医療特化型LLMでかかりつけ医を支援、Cubecが目指す高齢化社会の心不全診療DX – BRIDGE（ブリッジ）テクノロジー＆スタートアップ情報

医療現場でのAI活用が進む中、画像診断や検査データの解析など、機械学習を用いた取り組みは数多く存在する。一方で、ChatGPT に代表される大規模言語モデル（LLM）の医療分野での実用化は、まだ緒についたばかりだ。そんな中、医療特化型 LLM の開発に取り組むスタートアップが現れた。昨年2月に創業した Cubec（キューベック）だ。

Cubec は昨年8月、心不全診療支援の AI プログラム医療機器の開発を発表した。国立循環器病研究センターをリーダーとし、複数の大学病院との共同研究として進行している。これまでにゼロイチキャピタルから4,000万円を調達し、心不全パンデミックに対し、かかりつけ医支援を通じて全国での最適な心不全診療の実現に向け、2027年のサービス開始を目指している。

心不全診療における課題

Cubec が最初のターゲットとして心不全を選んだ背景には、深刻な社会課題が存在する。同社の代表取締役 CEO 奥井伸輔氏は次のように説明する。

「心不全パンデミック」という言葉が最近よく報道されていますが、高齢化により新規の患者数が急増しています。一方で心不全のエキスパートの数は変わっておらず、地域によっては既に医療崩壊寸前と現場が叫んでいるような状況です。（奥井氏）

心不全患者の多くは、専門病院ではなく地域のクリニックや診療所で日常的な管理を受ける必要がある。かかりつけ医には、薬の調整や専門医への紹介タイミングの見極めという重要な役割が求められる。しかし、全ての医師が心不全の専門家というわけではない。

街中のかかりつけ医は、心臓や呼吸器など幅広い疾患を管理する必要があります。しかし、多くの医師は、例えば、消化器内科で20年勤めた後に開業するといったキャリアパスを経ており、必要なスキルとのギャップが存在します。実際、かかりつけ医から（特定の疾患に精通した）エキスパート医への相談ニーズは、1日3回程度あることがヒアリングでわかっています。（奥井氏）

なぜ既存の LLM では不十分なのか

医療分野での LLM 活用は、既に一部で始まっている。電子カルテの入力支援や退院時サマリーの自動生成など、業務効率化の文脈では実装例も出てきた。しかし、診療における意思決定支援となると、既存の汎用 LLM では限界がある。

教科書やガイドラインに落とし込まれている知識だけでは不十分です。どうしても医師個人の経験が必要な領域があり、そこを言語化して伝えることが重要になります。（奥井氏）

特に心不全の治療では、患者の状態や背景因子によって最適な判断が異なってくる。汎用 LLM は膨大な医学文献を学習していても、実際の臨床現場でエキスパート医が行う複雑な意思決定プロセスまでは再現できないのだ。

この課題に対し、Cubec は独自の言語モデルを開発している。患者の情報を入力すると、悪化のリスクや治療方針を提案するだけでなく、その根拠となる考え方も示すシステムだ。

特筆すべきは、既存の医学知識だけでなく、エキスパート医の経験や暗黙知も含めた意思決定プロセスの再現を目指している点だ。Cubec の取締役 CAIO（Chief AI Officer）新井田信彦氏は、従来の機械学習や汎用 LLM との違いを次のように説明する。

これまでのディープラーニングは基本的に分類問題か数値予測で、0/1を当てにいくか誤差を小さくするかという世界でした。汎用 LLM も基本的には既存の文献やデータからの学習に基づいています。一方、我々が目指す医療特化型 LLM では「何を生成したいか」という創造性が重要になります。医師国家試験に合格する言語モデルが作れたとしても、実際の診療での対話とは全く異なるのです。（新井田氏）

独自の教師データ収集がカギ

Cubec の開発アプローチの特徴は、エキスパート医師の知見を構造化された形で収集している点にある。循環器領域で5年以上の経験を持つ医師から、具体的な症例に対する思考プロセスや判断基準を詳細に聞き取り、教師データとして蓄積している。

ChatGPT など既存のLLMは、オープンなデータから学習していますが、エキスパート医の暗黙知まではカバーできません。我々は、特定の診療領域に特化して独自の教師データを集めることで、そこを補完していきます。（奥井氏）

また、定性的なデータだけでなく、定量的なデータも活用。Cubec では名古屋大学が保有する心不全患者の臨床データを用いて、より精度の高い予測モデルの構築も進めている。現在 Cubec は、MVP（Minimum Viable Product）として、かかりつけ医が悩む心不全症例にエキスパート医師が回答する Web アプリを運用している。参加者の9割が継続利用を希望するなど、ニーズの高さが確認できているという。

AI 部分については、初期的な技術検証を終え、「GPT-3.5 Turbo」を上回る性能を達成。ただし人間のエキスパート医や「GPT-4」にはまだ及ばない段階で、今後本格的な開発を進めていく計画だ。エキスパート医の思考プロセスをより深く学習させることで、さらなる性能向上を目指している。最終的な製品化は2028年を予定しているが、それまでの間も段階的に性能を示していく方針だ。

データと技術の両輪で優位性を確立

AI 開発において、そのケイパビリティを測る重要な要素として、一般的には、アルゴリズム、コンピューティングパワー、データの3つが挙げられることが多い。しかし新井田氏は、生成 AI においてはむしろ、「何を生成するか」という目的設定がより本質的で重要だと指摘する。

教師データの要件定義から、モデル開発手法の選択、性能評価方法まで、医療特化型 LLM には独自のノウハウが必要です。医学のエキスパートと組んでフィードバックループを回す方法自体が、他社にない強みになると考えています。

今後は心不全における経験を活かし、同様の課題を持つ他の疾患領域への展開も視野に入れている。例えば、生命保険会社との連携で、がん患者向けの相談支援サービスへの応用なども検討されているそうだ。

ただし、事業化までの道のりは決して平坦ではない。医療分野特有の保守性に加え、開発に時間とコストがかかることも課題となる。いわゆる AI ブームの影響もあって、最近では、いわゆる軽めの AI アプリ（LLM はサードパーティのものを活用し、フロントエンド開発に特化したもの）は多く登場している。それとは対照的に、AI を使って本質的に社会課題を解決するのには時間がかかる。医療と LLM を組み合わせた成功事例がまだないことも、投資家からの理解を得る上での課題だ。

しかし、高齢化が進む中で専門医の不足は深刻化する一方だ。テクノロジーによる解決は不可避といえる。特に中国など、規制面でより柔軟な対応が可能な国々では、既に同様の取り組みが加速している可能性もある。医療現場のDXを加速させる存在として、Cubec の今後の展開が注目される。

The post 医療特化型LLMでかかりつけ医を支援、Cubecが目指す高齢化社会の心不全診療DX first appeared on BRIDGE（ブリッジ）テクノロジー＆スタートアップ情報.

Source link