大規模な医療アプリケーションはまだ初期段階にあり、最大の課題はデータ処理であり、中国で解決するには少なくとも2〜3年かかるだろう。

スタートアップには、適切な参入ポイントさえ見つけられれば、まだチャンスがあります。この業界では、繁栄する者しか存在せず、飢える者は存在しません。

大規模モデル応用の波が押し寄せる中、アリペイの医療技術チーム責任者であるウェイ・ペン氏は次のように語った。

今年、アント・グループがヘルスケア分野に本格的に進出したことは明らかです。アント・グループの大規模ビジネスモデルの3つの主要応用分野（他の2つは金融と生活関連）の一つとして、ヘルスケアの展開は特に注目に値します。

モデルレベルでは、Alipay の医療ビッグデータ モデルは、中国語と英語の医療試験とベンチマーク テストで GPT-4 レベルに到達、あるいはそれを上回りました。

応用シナリオの面では、浙江省衛生健康委員会や上海第一人民病院と相次いで提携し、デジタルヒューマンテクノロジーの応用を先導してきました。今年の外灘サミットでは、アリペイが「AIヘルスバトラー」を正式にリリースし、各地域の衛生委員会、一流病院、専門家など20名以上のプロフェッショナルインテリジェントエージェントが最初のユーザーとして参加しました。

そのため、医療分野における大規模モデルの応用を議論する際には、10年間この分野に深く関わってきたアント・ファイナンシャルのアリペイは欠かせないプレーヤーです。

そこで、私たちは、Alipay の医療技術チームの責任者である Wei Peng 氏に、現在の業界の発展と大規模医療アプリケーションの技術的課題について話を聞きました。

中核となる視点は次のとおりです。

• Alipay の医療 AI への進出には、医療保険に関する Q&A、一般開業医、病院内でのサービスの統合、専門のインテリジェント エージェントという 4 つの主な参入ポイントがあります。
• 大規模なモデルの場合、パラメータ数は数百億で十分であり、量ではなく質に重点を置く必要があります。
• 医療分野では、感情的、倫理的、人間的なケアが最も重要です。
• 医療分野におけるAIの主な役割は効率性の向上であり、医師の役割はかけがえのないものです。

QuantumBit は、元の意味を変えることなく、次のとおり改訂しました。

アリペイのトップ医療技術専門家との対話

1. Alipay のヘルスケア分野への進出には、主に 4 つの参入ポイントがあります。

QuantumBit: 大規模モデルは現在、医療業界で非常に人気があり、広く利用されています。Ant Groupは医療分野に参入しますが、この市場にどのようにアプローチしていくのでしょうか？

鵬偉：現在、エントリーポイントは4つあります。

1つ目は、医療保険に関するQ&Aセクションで、保険に関する相談に似ています。まず、これはAlipayアプリと非常によく連携しています。

実際に多くのユーザーがポリシー関連の質問をしているので、まずはユーザーのニーズから考えてみましょう。市販されている汎用モデルの製品の中には、回答が曖昧なものもあり、品質にも大きなばらつきがあります。

もちろん、これは国家医療保険局（NHS）との緊密な協力関係のおかげでもあります。NHSも多数の顧客からの問い合わせに直面していますが、多くの政策解釈や関連文書は公開されていないか、入手が困難で、複雑なチャート解釈が必要となる場合もあります。これらの問題は、当社の画像解析技術と検索強化技術によって解決できます。

医療保険局とは、質問の作成、ラベリング基準、評価基準など、緊密な連携関係を築いています。現在、北京、上海、杭州における精度は80～90%程度であり、引き続き最適化を進めています。

2つ目は一般開業医です。医療現場が直面する大きな課題は、AIが現状では専門医の診断に取って代わることができないことです。そのため、私たちはAIを主に医師の補助的な役割に位置付けています。

例えば、病院に行く際に、どの科を受診すればよいか迷うことがあるかもしれません。そんな時、かかりつけ医（GP）が役に立ちます。GPに相談し、基本的な情報を提供すると、症状に基づいた予備的な評価が行われ、神経科や消化器科などの特定の科を勧められることもあります。GPは関連情報を収集し、アドバイスを提供します。慢性疾患のある患者には、特定の健康指標の解釈を含む、日常的な健康アドバイスも提供します。

これが私たちが総合診療医の役割を定義する方法です。そして、まさにこれが私たちが現在向かっている方向です。

AIは、日常的な医療情報の提供、検査結果や推奨事項の解釈、医薬品のパッケージをスキャンして医薬品の用途を把握するといった分野で大きな可能性を秘めていると考えています。例えば、ユーザーは医薬品の写真を撮ることで医薬品を特定し、その医薬品が治療する疾患について学ぶことができます。

さらに、ユーザーの具体的な症状に合わせて複数回のカウンセリングを実施し、その情報をまとめて専門相談プラットフォームに転送します。これにより、ユーザーのニーズをより正確に把握し、適切な医師に診断をつなげることができます。

このプロセスは時間を節約するだけでなく、効率も向上させます。

QuantumBit: 根本的なロジックは何ですか?

鵬偉：医療への応用の現段階では、単に技術や製品の問題だけではなく、人文科学や倫理のレベルも関わってきます。

個人的な観点から言えば、患者は一般的に医師による診断を受けることを望みます。そして社会的な観点から言えば、誰かがこの責任を担うことは確かに必要です。したがって、医師の役割はかけがえのないものです。

医療分野における AI の主な役割は、効率性の向上です。

現実には、医師は患者の問診に多くの時間を費やしており、実際に意思決定や治療に割く時間は比較的少ないです。特に、複雑で困難な症例への対応に時間を割きたいと考えるベテラン医師に当てはまります。しかし、医師の時間は限られているため、医療資源の効率的な活用は極めて重要な課題です。AIは、反復的な作業をAIが処理することで効率性を向上させる上で重要な役割を果たします。

2. 大規模な医療アプリケーションはまだ初期段階にあり、最大の課題はデータにあります。

QuantumBit: 3 番目のエントリ ポイントは何ですか?

鵬衛：3つ目は院内サービスの統合で、主に医療サービスの効率向上を目指しています。浙江省衛生委員会と提携し、「子どものためのデジタルヒューマンセーフティクリニック」を設立しました。これは、浙江省のデジタルインフラが非常に充実していることも理由の一つです。患者の報告書や登録記録など、院内のあらゆるデータが衛生委員会と連携し、システム上で確認できます。

当社では、Anzhener をモデルとして、病院情報システム (HIS) に直接接続し、さまざまな地域の病院との連携と協力も続けています。

これには、様々なインターフェース標準、ARナビゲーションの実装方法、レポートや記録の閲覧、病院内でのレポートの解釈方法など、標準の確立が必要です。また、登録や順番待ち通知といったサービスも含まれ、病院内での医療プロセス全体を実装することを目指しています。

QuantumBit: 課題はどこにありますか?

鵬偉氏：課題の一つは、各病院のHISシステムの開発レベルにばらつきがあることです。場合によっては、病院間の調整や連携が必要になります。単一のHISシステムには、複数の研究開発機関が関与しています。

したがって、この分野における課題は、主にB2BまたはB2Hセクターにおけるプライベートカスタマイズの需要に起因しており、技術的な課題ではありません。

QuantumBit：デジタルヒューマンに代表されるAnzhenerのようなベンチマーク製品は、大規模モデルの展開に不可欠な技術要素となるのでしょうか？他に、どのような技術的側面が必要でしょうか？

鵬偉：デジタルヒューマンは、今後の発展において間違いなく避けられない潮流です。さらに、デジタルヒューマンの発展には、感情音声技術の統合が必要になるかもしれません。私たちはこれらの課題を克服するために尽力しています。医療分野では、感情、道徳、そして人間的なケアが非常に重要です。そのため、デジタルヒューマンはサービスを提供する際に、技術的に先進的であるだけでなく、人間的なケアにも配慮する必要があり、冷淡な印象を与えてはなりません。私たちの目標は、技術的な精度と人間的な温かさを兼ね備えたデジタルヒューマンを創造することです。

QuantumBit: 4 番目のエントリ ポイントは何ですか?

鵬偉：私たちが現在研究している、そして最も難しいのは、専門分野の知識を持つインテリジェントエージェントです。AIは、専門家や上級専門医のようにユーザーと対話することができます。

これはまだ始まりに過ぎません。この部分にはいくつかの課題が伴うからです。

最大の問題はデータです。高度なスキルを持つ医師がどれほど多忙であるか想像してみてください。彼らは診断プロセス全体を詳細に記録しておらず、診療記録や治療記録もずさんな場合が多く、データを効果的に抽出・活用することが困難です。

十分なデータがなければ、モデルの学習は困難になります。

私たちは、実際の品質基準に従って医療記録/入院記録を書き直すことに協力してくれるなど、協力してくれる杭州の医師たちと協力して、この取り組みを進めています。また、医師の口頭説明を通じて、ナレッジグラフ (KG) モデルに診断プロセスを記録する共同作業を行っています。

QuantumBit: データは業界全体にとって最大の課題でしょうか?

鵬偉：その通りです。AIにとって、データは実は大きな課題です。

例えば、ポリシーの解釈に関しては、当社の技術チームはポリシー文書へのアクセス方法の検討に多くの時間を費やしています。まず、ポリシー文書の内容を理解し、次にそれらを解析するための適切な技術的ソリューション（RAG、ベクターデータベース、ナレッジグラフなど）を見つける必要があります。さらに、データブロックの処理方法も検討する必要があります。場合によっては、情報を完全に解釈するために、長いテキストのコンテキストを使用する必要があるかもしれません。

第二に、医療データと情報はより専門的で、権威があり、信頼できるものでなければなりません。私たちは以前、いくつかの不適切な事例を発見しました。例えば、「妊娠何週目なら中絶できますか？」という質問に対し、モデルは誤って「妊娠2週目以降なら可能です」と回答しました。その後の調査で、実際にはある医師がこの質問にオンラインで回答していたことが判明しました。

この事例から、モデルが誤った答えを出す主な原因は不正確なデータであることが多いことに気づきました。これはまた、モデルのトレーニング中に非常に高いアノテーションコストが発生することにもつながります。

QuantumBit: モデルパラメータの数に関して業界でコンセンサスはありますか?

鵬偉：現在、パラメータ数は約100億です。例えば、私たちのBailingモデルは650億、以前のモデルは約720億です。しかし、大規模言語モデルの使用において、パラメータ数は問題ではなく、データの質が重要だと個人的には考えています。このパラメータ数であれば、モデルは多くのサポートを学習できるはずです。

業界の主流の見解は、公開されているすべてのデータから基本的に学んだということであり、では、今後どのように進めていくべきでしょうか?

データ合成の場合、中心的な問題は依然としてモデルの推論問題を解決することであり、これには数学およびコーディングのスキルのさらなる活用が必要になる可能性があります。

しかし、医療分野では、まだデータの取得と処理の段階にあると考えています。まずは、公開されている「ダーティ」なデータをクリーンアップし、次に病院のデータを徹底的にクリーンアップして、モデルが学習できる形式に書き換え、最大限に活用する方法を検討する必要があります。これらの問題が解決された後に、データの統合方法を検討していくことになります。

QuantumBit: まだ初期段階です。これらの問題はいつ解決できるのでしょうか？

鵬偉：中国では時間がかかるかもしれません。少なくとも2、3年はかかると思います。この分野はまだ非常に専門的で奥が深いです。私たちはこの業界と協力したいと考えています。

量子ビット: この「深い」の定義は何を指しているのでしょうか?

鵬衛：まず、認識率を向上させる必要があります。多くの医師、特に正確な報告データを提供できる医師の協力が必要です。特にがん検診の画像データのような複雑な症例では、医師がデータに正確なラベルを付ける必要があります。一般の医師では、がんの微妙な特徴を見分けるのが難しい場合があり、上級専門家の介入が必要になります。

このデータを蓄積するには、病院との長期的なパートナーシップを確立する必要があります。なぜなら、第一選択治療など、各疾患には何年ものデータ蓄積と詳細な技術的分析が必要だからです。

したがって、真のユニバーサル・ヘルスケア・アクセスの実現には、まだ長い道のりがあるように思われます。根本的な問題は依然としてデータであり、医師や病院とのより緊密な連携を構築する必要があります。

QuantumBit: 伝統的な中国医学に関してどのような計画がありますか?

鵬偉：これもデータに関する問題です。

中国では伝統中国医学（TCM）分野のデータが比較的豊富かつ包括的であるため、私たちはこの分野に参入することを決めましたが、現時点ではまだかなり慎重です。

技術的な観点から見ると、伝統中国医学（TCM）の理論体系は西洋医学ほど明確に定義されておらず、表現も曖昧な場合が多いです。そのため、私たちはより良い手法を模索し続けています。関連コーパスは拡大しており、需要も高まっていますが、真に効果的に活用するにはどうすればよいか、つまり評価データセットの構築方法について、技術チームと製品チームが検討を進めています。

これら2つの側面については、徐々に改善していく必要があると考えています。先ほど申し上げたように、これは専門学校教育の範疇に該当します。

3. スタートアップにはまだチャンスがある。彼らは飢えるのではなく、繁栄するだろう。重要なのはニッチを見つけることだ。

QuantumBit: 今、医療分野に進みたいと考えている人たちにはまだチャンスがあると思いますか?

鵬偉：業界には「食べ過ぎで死ぬのは人間だけで、飢えて死ぬのは人間ではない」という格言があります。良い入り口を見つけるだけです。

QuantumBit: 最後に笑うのはどんな会社だと思いますか?

鵬偉：まず、長期的な視点が必要です。次に、中核となる目標、つまり政府、病院、ISVを含むエコシステム全体と問題を解決し、強固な関係を構築することが必要です。例えば、医師側は、この取り組みを支持する意欲があるでしょうか？

QuantumBit: ベンチマーク標準はすでに確立されていますか?

Wei Peng : 現在の評価基準には、専門性、事実の正確性、完全性、ユーザー エクスペリエンスなど、いくつかの側面が含まれています。

ユーザー エクスペリエンスは、ユーザー定義のラベルによって決定され、そのやり取りが医師とのやり取りのように感じられているかどうかが判断されます。

QuantumBit：張亜琴氏は以前、情報知能、身体知能、そして生物知能という進化の潮流について言及していました。医療分野にもこのような潮流は訪れるのでしょうか？

鵬偉：全体的な方向性としては確かにその方向に向かっていますが、鍵となるのは、例えばロボットとどう組み合わせるかといった入り口を見つけることです。現在は、手術支援やオペ支援といった分野をさらに探求しています。

QuantumBit: 最後に、大規模モデルは他の分野とは異なり、ヘルスケアにどのような革命をもたらすのでしょうか?

鵬偉氏：まず第一に、根本的な問題は効率性です。これまでにも同様の質問応答システムは存在しましたが、それらは主に決定木に基づいており、回答能力に限界がありました。しかし、現在利用可能な大規模モデルにより、全体的な効率性は大幅に向上しました。

第二に、このシナリオでは必然的に複数回のやり取りが必要になります。このニーズに効果的に対応することで、全体的なエクスペリエンスが大幅に向上します。AIは多くの小さな問題の処理に役立ちます。例えば、保険に関する質問は、医療保険部門に直接問い合わせることなく解決できます。これらはすべて、効率性を大幅に向上させるものです。

医療資源はすでに不足しています。中国国内であれ海外であれ、全体的な効率性の向上は、医療分野への大きな貢献となります。

一つの分野で優れた成果を上げることができれば、それだけで十分です。卓越性に焦点を絞らずに包括性を追求するのは、現在の状況やニーズに合致していないと私は考えています。

最後に、大規模な医療アプリケーションに深く関わっている他のプレーヤーがいらっしゃいましたら、QuantumBit Think Tankまでご連絡ください。 「AI大規模モデル＋ヘルスケア業界レポート」の投稿受付を最近開始しました。

このレポートでは、国内の AIGC ヘルスケア業界の状況を体系的に概説し、将来の市場動向に関する洞察を提供し、ヘルスケア関係者やテクノロジー愛好家に業界の参考資料を提供します。

連絡先: Yang Jing、15022617872 (WeChat IDは電話番号と同じ)