Name: 【ニュースで英語】AIは医療にどのような革命をもたらすのか？
Uploaded: 2025-05-06T20:01:20.000Z
Duration: 7 min 51 s
Description: VoiceTubeの動画で発音を聞きながら英語表現を覚えよう！学べる英語：

When we talk about AI in healthcare, I think we need to understand it as a foundational change in the toolkit we have available.

医療におけるAIについて語るとき、私たちはそれを、私たちが利用できるツールキットの基礎的な変化として理解する必要があると思います。

様態の副詞

In the same way, and I mean this profoundly, that algebra changed our understanding of the world and of math.

代数学が私たちの世界と数学に対する理解を変えたのと同じように。

In our field, the major changes are happening in diagnostic testing.

私たちの分野では、診断検査に大きな変化が起きている。

How we can now interpret them more effectively and without as much expertise needed.

専門知識を必要とせず、より効果的に解釈できるようになったのだ。

We are seeing the old patterns of care change into new ways of doing care.

私たちは、古いケアのパターンが新しいケアのやり方へと変化していくのを目の当たりにしている。

The topic of how is AI going to be used is so interesting because these new machine learning, sophisticated models, they aren't the end of the question, it's the beginning of the question.

AIがどのように使われるかというトピックはとても興味深い。なぜなら、これらの新しい機械学習や洗練されたモデルは、問題の終わりではなく、問題の始まりだからだ。

AI is the future of healthcare, or so we've been told.

AIは医療の未来だ、そう言われてきた。

しかし、それは何を意味するのか？

どのようなリスクがあるのか？

And how does it have the potential to affect you?

そして、それがあなたにどのような影響を与える可能性があるのか？

Artificial intelligence has, in some form, been around for decades.

人工知能は何十年もの間、何らかの形で存在してきた。

But most people are just finding out about it because of things like ChatGPT, which have come into the mainstream.

しかし、ほとんどの人は、チャットGPTのようなものが主流になってきたので、それを知っただけなのだ。

In healthcare, artificial intelligence has been around for years as well.

ヘルスケアにおいても、人工知能は何年も前から存在している。

It's helped doctors transcribe notes faster.

医師がノートをより速く書き写すのに役立っている。

It's helped with patient experiences with chatbots.

チャットボットによる患者体験にも役立っている。

But with generative AI, it's really supercharging what healthcare professionals and scientists are able to do by helping predict future health risks, make diagnoses faster and more accurately, and also helping with potential drug discovery for new novel treatments and therapeutics.

しかし、生成AIによって、医療従事者や科学者ができることが大きく強化されている。将来の健康リスクを予測したり、診断をより迅速かつ正確に行ったり、新しい治療法や治療薬の発見にも貢献している。

The AI boom really hit healthcare in the last five years.

AIブームはここ5年で医療に大きな打撃を与えた。

We've actually been able to transition into having the models or the tools we built to actually work with the data very effectively and have been able to define new ways to treat diseases, new ways to diagnose diseases, and finally find individualized signatures of how I as a patient or somebody else as a patient would do if they got a certain treatment or therapy.

私たちが構築したモデルやツールは、実際に非常に効果的にデータを扱うことができ、病気の新しい治療法や病気の新しい診断法を定義することができた。

The gen AI boom is assisting doctors in more advanced ways.

AIブームは、より高度な方法で医師を支援している。

But both clinicians and patients are questioning the risks these new technologies may bring with them.

しかし、臨床医も患者も、これらの新技術がもたらすかもしれないリスクに疑問を抱いている。

I think a lot of people are wondering, what's this going to look like when I go to the hospital, when I go to the doctor?

多くの人が、病院に行くとき、医者に行くとき、どうなるんだろう？

How's it going to be used to inform decisions?

どのように意思決定に役立てるのか？

What about errors, false positive, false negatives?

エラー、偽陽性、偽陰性についてはどうなのか？

There's a lot of questions around this that really begs the expertise of people in different areas.

この問題には多くの疑問があり、さまざまな分野の人々の専門知識が必要だ。

だから、米国のような機関がある。

Food and Drug Administration that does oversee certain uses of AI in healthcare.

食品医薬品局は、医療におけるAIの特定の用途を監督している。

There are also groups like the American Medical Association and the guidelines and codes of conduct for responsible use of AI.

米国医師会のような団体もあり、AIの責任ある使用に関するガイドラインや行動規範もある。

So right now there are experts and there are various groups that are trying to oversee this and make sure that it's used responsibly.

だから今、専門家がいて、これを監督し、責任を持って使われるようにしようとするさまざまなグループがある。

So there's this big tension about how AI will affect our workforce.

だから、AIが労働力にどのような影響を与えるかについて、大きな緊張がある。

Clinicians have the ability to interact with patients, understand their preferences.

臨床医は患者と対話し、患者の好みを理解する能力がある。

So I still feel they'll have a key role to play in interpreting the outputs that the AI technology gives them.

だから、AI技術が出すアウトプットを解釈する上で、彼らが重要な役割を果たすことに変わりはないと感じている。

While the larger AI labs from Google to OpenAI are trying to disrupt the healthcare industry at large, there are smaller and more focused labs within academia dedicated to applying AI to specialities.

Google や Open AI のような大手AIラボが医療業界全体に変革をもたらそうとしている一方で、学術機関内には、特定の専門分野にAIを応用することに特化した、より小規模で焦点を絞ったラボも存在している。

Well, we assess how well the model performed looking at different use.

さて、私たちはさまざまな使い方をすることで、モデルのパフォーマンスを評価する。

We're seeing an increasing investment in AI in healthcare.

ヘルスケアにおけるAIへの投資が増加している。

Since 2020, there has been a substantial increase in venture capital funding coming into this space.

2020年以降、この分野に参入するベンチャーキャピタルの資金は大幅に増加している。

In 2024, we saw around $11 billion in funding going to various different AI and healthcare startups.

2024年には、さまざまなAIやヘルスケアの新興企業に約110億ドルの資金が流れ込んでいる。

Experts say that academics have different priorities than some of these AI startups.

専門家によれば、学問の優先順位はこうしたAI新興企業の一部とは異なるという。

Academics can fine tune large language models and they may have a different incentive to develop ethics guidelines around their responsible use.

学術界は、大規模な言語モデルを微調整することができ、その責任ある使用に関する倫理ガイドラインを策定するインセンティブが異なるかもしれない。

I think our biggest risk with AI is making sure we use it responsibly and consistently.

AIの最大のリスクは、責任を持って一貫性を持って使うことだと思う。

We want people to pursue this creativity to the ends of the earth, but we also need clear processes in place to ensure that before they ever make it in front of a patient, they have been through a series of stage gates and reviews to ensure they are safe, effective, fair and equitable.

私たちは、人々が地の果てまでこの創造性を追求することを望んでいるが、同時に、それらが患者の前に姿を現す前に、安全で効果的で公平かつ公正であることを保証するために、一連のステージゲートとレビューを通過することを保証するための明確なプロセスが必要である。

Yale has invested $150 million towards AI development over the next five years.

エール大学は今後5年間、AI開発に1億5000万ドルを投資した。

One of the ongoing efforts at Yale Medicine is the Cardiovascular Data Science Lab, founded by Dr. Rohan Khera in 2020.

エール医学部で現在進行中の取り組みのひとつに、2020年にローハン・ケーラ博士が設立した心血管データサイエンス・ラボがある。

So this is the Cardiovascular Data Science Lab, or the CARS Lab.

これが心血管データ・サイエンス・ラボ（CARSラボ）だ。

It's not a single domain of AI that we work on.

私たちが取り組んでいるのは、AIの単一領域ではない。

We work on diagnostics, on precision care, or defining therapies that work for individuals, work for cardiac imaging and other ways that we use to enable better care for patients.

私たちは、診断学、精密治療、あるいは個人に有効な治療法の定義、心臓画像診断、そして患者により良い治療を提供するためのその他の方法に取り組んでいます。

A good example is electrocardiograms, which are electrical recordings of the heart taken with stickers on the chest, available world over.

その好例が心電図で、胸に貼ったシールで心臓の電気的記録を取るもので、世界中で入手できる。

ECG-GPT, which is a play on ChatGPT, it takes an ECG image and generates a report.

ECG-GPTはチャットGPTをもじったもので、心電図画像を取り込んでレポートを作成する。

これはジェネレーティブAIの一例だ。

We can generate a full report directly from the electrocardiogram.

私たちは心電図から直接、完全なレポートを作成することができます。

Originally, this would require a cardiologist to interpret these studies, but our hope is that this can form the basis of very accurate reads that are available world over, that eventually clinicians can confirm and use in their care.

本来であれば、心臓専門医がこれらの研究を解釈する必要があるが、私たちの希望は、これが世界中で利用可能な非常に正確な読み取りの基礎となり、最終的には臨床医がそれを確認し、治療に利用できるようになることである。

So we decided to focus on app-based solutions, rather than things that integrate in large health systems, so that these tools are truly accessible.

そこで私たちは、大規模な医療システムに統合されるものではなく、アプリベースのソリューションに焦点を当てることにした。

ここに典型的な12誘導心電図がある。

And we know, me as a human reader, I can see these are the leads coming in from the chest.

そして、人間の読者である私には、これが胸から入ってくるリード線であることがわかる。

But for me looking at this, I could never tell you this is a patient with heart failure just based on their ECG.

しかし、これを見ただけでは、心電図を見ただけでは心不全患者だとは決して言えない。

What the AI eyeball is able to do is to kind of isolate these two leads and detect some signal that triggers that, yep, this is someone with left ventricular systolic dysfunction, an ejection fraction of less than 40%.

AIの眼球ができることは、これら2つのリード線を分離し、左室収縮機能不全、駆出率40％未満の患者であることを示す信号を検出することだ。

And it visualizes it in a way that a human reader wouldn't be able to detect.

そして、人間の読者には感知できないような方法でそれを視覚化する。

While facilities like the Cards Lab are developing these new AI tools at a rapid pace, there are still many steps needed before these technologies can be implemented.

カード・ラボのような施設は、このような新しいAIツールを急ピッチで開発しているが、これらの技術が実用化されるまでには、まだ多くのステップが必要である。

To ensure the public well-being, regulators may wish to impose oversight and guardrails before AI becomes the new standard practice of care.

国民の福利を確保するため、AIが新たな標準医療となる前に、規制当局は監視とガードレールを課すことを望むかもしれない。

In terms of AI and misdiagnosis, experts say that the cases and examples of this are pretty limited at this point.

AIと誤診について、専門家によれば、現時点ではその事例や例はかなり限られているという。

Because even though an AI might make a mistake or might make a misdiagnosis, there is still a real doctor involved in the diagnosis or prescription of a medication.

なぜなら、たとえAIが間違いを犯したり、誤診をすることがあったとしても、診断や薬の処方には本物の医師が関わっているからだ。

So are we really going to become healthier?

では、私たちは本当に健康になれるのだろうか？

I think it's not just the million-dollar question.

100万ドルの問題だけではないと思う。

100万数の命とかかわる問題だ。

テクノロジーには利点がある。

AIシステムにはメリットがある。

But it really requires that all of us, we need to be able to access, we need to be able to use this, we need to be willing to use it, and we need to have that space or energy to do it.

しかし、そのためには、私たち全員がアクセスし、これを使うことができ、喜んで使い、そのためのスペースやエネルギーを持つ必要がある。

On the wall of my office, I have four photographs.

オフィスの壁には4枚の写真を飾っている。

It's the transistor, the camera, the telephone, and the source code for the World Wide Web.

トランジスタ、カメラ、電話、そしてワールド・ワイド・ウェブのソースコードだ。

Because to me, those are the enabling innovations in my lifetime that transform the way we deliver care.

というのも、私が生きている間に、医療を提供する方法を一変させるような技術革新があったからだ。

Telemedicine, electronic health records, MRI imaging, all of that derives from those foundational innovations.

遠隔医療、電子カルテ、MRI画像診断、これらはすべて、これらの基礎となる技術革新から派生したものだ。

AIもそのカテゴリーに入ると思う。