張亜琴氏の清華大学AIR傘下のもう一つのインキュベートプロジェクトが明らかになった。

Zijing Zhikang は AI を活用したヘルスケアに焦点を当てています。

彼らはエージェント病院（別名「清華 AI 病院」）を構築し、最初の AI 医師の集団が社内テストのために立ち上げられました。

今年5月、清華大学知能産業研究所（AIR）のスマートヘルスケアチームが完成させた論文「エージェント病院：進化型医療エージェントを備えた病院のシミュラクル」は、国内外の人工知能・医療界から幅広い注目と議論を集めました。

共同責任著者は、AIR 研究助手 Weizhi Ma 氏と AIR エグゼクティブ ディレクター Yang Liu 氏です。

その後、9月にAIRが育成した無錫紫景志康科技有限公司（以下、「紫景志康」という）が設立され、エージェント病院の応用を実現し、人工知能を利用して人々に手頃な価格で便利で質の高い医療サービスを提供することを目標としています。

過去2日間、紫京志康が開発した「紫京AIドクター」システムがリリースされ、 21科から42名のAI医師が第一陣として正式にデビューしました。専門家を招き、AI医師の病気診断能力に関する社内テストが実施されました。

「バウヒニアAIドクター」システムは、AI医師のよりコアな機能について公開テストを実施し、2025年上半期に正式に公開される予定です。

バウヒニアAIドクターがデビュー

エージェント病院の研究を振り返ると、その中核となるコンセプトは、 「クローズドループ」の医療仮想世界を構築することで AI 医師の進化を加速させることです。

Agent Hospitalは、現実の病院の設備とプロセスをシミュレートします。特に、人間に非常に近く、広範囲に分散し、多様性に富んだAI患者を作成することで、AI医師が仮想世界での広範な臨床実践を通じて進化していく上で重要な役割を果たします。

△エージェント病院：仮想医療世界

いわゆる「クローズドループ」とは、Agent Hospitalが発症からトリアージ、診察、検査、診断、治療、投薬、リハビリテーションまでの全プロセスを網羅することを指します。また、AI患者はAI医師が処方した治療計画の有効性についてタイムリーなフィードバックを提供することが求められ、AI医師はフィードバックに基づいて継続的に要約・検討を行うことが重要です。

このようなデータ ループは、現実世界では実現が困難です。なぜなら、多くの人間の患者は退院後に再び病院に戻ることはなく、人間の医師は、人間の患者が完全に回復したのか、治療のために他の病院に転送されたのかわからないからです。

「加速進化」とは、エージェント病院が時間加速装置であることを意味します。仮想世界では現実世界の約100倍の速さで時間が流れます。これにより、AI医師は仮想世界での長い進化プロセスを、現実世界では非常に短い時間で完了することができます。

AI医師の進化可能性は、エージェント病院の最もユニークな技術的特徴です。

実験では、AI医師の能力進化曲線は当初スケーリング法則に従っていたことが示されています。

AI 患者が人間に非常に類似しており、広範囲に分布し、多様であるという基準を満たしている場合、AI 医師が治療する AI 患者の数が増えるほど、その能力は強化されます。

「バウヒニアAIドクター」システムの導入により、仮想世界と現実世界が橋渡しされ、AIドクターは現実世界のデータを活用し、仮想時間加速器内で加速進化を続けることができます。これにより、AIドクターの能力は新たな高みへと引き上げられます。

△部門概要

この方法に基づいて、紫景志康は「紫景AIドクター」システムを構築し、エージェント病院の診療科カバレッジをさらに拡大し、最初の一連の医師インテリジェントエージェント（以下、「AIドクター」という）の構築を完了しました。

現在では呼吸器科を中心に計21科に拡充し、国民の医療ニーズの大半に対応できる体制を整えています。

紫景智康は、各診療科において10種類以上の一般的な疾患を選定し、AI医師の進化のために多様な合成患者データを構築しました。現在、300種類以上の疾患をカバーしています。システムはこれらの疾患に特化して最適化されており、サポート対象疾患リストにない疾患についても、非常に質の高い診断分析を提供できます。

紫景志康は、さまざまな国や地域のあらゆる年齢層やさまざまな病気を患う 50 万人以上の AI 患者のデータベースを構築しました。

これらのAI患者は、仮想世界における人間の患者のデジタル「アバター」となることも、権威ある医学知識ベースと少数の公開されている人間の症例を組み合わせた大規模な人工知能モデルによって自動的に合成されることもできます。人間の患者と同様に、これらのAI患者は完全な治療データ記録を持ち、医師とコミュニケーションをとることができます。AI患者の合成は、地域、年齢、性別、職業などの要因が疾患に与える影響を十分に考慮し、必要に応じてAI患者の様々な要因への分布を正確に制御できます。

AI医師はAgent Hospitalの中核であり、「紫景AI医師」システムの主なターゲットです。現在42名のAI医師が育成されており、各科に中国と海外からそれぞれ1名ずつ、計2名が配置されています。国内外の医師の違いは、国や地域によって疾患の分布、診断基準、治療プロトコルが異なるためです。例えば肺がんの場合、中国の医師は主に中国国家衛生健康委員会が発行した「原発性肺がんの診断と治療に関するガイドライン」に従いますが、アメリカの医師は主に米国国立癌研究所（NCCN）が発行した「非小細胞肺がんの診断と治療に関するガイドライン」に従います。今後、さらに多くのAI医師が導入される予定です。

「Bauhinia AI Doctor」は現在、訪問者、患者、医師の3つのモードを提供しています。

訪問者モードでは、ユーザーは訪問者として紫景病院について学びます。患者モードでは、ユーザーは患者として紫景病院に入り、医師モードでは、ユーザーは医師として紫景病院に入ります。

現在、ビジターモードは一般に公開されており、ユーザーは登録なしでビジターモードに入り、システムの主な機能について学ぶことができます。患者モードは招待を受けた専門家のみに公開されており、ユーザーは招待コードを受け取った後に登録してからシステムにログインする必要があります。医師モードは現在開発中であり、まだ公開されていません。

現在、システムではAI医師の診断能力のテストのみが可能です。治療能力と会話能力のテストは後日追加される予定です。ユーザーはAI患者を作成し、最大3名のAI医師を選択して病気の診断を行い、AI医師が生成した診断意見を評価することができます。紫景智康開発チームはAI医師の能力テストを複数回実施し、良好な結果を得ていますが、医療専門家による専門的な評価意見はまだ必要であり、システムのさらなる改善には非常に重要な意味を持ちます。

△「バウヒニアAIドクター」ログインインターフェース

紫京志康が新たに開発した「紫京AIドクター」システムは、第一陣のAIドクターを対象とした招待制のテストを開始しました（記事末尾のリンク。現在、PCでは中国語版のみ利用可能です）。モバイル版と英語版は後日追加される予定です。

このシステムは2025年第1四半期に公開テストを開始する予定で、より多くのユーザーがエージェント病院のAI医師とコミュニケーションできるようになる。

医療インテリジェントエージェントに代表されるスマートヘルスケアアプリケーションの新たな方向性が浮上しています。実際、Agent Hospitalシステムは、医療AIの開発に関して独自の洞察と考察を持っています。

エージェント病院：医療版ウエストワールド

今年は大規模モデルの導入が本格化し、ヘルスケア業界は大手インターネット企業やテクノロジー企業にとって事業拡大の新たな拠点となりつつあります。現在までに、ヘルスケア分野における大規模モデルの数は100を超えています。

従来の大規模モデル応用パラダイムとは異なり、Zijing Smart Healthcare は、スマートヘルスケアの応用方向として大規模モデルインテリジェントエージェントを選択しました。

大規模AIエージェントは柔軟性と適応性に優れ、医療現場を効果的に強化します。紫景スマートヘルスケアは、超強力なAI医師エージェントの開発を目指し、手頃な価格で利便性が高く、高品質な医療サービスを提供します。将来的には、AI医師が人間の医師のほとんどの業務を支援し、最終的な意思決定は主に人間の医師が担うようになると考えています。

したがって、エージェントテクノロジーはヘルスケア業界に新たな可能性をもたらします。紫景スマートヘルスケアのエージェント病院は、医療版「ウエストワールド」の開発を計画しています。

この「ウエストワールド」には、人間の患者、人間の医師、AI医師、そしてAI患者という複数の役割が存在します。これらの役割が相互に作用することで、全く新しい応用シナリオや手法が生まれる可能性があります。

まず、AI医師は人間の医師による患者の診断と治療を支援することができ、これはスマートヘルスケアの分野で最も期待されている応用分野でもあります。

第二に、AI患者は人間の医師の教育・訓練に活用できます。様々な診療科の医師や医学生がAI患者と対話し、検査報告書をレビューした上で診断計画を提示し、その正確性を評価することができます。さらに、このプロセスにおける試行錯誤のコストはゼロであるため、ミスによる結果を心配する必要はありません。同時に、この患者に対する他の医師の診断結果を閲覧し、彼らが自分の意見をどのように受け止めたかを確認することもできます。

さらに、AI患者とAI医師の両方を活用することで、大規模なシナリオシミュレーションが可能になります。例えば、北京の5万人の居住コミュニティをシミュレートすることで、各家庭に遺伝性疾患の既往歴や発症率をランダムに割り当てると同時に、季節的な疾病の流行の可能性も考慮することができます。さらに、病院の設備や医師の能力も設定できます。このようなシミュレーションを通じて、現在の病院のレイアウトと能力が、突発的な大規模な疾病の流行に十分対応できるかどうかを評価できます。

最後に、AI医師が人間の患者を診察している場合、AI医師は健康相談などの外来サービスを提供できます。

紫景志康は、人間の医師の位置づけと役割も今後大きく変化すると考えています。

学習段階では、既にAI患者とのインタラクションを行っていました。実際の診断・治療プロセスでは、AIは医師と「双子」と呼ばれる関係性を築きます。この双子の目標は、人間の医師の「クローン」 、つまりインテリジェントエージェントを作成することです。このエージェントは医師の行動を継続的に学習・シミュレーションし、最終的には医師の判断を100%再現します。

これは、患者に遭遇した際に、AIクローンが医師と全く同じ判断を下すことを意味し、それによって診断と治療の効率が大幅に向上します。

同時に、このクローンが収集するデータが増えるほど、より良く学習できるようになり、医師に似てきて、医師のクローンまたは鏡像になります。

完全に独立した AI 医師がいれば、他の AI 医師や人間でさえもその医師に相談したり話し合ったりすることができ、医療水準の向上に役立ち、人々はより質の高い医療サービスを享受できるようになります。

スマートヘルスケアの将来的発展

時間枠を延長すれば、今こそヘルスケアの根本的な問題点を打破する時なのかもしれません。

ヘルスケアの変革はテクノロジーとインターネットの出現とともに始まり、3つの段階を経てきました。

• まず、インターネット + ヘルスケア。
• 2番目は、AI + ヘルスケアです。
• 3つ目は、AI大規模モデル＋ヘルスケアです。

第一段階の「インターネット＋ヘルスケア」では、主にオンライン診療が可能になり、時間と空間の制約を打破しました。これにより、医療における最大の課題の一つである資源の不均衡がある程度解消されました。

しかし、インターネットと医療の統合によって医療の現状が根本的に変わったわけではなく、単におまけ程度にしかなっていない。

導入から数年が経ち、医療業界は新たな問題を発見し始めました。例えば、既に時間的に余裕がなかった専門医は、オンライン診療によって勤務時間と業務量が増加し、スケジュールがさらに圧迫されましたが、効率性の向上は見られませんでした。患者側からも、タイムリーで人間的なケアが不足しているという報告があり、画面越しに医師と患者の間に信頼関係を築くことがさらに困難になり、医療体験に関する問題は依然として残りました。

視覚認識AIのブレークスルーに続く第2段階では、AIが画像診断などの分野で医療支援を提供する可能性が見出されました。当時、GoogleをはじめとするAI大手はAIを活用した医療画像診断の将来性に非常に楽観的であり、専用のハードウェアを開発し、専門クリニックに導入することで、高品質な医療資源への広範なアクセスを加速させることを目指しました。しかし、これは最終的に実現には至りませんでした。

これには2つの理由があります。まず、専用ハードウェアのコストです。これには調達コストだけでなく、学習コストや利用コストも含まれており、参入障壁を高めています。次に、意思決定AIは汎用化の課題に直面しており、その結果、適用範囲が比較的限られています。その結果、非常に特殊なシナリオでしか機能しません。

「インターネット プラス」戦略であろうと、医療における AI の第一波であろうと、医療業界のデジタル変革における中心的な課題は、依然として医療データの不足です。

医療分野では、データを取り巻くプライバシーへの懸念に加え、オンラインデータやデジタルデータのレベルが既に低く、高品質なデータに基づいて高品質なAIモデルを構築する能力はなおさら低い状況です。しかしながら、大規模モデル、特にAIエージェントに対する現在のアプローチは、根本的な変化を示唆しているように思われます。

エージェント病院の場合、スタートアップ自体は医療データに厳しい要件を設けておらず、少量データ、あるいはゼロデータでも許容されます。バーチャル病院のAIエージェントは、AlphaZeroで囲碁を学ぶAIのように、「ゲーム」の境界内で昼夜を問わず学習と探索を行い、最適な解決策を追求し、人間の医師のレベルに到達します。トレーニングプロセス全体を通して、人間の医師が主に診察と判断を行い、適切なフィードバックを提供します。

GPTがAI機能の飛躍的な進歩を遂げているのは、まさにこの方法ではないでしょうか？ ただ、このプロセスでは主に合成データが使用され、人間のフィードバックは最も専門的な医師から得られるという点が異なります。

エージェント病院のAIエージェントが一定の能力レベルに到達すれば、医師の専門アシスタントとなり、医師の分身となることに一歩近づくことになります。さらに、大規模AIモデルパラダイムに基づく技術の一般化能力が大幅に向上していることを考えると、専門医から一般医への飛躍は、人間によるプロセスそのものよりも間違いなく迅速かつ効率的になるでしょう。

さらに、Agent Hospitalは、医師研修システムにシームレスに統合できる全く新しい環境を構築します。これまで、医師研修は時間と場所の制約がある病院や症例ベースのインターンシップに大きく依存していました。しかし、Agent Hospitalでは、人間のインターンは、まるで自動車教習所で学習し模擬試験を受けるように、継続的にスキルを蓄積することができます。ますます強力になるAIエージェントと対話することで、より現実的で効率的な就職前インターンシップと成長を実現できます。

「大学入試3年、模擬試験5年」という言葉があります。将来、医師が就職する際には、仮想病院システムで実践し、対応し、試験を受け、認定され、最終的にスキルアップして資格を取得することになるかもしれません。

したがって、Agent Hospital は医療研修システムの AI 強化メンバーになる可能性があり、医師のスキル向上に直接役立ち、追加のアプリケーション障壁を追加することなく、これまでのヘルスケアのデジタル変革の課題を克服できることは明らかです。

もちろん、大規模 AI モデルの強力な一般化能力の観点からさらに考えてみると、エージェント病院の実装と適用は病院に限定されないことがわかります。

練習を重ね、実践を通して学ぶことが必要な専門職のすべてに、このような役割とシステムが必要ではないでしょうか?

したがって、エージェント・ホスピタルは、このパラダイムを医療分野に適用する試みに過ぎません。この「宇宙」は計り知れない可能性を秘めており、全く新しい可能性への扉を開いたと言えるでしょう。

過去4年間の清華大学AIR

エージェント病院インキュベーションプロジェクトに加えて、清華大学インテリジェント産業研究所でもさらなる進展が明らかになりました。

同社は、創始者である張亜琴院士が定めたスマート交通、スマートIoT、スマートヘルスケアという3つの主要方向へ前進し続けます。

インテリジェント交通分野では、産業化協力の進展がさらに注目に値します。

アポロの会長も務める張亜琴氏は、武漢における洛博快速の導入について言及した。武漢は現在、世界最大の自動運転都市であり、滴滴出行や好模智行といった企業との提携も進んでいる。

今年6月、清華AIRは正式に無錫に進出し、産業の技術革新を促進するためにAIR無錫イノベーションセンターを設立しました。例えば、実車導入をサポートする世界初のオープンソース・エンドツーエンド自動運転システムであるAIR ApolloFMは、ファーウェイのインテリジェント車両部門の元CTOである陳一倫氏が率いる百度（バイドゥ）との共同開発で、既に無錫で導入されています。

今年最も注目されている具現化知能の分野は、元DJIのロボット工学専門家である周古悦教授が設立した企業、Qiuzhi Technologyがリードしています。

スマートIoT分野において、大規模モデル技術と産業の発展に伴い、清華大学AIRのAIoTチームは重要な転換期を迎えています。張亜琴氏は、データセンターのエネルギー消費量の削減やエッジモデルのレイテンシ削減など、グリーンコンピューティングの実現に向けて現在取り組んでいることを明らかにしました。

スマートヘルスケアなどの分野では、人工知能（AI）の発展により、バイオメディカル分野への応用シナリオが拡大しています。今年のノーベル化学賞がAIに授与されたことは、その好例です。

清華大学のAIR研究開発の進歩は、多くの面で実りあるものと言えます。

例えば、単一細胞の理解とアノテーションの分野では、聶在青教授のチームが清華大学傘下のスタートアップ企業である水木分子と共同で、大規模な単一細胞アイデンティティ理解モデルLangCellを構築し、オープンソース化しました。これは、アノテーションなしで新しい細胞タイプをアノテーションできる初のモデルであり、「細胞百科事典」とも言えます。

薬物スクリーニングの分野では、Lan Yanyan 教授のチームが大規模モデルを使用して薬物スクリーニングプロセス中のターゲットを見つけており、その研究は Nature のサブジャーナルに掲載されています。

馬建柱教授率いるチームは、主にタンパク質生成に焦点を当て、原子レベルの基礎大規模モデルの探究に取り組んでいます。今年6月には、百度生物科学（Baidu Biosciences）との共同プロジェクトで提案された単一細胞基礎大規模モデル「scFoundation」がNature誌のサブジャーナルに掲載されました。

また、医薬分野では、彭建教授の華神之製薬が産業化で急速な進歩を遂げ、すでにユニコーン企業となっている。

...

清華大学AIRは設立から4年間、目立たない存在ではあったものの、張亜琴院長が当初設定した3つの主要な方向性に沿って、既に種を蒔き始めている。今や、まるで「エベレストに登り、その過程で成果を得る」ような雰囲気を醸し出している。

公式招待リンク: https://www.tairex.cn/agent-h... 論文リンク: https://arxiv.org/pdf/2405.02...