です。希少疾患の患者は何年も暗中模索の通院を続けています。AIが論文と過去のデータを自動照合し、埋もれていた症例に再び光を当てることができれば、それだけで診断までの期間を劇的に短縮できる可能性があります。

これは、87%が失敗するとされる医療AI開発において、現場の専門家が日常的に使っているワークフローに自然に溶け込ませるという極めて手堅いアプローチです。

ただし懸念点もあります。ゲノム医療では誤った情報が患者の人生を大きく左右するため、ハルシネーション（もっともらしい嘘）のリスクは絶対に許されません。また、通知が頻繁すぎて「アラート疲れ」を起こせば、かえって医師の時間を奪うことになります。高い網羅性を保ちながら、どこまでノイズを削ぎ落とせるかが、今後の実用化に向けた最大の試金石となりそうです。