Cost-effectiveness of immediate prioritisation of chest X-rays using artificial intelligence in lung cancer in England: the LungIMPACT study
LungIMPACT研究に関するこの医療経済分析は、イングランドにおける肺がんのための胸部X線写真の優先順位付けにAIを使用することは、AIによる読影補助のみの場合や現在の実務と比較して、診断までの時間を短縮することなくコストを増大させるため、費用対効果が高いとは結論付けていない。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
人間の体を、活気あふれる一つの都市だと想像してみてください。その都市の中で、静かで、こっそりと忍び寄るトラブルメーカーが、店を構えようとしています。それが肺がんです。このトラブルメーカーは非常に巧妙で、初期段階では大きな音を立てません。注意を引こうと叫ぶこともなく、ただ「咳が出る」「少し疲れやすい」といった、人々が無視してしまいがちな小さなサインを出すだけです。あまりに静かなため、腫瘍が大きく成長し、倒すのがずっと難しくなってからようやく見つかることがよくあります。
このトラブルメーカーを早期に捕まえるために、医師たちは「胸部X線写真（CXR）」という特別な「X線カメラ」を使用します。これは、都市のスカイラインを素早く撮影して、暗雲が形成されていないかを確認するようなものです。イギリスでは毎年、一般医（GP）が何百万枚ものこれらのスナップショットを放射線科に送っています。しかし、ここには問題があります。放射線科は、まるで溢れかえった郵便局の仕分け部屋のような状態なのです。毎日、何千枚もの写真が届き、それを見る医師（放射線科医）は、その山を一つずつ仕分けなければなりません。もし危険な雲が山の真ん中に隠れていたら、医師が無害なものを先に調べている間に、見逃されたり遅れたりしてしまう可能性があるのです。
最近、科学者たちはデジタルな助っ人、「人工知能（AI）」を発明しました。このAIを、あらゆる写真を瞬時にスキャンできる超高速のロボット助手だと考えてください。その仕事は、「暗雲（疑わしい影）」を見つけ出し、「おい！これを先に見てくれ！」と叫ぶことです。これは「優先順位付け（プライオリティゼーション）」と呼ばれます。誰もが知りたかった大きな疑問は、「もしこのロボット助手が叫んで、恐ろしい写真を列の先頭に移動させるとしたら、医療サービスに多額の費用をかけることなく、実際にトラブルメーカーをより早く捕まえることができるのだろうか？」ということでした。これは、このハイテクな「選別帽」が、果たしてその価格に見合う価値があるのかを検証しようとした「LungIMPACT研究」の物語です。
偉大なる仕分け実験
イギリスでは、まさにこのアイデアをテストするために、「LungIMPACT研究」と呼ばれる大規模な実験が開始されました。研究者たちは、一般医を受診した後に胸部X線写真を撮った約8万7,000人の患者のデータを集めました。彼らは、何が起こるかを見るために、これらの患者を2つのグループに分けました。
第1のグループでは、AIの「叫ぶ」仕事をオンにしました。AIはX線写真をスキャンして、怪しいものにフラグを立て、「これらを優先してください！すぐに読んでください！」と人間に伝えました。第2のグループでも、画像の読影を助けるためにAIは使用されましたが、AIには「静かにしていること」が命じられました。AIは叫んだり写真を前方に移動させたりせず、医師たちはAIによるセカンドオピニオンの助けを借りつつも、届いた順番通りにX線写真を読んでいきました。
目標はシンプルでした。 「叫ぶ」グループの方が、診断までの時間が早まるかどうかを見ることです。もしAIが、X線撮影から肺がんの判明までの時間を短縮できれば、それは患者にとって大きな勝利となります。しかし、一つ懸念がありました。研究者たちは、一銭単位で費用も計算しなければなりませんでした。彼らは、X線撮影、CTスキャン、追加検査の費用、さらにはAIソフトウェアのライセンス料や、病院のコンピュータシステムに組み込むためのコストに至るまで、あらゆる支出を精査しました。
驚きの結果：ロボットは救世主になれなかった
数字を集計した後、研究は驚くべき結果を示しました。「叫ぶ」AIは、診断を有意にスピードアップさせることはできなかったのです。
以下が起きたことの内訳です：
- 時間： 診断を得るまでの時間は、両方のグループでほぼ同じでした。「叫ぶ」AIが写真を優先するように指示したグループでは、診断までの平均時間は約75日でした。AIが叫ばずに読影を助けただけのグループでは、約77日でした。このわずかな差は、叫ぶAIが本当に実質的な違いをもたらしたと言えるほどのものではありませんでした。
- お金： AIソフトウェアにはライセンス料がかかり、病院のコンピュータへのインストールにも費用がかかるため、「叫ぶ」グループは医療サービスにより多くの費用を要しました。研究によると、「叫ぶ」機能を使うことで、単にAIを使う場合と比較して、患者一人あたり約1ポンドの追加コストが発生しました。
研究者がイングランド全土の大きな視点で見たとき、計算はさらに明白になりました。もしイングランド中のすべての一般医（年間約220万枚のX線を注文しています）が、X線の優先順位付けにAIを使用した場合、そのほとんど存在しないほどの時間短縮のために、NHS（国民保健サービス）には年間220万ポンドの追加費用がかかることになります。もし彼らが、このAI方式を（AIを全く使わない）従来の方法と比較した場合、コストは年間で1,600万ポンドから3,500万ポンドの間へと跳ね上がります。
なぜうまくいかなかったのか？
研究者たちは、問題はAI自体にあるのではなく、AIがどこで助けようとしているかにあるのではないかと示唆しています。渋滞している高速道路を想像してみてください。もし、最も遅い車を見つけて、それを追い越し車線に移動させるヘリコプターがあれば、それは素晴らしいことです。しかし、もしレーンが足りない、あるいは交通の流れを管理する警察官が足りないために、高速道路全体が完全に麻痺しているとした場合、一台の車を前に動かしたところで、交通渋滞は解消されません。
肺がん診断の場合、「交通渋滞」はX線の「後」に発生します。たとえAIが恐ろしいX線を列の先頭に移動させたとしても、患者は依然としてCTスキャンの待ち時間を経て、専門医が結果を見るのを待ち、そして治療方針を決定するためのチーム会議を待たなければなりません。研究の結果、AIはX線が読影された「後」に発生するボトルネックを解決できないことが分かりました。システム自体がすでに非常に多忙であったため、X線を前に移動させたところで、プロセス全体のスピードを上げることはできなかったのです。
結論
この研究は、少なくとも現時点では、胸部X線の優先順位付けに直ちにAIを使用することは、医療サービスにとって適切な資金活用ではないと結論付けています。それは節約できる額よりもコストがかかり、実際に患者の診断を早めることもできません。
著者たちは非常に明確に述べています。彼らはAIが永遠に役に立たないと言っているわけではありません。彼らが言いたいのは、「写真を列の先頭に移動させるために叫ぶ」というこの特定の方法は、そのコストを正当化できるほど上手くいっていないということです。この特定のツールに数百万ポンドを費やす代わりに、医療サービスは、例えばスタッフを増員したり、フラグが立てられた患者を扱うためのCTスキャナーや医師の数を確保したりするなど、プロセスの他の部分を改善することで、より良い結果を得られる可能性があると研究は示唆しています。
要するに、ロボットの助け手は「私を先に見て！」と叫ぶことでヒーローになろうとしましたが、残りのチームがあまりに忙しすぎて、その声を聞く余裕がなかったのです。チーム全体が共に素早く動けるようになるまでは、列の先頭で叫ぶだけでは問題は解決しないのです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。