NVIDIA GTC 2024でHippocratic AIのCEOが「スーパースタッフィング」ヘルスケアLLMを実演

NVIDIAの最近のGTCカンフェレンスで、Munjal Shahが登壇し、ヘルスケア分野での大規模言語モデル(LLM)の実運用事例を初めて公開しました。彼の起業したHippocratic AIは1年以上かけて、患者と繊細な音声対話ができる「共感性のある」AIエージェントの開発に取り組んできました。このエージェントを安全に展開し、診断以外の幅広い業務を担わせることで、患者アウトカムの改善と人間の医療従事者の人手不足による負担軽減を目指しています。General Catalyst、(a16z) Bio + Health、Premji Investなどから1億2,000万ドル以上の資金を調達したHippocratic AIの製品は、術前・術後ガイダンス、治療計画の遵守促進、薬剤に関する質問への対応など、フレンドリーで親しみやすく、思いやりのある対応を行います。Shahは最近、NVIDIAとのレイテンシー低減パートナーシップについて「生成AIにより、患者との対話がシームレス、パーソナライズ、会話形式になります。望ましい影響を与えるには、推論の速度が非常に速くなければなりません」と述べています。

NVIDIAの高性能AIチップは、会話を自然な人間のリズムに近づけるのに役立ちます。Shahによると、レイテンシーを0.5秒短縮するごとに、患者の感情的つながりの感覚が最大10%向上するそうです。Shahは「この速度と円滑さを実現するには、NVIDIAのテクノロジースタックが不可欠です」と述べ、この低レイテンシーAIを「共感推論エンジン」と名付けています。

最近のカリフォルニア大学サンフランシスコ校Rosenman Instituteとのインタビューで、Munjal Shahは次のように語っています。「従来の対話型音声応答システムの問題は、理解度が非常に低いことです。正確な言い方をしないと、まったく機能しません。しかし、それが変わりました。古いチャットボットはIQ60程度でしたが、これはIQ130です。理解度が全く異なります。もう一つの点は、音声合成がとてもよくなったことです。」Hippocratic AIのサービスは、人間の看護師や医師がルーチン業務をAIエージェントに任せられるようにすることで、医療システムの人手不足を緩和することを目指しています。同社の使命は、最終的にヘルスケアへのアクセスを拡大し、人間の看護師がAIでは代替できない、より繊細で高リスクの臨床ケアに直接対面する時間を確保することにあります。

Hippocratic AIのエージェントを理解するには、AIの能力がここ数年でどれほど進歩したかを認識する必要があります。ヘルスケア分野は、その複雑さ、高いリスク、厳しい規制から、長らくAIが立ち入れない領域と見なされてきました。しかし、OpenAIのGPTやAnthropicのClaudeなど、膨大なテキストデータで学習された汎用的なLLMの登場により、状況が変わりました。これらのAIは生成的で開放的な対話が可能です。Hippocraticのアプローチは、「危害を加えない」という同社のモットーに従い、安全性を重視してLLMを学習させています。具体的には、信頼できる医学的根拠に基づくソースのみを使ってLLMを学習させ、さらに人間の医療専門家による徹底した強化学習とテストを行います。専門家がLLMが安全で効果的であると判断した時点で、商用化されます。現在Hippocraticは40を超える病院システムやペイヤーと厳格なテストを行っています。

単一の特化したLLMでは安全性の課題を部分的にしか解決できません。Hippocraticは、薬剤相互作用や術前ガイダンスなどの分野で、正確さとトーンを監視するタスク別のサポートモデルを実装するなど、モデルの上に追加の安全対策を重ねています。

Munjal Shahは、同社のエージェントは、医療従事者やスタッフのルーチンフォローアップや管理負担を軽減するための単純な非診断ワークフローのみを対象としており、高リスクの医療アドバイスは行わないと強調しています。Hippocratic AIの初期ユースケースには、術前・術後の患者ガイダンス、新薬の患者オンボーディング、服薬アドヒアランスのリマインダーなどが含まれます。要するに、Hippocratic AIは、人間の医療スタッフが時間的に余裕のない患者ケアへのアクセス改善、利便性向上、アウトカム改善の接点に焦点を当てることで、人間のスタッフを補助することを目指しています。

では、Hippocratic AIの「共感性エージェント」の機会はどの程度あるのでしょうか?米国労働統計局によると、2020年から2030年にかけて、高齢化する人口のケア需要の高まりから、27万5,000人の追加看護師が必要とされています。時間のかかるタスクを自動化すれば、過労の看護師のバーンアウトを軽減しつつ、緊急ケア、心理的サポート、カウンセリング、より複雑な診断・治療に関する質問への対応など、人間らしい役割を高められます。基本的な患者フォローアップを自動化すれば、服薬アドヒアランスのコーチング、予約リマインダー、慢性疾患ケアなどのユースケースで患者アウトカムが改善され、救急外来や対面受診の必要性が減る可能性があります。