画像診断の流れで、その先について述べていた記事（Machine learning can bring more intelligence to radiology | Information Management）で興味深いものがあった。
Once economic and IT barriers are addressed, machine learning has the potential to dramatically improve the ability of physicians to establish a prognosis. For example, it could be used to look at all lung cancer patients and then correlate them with their lab values, genetic profiles and diagnostic images to find patterns that help doctors.肺がんの診断が例に上がっているが、血液検査等の結果や、遺伝子情報、画像診断結果等の相関関係を見るようなことで、劇的に医師の能力が高まる可能性を指摘している。ただ、経済面とITの両面の障壁が低くなっていることが前提ではあるが。
But according to Geis, we might also see applications of machine learning where the data that’s generated helps to measure value in medicine. Machine learning has the potential to look at medical data—EHR data, financial data, measurement of outcomes—and search for patterns based on individual providers or groups of providers. That would enable algorithms to tease out individual contributions to care.
さらに、電子カルテデータや財務データ、医療の質のデータなども見ることで、ケアの向上につながるアルゴリズムができるだろうと述べている。
医療の世界において、特定領域での機械学習活用の先にあるのは、様々な統合されたデータによる医療の価値向上の模索ということだろう。そのためにも、データを統合しておくことが重要である。もし病院内でデータが分断しているような状況があれば、それは将来、このような技術活用で大きく出遅れることを意味しているのかもしれない。データは資源だということを何度も述べているつもりだが、様々なデータを有機的につなぎ、活用できる形でデータを貯める、ということに対する重要性が増しているということだろう。
引用した記事はこちら
| Machine learning can bring more intelligence to radiology | Information Management |
