Leapfrogging cancer diagnostics with AI: a mixed-methods assessment of implementation determinants in low- and middle-income countries

がんは世界中の人々を襲う容赦ない病気ですが、それを迅速かつ正確に診断する能力は、世界中で平等に共有されているわけではありません。多くの低・中所得国では、治療が始まるずっと前に、治癒への道が阻まれていることがよくあります。がんと戦うための第一歩はそれを見つけることであり、通常は病気を特定するために顕微鏡で組織の極めて小さな切片を検査する医師である病理医を必要とします。これらの専門家は多くの地域で不足しており、彼らが働く研究所には、最小の細部までを見るために必要な高度なツールが欠けていることも少なくありません。明確な診断ができなければ、患者はケアを受けるのが遅れ、生存の可能性は低下してしまいます。

近年、この状況を変える可能性を秘めた新しいツールが登場しました。それが人工知能（AI）です。これはパターンを認識するように訓練されたコンピュータ・ソフトウェアであり、人間の医師と同じように組織のスライドを見て、がんの兆候を非常に速いスピードで見つけ出すことができます。その考えは、もしこれらのスマートなプログラムが発展途上国の診断システムに組み込まれることができれば、医師がより速く正確に作業できるようになり、これらの国々が伝統的な病理ラボを構築するという遅くて高価なステップを飛び越えて、直接現代的なデジタルシステムへと移行できるのではないか、というものです。しかし、これが機能するためには、テクノロジーが求められている場所の現実性に適合していなければなりません。単に外部から持ち込まれるだけでは不十分であり、現地の医師、予算、そして規則がどのようにソフトウェアと相互作用するかを理解する必要があります。

ある研究チームは、これが実際にどのように機能するかを正確に理解しようと取り組みました。彼らは単にコンピュータ・プログラムを構築してテストしただけではありません。そうではなく、技術を実際に使用することになる人々に、彼らが何を必要とし、何が障害となっているのかを尋ねるために、現場へと赴いたのです。彼らは、病理学および婦人科（がん診断に最も深く関わる分野）の専門家である、12カ国（10の低・中所得国と、比較のための2つの高所得国を含む）の12人の医師と対話しました。研究者たちは、現在の研究所の状態を明らかにするための調査から始まり、課題を深く掘り下げて行うグループ・ディスカッション、そして最後に特定の課題に対する医師たちの実感の強さを測定するための二次調査という、一連の手法を組み合わせて用いました。

研究者たちは、現場の状況が、単なる富裕国と貧困国のリストよりもはるかに複雑であることを発見しました。すべての場所で、組織スライドを可視化するための基本的な染色法へのアクセスはありましたが、より高度な検査を実施する能力は大きく異なっていました。低所得の拠点のうち7割において、がんの診断を確定するためにしばしば必要とされる専門的な化学的検査を行う能力が不足していました。さらに、10拠点のうち6拠点では、腫瘍の遺伝的構成を調べる分子標的検査が、完全に欠如しているか、あるいはほとんど利用できない状態にありました。これは、たとえコンピュータが問題を特定できたとしても、人間の医師にはそれを確認したり、それがどのような種類のがんであるかを正確に理解したりするための道具が不足していることを意味していました。

人工知能に必要なデジタルツールの可用性についても、明暗が分かれました。ほとんどの拠点は、物理的なスライドをデジタル画像に変換できるスキャナーを保有しており、これはコンピュータが画像を「見る」ための必須の第一歩となります。しかし、人工知能ソフトウェアを実行するために必要な強力なコンピュータは、半数以上の場所で欠落していました。これにより、奇妙な断絶が生じていました。画像を生成するためのスキャナーはあるが、それを分析するためのコンピュータがない場所もあれば、コンピュータはあるがスキャナーがない場所もありました。研究者たちは、この差異は通常の国家の富のパターンに従っていないと指摘しました。ある国の所得水準は、特定の病院が人工知能を使用する準備ができているかどうかを予測する信頼できる指標ではありませんでした。低所得国のいくつかの機関は驚くほど設備が整っていた一方で、より裕福な国々のいくつかの機関が基本的な欠落に苦しんでいました。

人工知能に何をしてもらいたいかという問いに対し、医師たちの回答は実用的であり、差し迫ったニーズに焦点を当てたものでした。彼らは、ソフトウェアが自分たちの代わりを務めることや、完璧な確実性を持って未来を予測することを求めていたのではありません。むしろ、がんをより早期に発見し、自分たちの診断をダブルチェックし、標準的な染色スライドから特定の生物学的マーカーを予測することを望んでいました。彼らは、コンピュータが数千枚のスライドを精査し、疑わしいものをフラグ立てすることで、人間の医師がそれらの特定のケースに時間を集中できるようにするシステムを想像していました。それは、決して細部を見逃さない疲れを知らない助手のいるような状態で、過重労働に喘ぐ医師たちが、正確性を損なうことなく、より多くの患者を診ることができるようになるのです。

しかし、このビジョンを実現するための道のりは、一連の相互に関連した障害によって阻まれています。研究者たちは、人工知能がこれらの環境で実際に使用されるかどうかを決定する6つの主要な要因を特定しました。第一はリテラシーであり、医師や患者がそのテクノロジーを理解し、信頼する必要があることです。第二はエビデンス（根拠）であり、ソフトウェアが単に富裕国の人々のためのものではなく、これらの国々の特定の集団に対してもうまく機能することを証明する必要があることです。第三はガバナンスであり、技術がどのように使用されるべきか、また何かが誤った場合に誰が責任を負うのかを導くための規則や法律の策定を含みます。第四は臨床展開であり、これはソフトウェアを病院のワークフローに組み込むための物理的な手順をカバーします。第五は資金調達、そして第六は異なるグループ間のコラボレーションです。

これらすべての課題の中で、お金が最大の障害として浮上しました。医師たちは、あらゆる領域において、財政的な制約が支配的な障壁であると報告しました。彼らは、安定した資金源がなければ、必要なコンピュータを購入することも、画像を送信するために必要なインターネット接続の費用を支払うことも、スタッフを訓練することもできないと説明しました。初期の設備を購入するための国際的な助成金や研究資金は存在するものの、医師たちは、それらの資金が底をついたときに、メンテナンスや修理ができない高価な機械が残されることを懸ейしていました。彼らは、人工知能が持続していくためには、一時的な寄付によるものではなく、政府の定期的な保健予算によって支えられる必要があると強調しました。

コラボレーション（協力）は、他の解決策を解き放つための鍵として特定されました。医師たちは、単独の個人や病院ではこれらの問題を解決できないことを理解していました。彼らは、政策を策定するために政府と協力し、次世代の医師を育成するために大学と協力し、設備のコストを分担するために民間企業と協力する必要があると考えていました。彼らは、現在の取り組みがしばしば断片的であり、異なるグループが孤立して活動していることを指摘しました。研究者たちは、最も成功する道筋は、これらの異なるステークホルダーが力を合わせ、リソースと知識を共有して、長期的に自立できるシステムを構築するという、調整された取り組みであると結論付けました。

本研究は、人工知能が低・中所得国において、伝統的な、進展の遅い病理ラボの開発プロセスを飛び越える大きな有望性を秘めている一方で、あらゆる場所に同じ方法で適用できる魔法の解決策ではないと結論づけました。この技術を使用する準備ができているかどうかは、国の全体的な富に関わらず、病院ごとに大きく異なります。成功は、特定の現地のニーズに対処し、持続可能な資金を確保し、強力なパートナーシップを築くことにかかっています。これらの基盤がなければ、テクノロジーは命を救う道具となるのではなく、研究所で埃をかぶって放置される、使い道のなくなった備品の一つとなるリスクがあります。研究者たちは、これらのシステムを導入する前に、各機関が、テクノロジーを機能させるための人材、規則、そして資金を備えているかどうかを慎重に評価すべきであると提言しています。