Name: AIがヘルスケアを変革する4つの方法 (4 Ways Artificial Intelligence is Transforming Healthcare)
Uploaded: 2026-02-15T18:25:32.000Z
Duration: 9 min 41 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：

Artificial intelligence, or AI, is taking the world by storm, and

人工知能、またはAIは世界を席巻しており、

上級受動態

its impact will be felt in all corners of society, including medicine.

その影響は医学を含む社会のあらゆる分野で感じられるでしょう。

Here are four ways AI is transforming the medical field.

ここでは、AIが医療分野を変革している4つの方法をご紹介します。

Jubbal med schoolinsiders.com the first way AI is changing medicine is by assisting with diagnosing and treating patients.

Jubbal med schoolinsiders.com AIが医学を変えている最初の方法は、患者さんの診断と治療を支援することです。

Misdiagnosing a disease happens relatively infrequently, but

病気の誤診は比較的まれにしか起こりませんが、

it can occur due to factors such as physician fatigue, errors in diagnostic modalities, or limited resources in underprivileged areas.

医師の疲労、診断モダリティのエラー、恵まれない地域でのリソースの制限などの要因によって発生する可能性があります。

While the idea of AI taking over disease diagnos may sound alarming, we should view it as a supportive tool for physicians.

AIが病気の診断を引き継ぐという考えは、不安に聞こえるかもしれませんが、医師のための支援ツールとして捉えるべきです。

For example, the Convolutional Neural Network, or cnn, is a diagnostic modality that can analyze thousands of images from public datasets and patient medical records to identify patterns, enabling them to quickly and accurately diagnose diseases.

例えば、畳み込みニューラルネットワーク、またはCNNは、公開データセットや患者の医療記録から数千枚の画像を分析してパターンを特定できる診断モダリティであり、病気を迅速かつ正確に診断できるようになります。

Researchers recently used CNNs to diagnose Kawasaki disease, or KD, an inflammatory disease of the blood vessels in children that can prove fatal if left untreated.

研究者たちは最近、CNNを使用して、治療されないと致命的となる可能性のある子供の血管の炎症性疾患である川崎病、またはKDを診断しました。

A diagnostic hurdle with KD is that symptoms are usually vague and can overcome overlap with other childhood illnesses.

KDの診断におけるハードルは、症状が曖昧で、他の小児疾患と症状が重複しやすいことです。

To reduce the rate of misdiagnosis, researchers compiled images from KD patients from all over the world, building a CNN that can identify its common signs.

誤診率を下げるため、研究者たちは世界中のKD患者の画像を収集し、一般的な兆候を特定できるCNNを構築しました。

The CNN proved both sensitive and specific for diagnosing Kawasaki disease, making diagnosis possible by merely taking a photo with a smartphone.

そのCNNは川崎病の診断において感度と特異性の両方が高く、スマートフォンで写真を撮るだけで診断が可能になりました。

Of course, clinical judgment currently remains irreplaceable, and

もちろん、現時点では臨床的な判断は不可欠であり、

physicians should still rely on a thorough history, physical exam, and the relevant labs or imaging.

医師は引き続き、詳細な病歴、身体診察、関連する検査や画像診断に頼るべきです。

These CNNs can help guide physicians in the right direction, especially in resource locales, where it can be expensive for patients to do more thorough testing.

これらのCNNは、特にリソースの限られた地域で、患者がより詳細な検査を行うには費用がかかる場合などに、医師を正しい方向へ導くのに役立ちます。

Preliminary efforts have also demonstrated AI can aid clinicians in diagnosing colorectal cancer, lung cancer, liver, cirrhosis, and

初期的な取り組みでは、AIが結腸がん、肺がん、肝硬変などの診断にも役立つことが示されています。

その他、多くの病気にも対応できます。

In one study, board certified pathologists diagnosed colorectal cancer with 96.9% accuracy, and

ある研究では、専門医が結腸がんを96.9%の精度で診断しましたが、

AI slightly outperformed them, reaching an accurate diagnosis 98% of the time.

AIはわずかにそれを上回り、98%の精度で診断に達しました。

However, doctors shouldn't forget about the limitations of AI in diagnosing disease.

しかし、医師は病気の診断におけるAIの限界を忘れてはいけません。

Biases can exist in any of the data sets, which can influence the way AI interprets the diagnosis.

データセットにはどのようなものでもバイアスが存在する可能性があり、それがAIが診断を解釈する方法に影響を与えることがあります。

For example, if a data set is mostly made up of older patients, AI might not be able to accurately interpret findings for a younger age group after diagnosis.

例えば、データセットが主に高齢の患者で構成されている場合、AIは診断後の若い年齢層の所見を正確に解釈できないかもしれません。

AI can also aid physicians in treatment, particularly in the era of personalized medicine.

AIは、特に個別化医療の時代において、医師の治療を支援することもできます。

Personalized medicine is a form of medicine that uses information about a person's genetics to prevent, diagnose, or treat disease.

個別化医療とは、個人の遺伝子に関する情報を用いて病気を予防、診断、または治療する医療の一形態です。

One specific example of this is is RHEUMATOID arthritis, an autoimmune disease where the body attacks itself, especially in joints like the wrist and finger joints.

その具体的な例の一つに、体が自己を攻撃する自己免疫疾患である関節リウマチがあります。これは特に手首や指の関節に影響します。

Since rheumatoid arthritis is such a complex and chronic disease, there are a variety of medications used to treat patients, and

関節リウマチは非常に複雑で慢性的な病気であるため、患者の治療には様々な薬剤が使用されており、

treatment often depends on what each patient best responds to.

治療はしばしば、各患者が最もよく反応するものに依存します。

Researchers at Mayo Clinic used genetic data and patients clinical characteristics to develop a machine learning algorithm to predict patient response to methotrexate, one of the most important rheumatoid arthritis drugs.

メイヨー・クリニックの研究者たちは、遺伝子データと患者の臨床的特徴を用いて、最も重要な関節リウマチ薬の一つであるメトトレキサートに対する患者の反応を予測する機械学習アルゴリズムを開発しました。

Instead of having both doctors and patients wait months to determine the efficacy of a certain drug, these models can direct both doctors and patients toward more effective treatments, immediately saving the patient both time and money.

医師と患者の両方が特定の薬剤の効果を判断するために数ヶ月待つ代わりに、これらのモデルは医師と患者の両方をより効果的な治療法へと導き、患者の時間とお金を即座に節約することができます。

Similarly, researchers at the Georgia Institute of Technology and Ovarian Cancer Institute utilized machine learning algorithms to determine treatment effectiveness with 90% accuracy for certain chemotherapies in ovarian cancer patients.

同様に、ジョージア工科大学と卵巣がん研究所の研究者たちは、機械学習アルゴリズムを利用して、卵巣がん患者における特定の化学療法に対する治療効果を90%の精度で判断しました。

Utilizing AI to predict a patient's response to chemotherapy can save valuable time and spare patients from the destructive physical side effects and emotional burden and costs associated with weeks of treatment that may prove ineffective.

AIを活用して患者の化学療法への反応を予測することで、貴重な時間を節約し、効果がない可能性のある数週間の治療に伴う破壊的な身体的副作用、精神的負担、費用を患者に回避させることができます。

Beyond diagnosis and treatment, AI has powerful potential in predicting the occurrence and progression of chronic diseases like hypertension, diabetes, and

診断と治療を超えて、AIは高血圧、糖尿病、

kidney disease, which can help patients live longer, healthier lives.

腎臓病などの慢性疾患の発生と進行を予測する強力な可能性を秘めており、患者がより長く健康的な生活を送るのに役立ちます。

Let's take a closer look at diabetes using various machine learning models.

様々な機械学習モデルを使用して、糖尿病を詳しく見てみましょう。

Researchers are developing predictive models to estimate a patient's current glucose level based on multiple factors such as their previous glucose levels, body mass index, external stress, and

研究者たちは、過去のグルコースレベル、ボディマス指数、外部ストレス、

さらに睡眠時間などの複数の要因に基づいて、患者の現在のグルコースレベルを推定するための予測モデルを開発しています。

This can help patients anticipate when their blood sugar levels are critically high or low, enabling them to better prepare for emergencies.

これにより、患者は血糖値が危険なほど高いか低いかを予測できるようになり、緊急事態に備えることができます。

Researchers have also used AI to develop models that predict the likelihood of developing diabetes based on various risk factors.

研究者たちはまた、様々なリスク要因に基づいて糖尿病を発症する可能性を予測するモデルを開発するためにAIを使用しています。

Early diagnosis and treatment of diabetes can prevent complications like diabetic kidney disease and blindness, which are emotionally distressing and costly for both patients and the healthcare system.

糖尿病の早期診断と治療は、感情的に苦痛であり、患者と医療システムの双方にとって費用のかかる、糖尿病性腎臓病や失明などの合併症を防ぐことができます。

In addition to patient care, AI is also furthering medicine by transforming the way medical research is conducted, particularly in clinical trials.

患者ケアに加えて、AIは医学をさらに進歩させ、特に臨床試験における医療研究の方法を変革しています。

Clinical trials study different interventions in patients, usually in the form of new vaccines or medications, to determine which treatment is more effective.

臨床試験では、どの治療法がより効果的かを判断するために、通常は新しいワクチンや薬の形で、患者にさまざまな介入を研究します。

In clinical practice, one of the first steps is identifying eligible patients, which is both time and resource consuming.

臨床現場では、最初のステップの1つは適格な患者を特定することであり、これは時間とリソースの両方を消費します。

Since researchers must design and print brochures and manually screen clinics for eligible patients with access to medical records, AI can quickly identify which patients fit the right criteria to streamline the process.

研究者はパンフレットをデザインして印刷し、医療記録にアクセスできる適格な患者のためにクリニックを手動でスクリーニングする必要があるため、AIはプロセスを合理化するために適切な基準に適合する患者を迅速に特定できます。

In addition, AI has already proven effective in the development of new treatments.

さらに、AIはすでに新しい治療法の開発に効果的であることが証明されています。

The first step in certain clinical research is discovering possible drugs.

特定の臨床研究の最初のステップは、可能な薬を発見することです。

However, despite extensive lab testing, the discovery process can result in a waste of valuable time and resources.

しかし、広範な実験室でのテストにもかかわらず、発見プロセスは貴重な時間とリソースの無駄につながる可能性があります。

Many drugs that are effective in a lab fail in human trials.

実験室では効果的な多くの薬が人間の試験では失敗します。

Verge Genomics was one of the first companies that discovered a potential drug for for amyotrophic lateral sclerosis, also known as ALS or Lou Gehrig's disease, by using AI instead of animal or cell testing instead of cell or animal data, they used AI to analyze human data points to provide researchers with more accurate representations of effective treatments in humans.

Verge Genomicsは、動物や細胞のデータではなくAIを使用して、筋萎縮性側索硬化症、別名ALSまたはルー・ゲーリッグ病の可能性のある薬を発見した最初の企業の1つでした。AIを使用して人間のデータポイントを分析し、人間における効果的な治療法のより正確な表現を研究者に提供しました。

This avoided the risk of drug failure when translating animal studies to human trials.

これにより、動物の研究を人間の試験に移行する際の薬剤失敗のリスクが回避されました。

If you've experimented with ChatGPT, you've experienced AI's writing capabilities firsthand.

ChatGPTを試したことがあるなら、AIの文章作成能力を直接体験したことになります。

While these AI writing tools are free, far from perfect, they can significantly reduce the time needed to prepare and revise manuscripts.

これらのAIライティングツールは無料ですが、完璧からは程遠いものの、原稿の準備や改訂にかかる時間を大幅に短縮できます。

ChatGPT has been used in scientific research and has even been credited as a co author on multiple papers.

ChatGPTは科学研究で使用されており、複数の論文で共著者としてもクレジットされています。

However, it's not without its limitations, including the hard to ignore fact that it can reference incorrect data and create fake citations.

しかし、誤ったデータを参照したり、偽の引用を作成したりする可能性など、無視できない限界もあります。

Other software, such as Consensus, can be used to guide your initial literature review and provide summaries for papers that answer your research question.

Consensusのような他のソフトウェアは、初期の文献レビューをガイドし、研究の質問に答える論文の要約を提供するために使用できます。

Don't expect these tools to take over your academic writing just yet, however.

ただし、これらのツールがすぐにあなたの学術的な執筆を引き継ぐとは期待しないでください。

They can cache grammatical errors, brainstorm ideas, and collect and synthesize data.

文法的な誤りをキャッシュしたり、アイデアをブレインストーミングしたり、データを収集・統合したりできます。

We dug into the possibilities and drawbacks of using AI writing tools in another video on the future of medical school applications.

医学部入試の未来に関する別の動画で、AIライティングツールの可能性と欠点について掘り下げました。

If you think you can exclusively rely on ChatGPT for your medical school or residency applications, think again.

医学部やレジデンシーの出願にChatGPTだけに頼れると考えているなら、考え直してください。

The third way AI is improving medicine is by streamlining administrative tasks in healthcare.

AIが医学を改善する3つ目の方法は、医療における管理業務を効率化することです。

For example, BotMD is a company with an AI service that assists patients with clinical issues like finding physicians on call, scheduling appointments, or answering prescription related questions, questions such as the availability of certain medications or their alternatives.

例えば、BotMDは、オンコールの医師を見つけたり、予約をスケジュールしたり、処方箋関連の質問、特定の薬の入手可能性やその代替薬に関する質問に答えたりするなど、患者の臨床的な問題を手助けするAIサービスを提供する企業です。

Allowing AI to take over these tasks can free administrative staff to focus on other obligations.

AIにこれらのタスクを任せることで、管理スタッフは他の義務に集中できるようになります。

AI can also simplify medical scribing since physicians don't have to take their own notes or employ medical scribes as opposed to human scribes who are subject to human error.

医師が自分でメモを取ったり、人間の書記のようにヒューマンエラーの対象となる医療書記を雇ったりする必要がなくなるため、AIは医療記録の作成を簡素化することもできます。

AI works instantly and immediately understands medical terminology.

AIは瞬時に機能し、医学用語をすぐに理解します。

AI technology can pre authorize insurance and optimize billing for physicians.

AI技術は、保険の事前承認を行い、医師の請求業務を最適化できます。

Since billing is reliant on accurate, consistent documentation, reducing the burden of these tasks can help prevent physician burnout, a significant problem that leads to psychological distress for doctors and worse outcomes for patients.

請求業務は正確で一貫した記録に依存しているため、これらのタスクの負担を軽減することは、医師の燃え尽き症候群を防ぐのに役立ちます。これは、医師の精神的苦痛や患者の予後悪化につながる重大な問題です。

Lastly, AI is quickly being integrated into medical education at all levels of training.

最後に、AIはあらゆるレベルのトレーニングで医学教育に急速に統合されています。

For example, Oscar, an Australian medical education company, allows medical students to practice their history taking skills on AI patients.

例えば、オーストラリアの医学教育会社であるOscarでは、医学生がAI患者で病歴聴取スキルを練習できます。

Using this tool, students can learn to ask the proper questions and consider various diagnoses for any specific present, integrating AI more thoroughly into formal medical curricula can prepare Future Physicians for AI's increasing role in healthcare.

このツールを使用すると、学生は適切な質問をし、特定の症状に対してさまざまな診断を検討することを学ぶことができます。AIを正式な医学カリキュラムにより深く統合することで、将来の医師はヘルスケアにおけるAIの役割の増大に備えることができます。

Some universities, like Duke and Stanford, have already introduced courses to help medical students and residents learn to use AI to solve healthcare issues.

デューク大学やスタンフォード大学のような一部の大学では、医学生や研修医がAIを使用してヘルスケアの問題を解決する方法を学ぶためのコースをすでに導入しています。

The Mayo Clinic and Stanford offer courses that teach physicians how AI is currently influencing medicine, as well as how they can use it to their advantage in their practice.

メイヨー・クリニックとスタンフォード大学では、AIが現在どのように医学に影響を与えているか、そして医師がそれをどのように診療で活用できるかを教えるコースを提供しています。

AI is even influencing the medical school application process, which we made a separate video about.

AIは、医学部への入学プロセスにも影響を与えています。これについては別の動画で詳しく解説しました。

Link in the Description AI has huge potential to revolutionize many different facets of medicine, but

説明欄にリンクがあります。AIは医学の様々な側面を革新する大きな可能性を秘めていますが、

with any change, we should be cognizant of any drawbacks or possible biases we could be introducing.

どのような変化にも、私たちが導入してしまう可能性のある欠点や偏見に留意する必要があります。

AI, after all, is designed and programmed by humans, so it's susceptible to the same biases we are.

結局のところ、AIは人間によって設計・プログラムされているため、私たちと同じ偏見の影響を受けやすいのです。

As AI technology rapidly evolves in all areas of our lives, from medicine to personal wellness to writing.

AI技術は、医学から個人のウェルネス、執筆に至るまで、私たちの生活のあらゆる分野で急速に進化しています。

We'll continue to cover emerging topics here on our YouTube channel and the Med School Insiders blog.

今後もYouTubeチャンネルとMed School Insidersのブログで、最新トピックを取り上げていきます。

Check out the Artificial Intelligence Playlist for more videos.

人工知能のプレイリストで、さらに多くの動画をご覧ください。

If you haven't already, sign up for the Med School Insiders newsletter, which sends our latest videos, guides, study strategies, job opportunities and music recommendations straight to your inbox Once a week, visit medschoolinsiders.com newsletter or visit the link in the description.

まだの方は、Med School Insidersのニュースレターに登録してください。最新の動画、ガイド、学習戦略、求人情報、音楽のおすすめが毎週あなたの受信箱に直接届きます。medschoolinsiders.comのニュースレターをご覧いただくか、説明欄のリンクからアクセスしてください。

ご視聴いただき、誠にありがとうございました。

If you enjoyed this video, check out the top 10 most stressful jobs in Healthcare.

この動画を楽しんでいただけたら、医療分野で最もストレスの多い仕事トップ10もぜひチェックしてみてください。

たくさんの愛を込めて、またお会いしましょう。