科学技術と共に歩む

近年，人工知能（artificial intelligence; AI）はさまざまな分野で急激に普及し，その勢いは増す一方のように見える。医療分野もその例外ではない。2016年には深層学習研究の大家であるジェフリー・ヒントンが「人工知能のほうが放射線科医よりも賢くなるので，放射線科医の無駄な教育はやめたほうがいい」と発言したともいわれている。実際に，CT画像やMRI画像に基づく画像診断分野ではAI技術の活用が急速に進んでおり，米国食品医薬品局（FDA）や日本の医薬品医療機器総合機構（PMDA）の承認を得た医療機器プログラム（Software as a Medical Device; SaMD）がすでに登場している。画像診断分野では，これからもAI技術に基づいたSaMDが次々と開発され，臨床現場への導入が進むと思われる。

しかし，画像診断は医療における一部の領域に過ぎない。心電図・脳波などの生体信号や血液検査のように，検査・診断に用いられているモダリティは，画像以外にもたくさんある。それにもかかわらず，医療分野におけるAIの利活用で画像診断だけが突出しているのは，データの取得方法が高度に自動化されており，他のモダリティと比較して質の高い学習データの蓄積が容易だからである。一方で，医用画像以外のモダリティでは，大量のデータの収集が手間であることに加え，その解釈や判読が困難であることもしばしばある。現在のAI技術のパラダイム，すなわちビッグデータ解析とは，大量のデータを用いた数
理的なルールの学習にほかならず，データの収集や解釈の難しさはそのままAI開発の足枷となっている。

本書では，あえて「次世代医療AI－－－生体信号を介した人とAIの融合」と銘打ち，医用画像以外のモダリティ，特に生体信号を用いたAI技術に焦点を当て，来たるべき新たな医療AI開発の時代に備えるために必要な事柄を丁寧に解説した。前述のとおり，画像以外のモダリティではデータの収集や解釈が難しい場合があるが，本書にはその隘路を乗り越えるためのヒントが散りばめられている。

本書は工学・情報学系および医学系の大学院生や研究者を対象として想定しているが，おそらく工学・情報学系の方は，生物学・医学について勉強したことがないと思われる。一方で，医学系の方は電気回路や機械学習などの工学的な方法については，名前は聞いたことがあっても，その中身まで理解されている方は少ないと思う。そこで，本書では，工学・情報学系，医学系の垣根を越えて医療AI開発に必要な知識を習得できるよう，生体の構造や機能などの基礎から生体センシング・信号処理・機械学習まで，幅広い内容をコンパクトにまとめた。また，実際の医療AIの開発事例も豊富に紹介して，読者が医療AIについてイメージを持ちやすいように工夫した。

さらに，類書にはない本書の特徴として，医療AIに関わる法律や倫理，薬事についても解説を試みている。医療AI開発はさまざまな面で社会と深い関わりがあり，これらを無視して開発することはできない。医療に関わる分野では，悪意のない些細なミスであっても，それが法に触れたり，倫理に反したりする事柄であれば，いかに良い技術であってもけっして日の目を見ることはなくなってしまう。さらに，これらを乗り越えて高性能な医療AIを開発しても，薬事という最大の壁，つまりFDAやPMDAなどの規制当局の承認を得ることができなければ，医療AIシステムとして市場に流通させることはできない。

本書で医療AIの開発にあたってあらかじめ知っておくべき法律や倫理，薬事の知識に触れることで，より現実的に医療AIの開発を進めることができる。本書の執筆は，青山学院大学戸辺義人先生，横浜国立大学白川真一先生，愛知県医療療育総合センター発達障害研究所伊東保志先生のご助言により，完成にこぎつけることができた。また，出版にあたってコロナ社の皆様にはたいへんお世話になった。この場をお借りしてお礼申し上げる。

なお，本書の執筆分担は以下のとおりである。
執筆分担
藤原　幸一　1章，4.1節，4.2.1項，4.3節，5.1節，6.2節
久保　孝富　4.2.2～4.2.3項，5.5節，6.3節，7章
山川　俊貴　3章
伊藤　健史　2.3～2.4節，5.4節，5.6節，7章
中野　高志　2.1～2.2節，6.1節
吉本潤一郎　5.2～5.4節
松尾　剛行　8.1節
藤田　卓仙　8.2節
桐山　瑶子　8.3節

2021年5月
著者一同