応用: これからの医療

ゲノムは、からだをつくる設計図の全体です。ヒトのゲノムは、約 30 億の塩基(DNA の文字)でできています。1990 年に始まった国際的なヒトゲノム計画は、13 年かけて、2003 年 4 月にほぼすべての配列を読み終えました。

その後、読む技術は大きく進みました。アメリカの国立ヒトゲノム研究所によると、最初のヒトゲノムの配列をつくる費用は 5 億〜10 億ドルと見積もられています。1 人分のゲノムの下書きを読む費用は、2015 年の終わりには 1,500 ドルを下回りました。

日本では 2019 年 6 月から、がんの組織の多くの遺伝子を一度に調べる「がん遺伝子パネル検査」の一部が、保険診療で行われています。標準の治療がない、または終わったなどの条件を満たす場合に、多くは 100 以上の遺伝子を同時に調べ、合う薬があるかを専門家のチームで話し合います。

医療の画像や記録は、データの宝庫です。日本でも、内視鏡の画像から病変の候補を示すプログラムが、医療機器として審査を受けて使われています。たくさんの例から特徴を学び、医師が見落としにくくなるよう助けます。

では、AI が診断を下すのかというと、そうではありません。厚生労働省は 2018 年 12 月の通知で、AI を使って診療する場合の考え方を示しました。診断や治療を行う主体は医師であり、最終的な判断の責任は医師が負うというものです。AI の答えをうのみにせず、根拠を確かめて使う力が、これからの医師に求められます。

AI が病変を見分けるときは、どこから先を「病変かもしれない」とするかの基準(しきい値)が大切です。基準を甘くすると見落としは減りますが、病変でないものを疑う空振りが増えます。どこに線を引くかは、医学の知識をもとに決めます。

これからの医療は、医師だけではつくれません。ゲノムのデータを読み解く人、AI のプログラムをつくる人、細胞を育てる人、地域で暮らしを支える人と力を合わせます。工学部や情報学部と組んで、医療機器や AI を開発する研究も行われています。

高校の情報 I で学ぶデータの扱い方やプログラミングの基本も、こうした場面で役に立ちます。医学と別の分野の両方が分かる人は、病院でも研究所でも、企業でも必要とされています。