Deep Learningをはじめとする現代機械学習が医療分野で応用されてから数年が経過し、医学・医療において様々な応用例が提示されている。医療における機械学習の応用は初期から画像解析が主であるが、移植医療におけるレシピエントの評価やドナーの意思表示支援等、当初の想定にはない事例も提示されてきている。本セッションでは、AI・機械学習の技術と医療での応用について現在地を確認しつつ、今後の進展や方向性について模索する。また、医療現場での実装・運用例を提示しつつ、医療現場では欠かせない「説明」について考察する。これらを通じて、医療者、更には、医療情報学を専門とするものとして、AI・機械学習を活用して医学医療の発展にどのような形で参加できるのか、すべきなのかを議論する。

AI・機械学習と医療応用：現在地と方向性
近年深層学習が画像認識の領域で飛躍的な発展を遂げたことで、医療領域におけるAI利用の取り組みが活発化した。すでに画像認識にとどまらず、医師の仮説的演繹法に似た方法での診断支援や集中治療室での予後予測など応用例が示されている。
ここでは、テクノロジーとしてのAI・機械学習について工学・産業の視点から、次に、医療分野での応用例について、現在の状況を確認し、今後の方向性について模索する。

AIによる回答と説明
機械による判断をブラックボックス化させない取り組みを示す。検査結果や機器からの測定結果から直接臨床判断を行うのではなく、モジュールに分割した。モジュール間の連携は要約された情報で行ない、元の情報へのアクセスを制限した。そのため患者がもつコンテキストを考慮する必要があった。この時の動作過程をコンテキストと合わせて保存し、説明に利用した。

例えばモニターの出力は人と同じアルゴリムでフィルタリングを行ない、統計学的機械学習によるノイズ除去を経て採用した。同時に患者基本情報やカルテ記載の文脈解析でコンテキストを用意、ソースを合わせて保存した。大量データを俯瞰して判断する時、最終判断を行うヒトが納得できるように途中結果を説明し、機械の誤りをヒトが判断できるAIが求められると考える。