このほど、中国科学院香港イノベーション研究院人工知能・ロボティクスイノベーションセンター（CAIR）が主催し、香港科技園公司（HKSTP）が共催する第4回香港身体知能型医療テクノロジーフォーラム（The 4th Hong Kong Clinical-driven Robotics and Embodied AI TEchnology Symposium、CREATE Symposium）が、香港科学園の高錕会議センターで盛大に開催された。
臨床医学と先端テクノロジーをつなぐ重要な国際交流プラットフォームとして、今回のフォーラムは「医療AIの商用化の道」をテーマに、学者・専門家、病院管理者、権威ある臨床医、産業資本の代表ら約300人が集結した。イベントは呼吸介入、耳鼻咽喉科、超音波画像、睡眠医学などの専門領域の臨床上の課題に密着し、先端技術の共有、院長円卓会議、ベンチャーキャピタル・ピッチセッション、テーマ別グループディスカッション、科学技術成果展、身体知能型手術室のシナリオ探求など多様なプログラムを設け、医療・研究・産業・投資の多方面にわたる協同イノベーションを加速し、研究成果の医療実践への実装に強力な推進力を注ぎ込んだ。
開幕式では、CAIR主任の劉宏斌研究員、香港科技園公司行政総裁の黄秉修氏、華潤健康総経理兼華潤医療総裁の張闯氏、中国科学院香港イノベーション研究院執行院長の郝銀星氏、中国科学院自動化研究所副所長の呂品研究員、そして深セン華大智造科技股份有限公司行政総裁の劉健氏が相次いで挨拶を行った。
今回のフォーラムで、CAIRは自社開発のマルチモーダル臨床エージェントシステムCARES 4.0を発表した。同システムはHarnessエージェントフレームワークを基盤として構築され、基盤層には自社開発のCT・MRI・超音波・内視鏡・脳波のマルチモーダル医療基盤モデルを搭載し、従来の単一点型医療AIモデルの限界を打ち破り、病院の臨床ワークフローに深く組み込まれ、医師の知的パートナーとして、診療・診療科管理・医学研究の全プロセスのシナリオをカバーする。
臨床応用の面では、CARES 4.0はすでに複数の三甲病院で実装検証を完了している。診療シナリオでは、患者の主訴、画像検査、病理評価から最終診断に至る全プロセスの補助診断を実現できる。診療科管理シナリオでは、自然言語による対話型照会に対応し、設備負荷や疾患分布などの情報を自動で集約し、ワンクリックで診療科運営レポートを生成できる。医学研究シナリオでは、臨床専門疾患データセットに対して多次元の統計分析を行い、簡易的な機械学習モデルを訓練し、そのまま推敲して論文投稿に使える分析レポートを出力できる。システムには臨床高品質データ蓄積プラットフォームが付属し、院内の多ソースデータのクレンジング、品質検査、構造化蓄積を自動で完了でき、AIの継続的な反復改良のためのデータ基盤を固める。
現在、CARES 4.0の公式サイトはすでに公開されており、フレームワークと汎用ツールキットは公開済みで、医療ツールキットも順次リリースされている。センター自社開発の超音波・手術動画のオープンソースモデルもプラットフォームに接続され、社会に無償で公開される。
CAIR研究員の易東氏がCARES 4.0を紹介
AIの医療体系への深い統合と臨床実装への現実的な課題に直面し、今回のフォーラムでは特別に港深病院院長円卓会議が設けられ、IHHヘルスケア（北アジア）地域最高経営責任者兼港怡病院執行総裁の曾慶廉氏、香港大学深セン病院院長の張文智氏、香港中文大学病院行政総裁の鍾健礼氏、広東三九脳科病院院長の蔡林波氏、深セン市羅湖区人民病院執行院長の熊奕氏、中山大学附属第三病院嶺南病院管理委員会主任の胡昔権氏、香港大学歯学部助理院長（教育・テクノロジーイノベーション）の林宇恒氏など、複数の医療機関の管理者を招いて交流・討議が行われた。
円卓会議の登壇者はそれぞれの見解を述べた：私立医療機関が高価値のAI医療システムを導入するには、投資対効果を評価し、運営の持続可能性と公衆衛生上の価値の両立を図る必要がある。越境医療AIの応用はコンプライアンスの底线を厳守し、法的枠組みの下でデータ相互運用を探求し、安全性・コンプライアンス・運用効率を総合的に考慮すべきである。スマート病院の構築は業務プロセスの再構築が重要であり、AIの診療・看護・管理全プロセスへの統合を推進する。AIの臨床実装は高品質データと医工連携に依存し、現時点での核心的課題は診療シナリオにおけるリスクの界定と責任分担であり、多者間のリスク共有メカニズムの早期構築が急務である。基層医療へのAI普及は段階的に実施し、体験最適化型アプリケーションを優先的に導入すべきで、高リスクのAI診断ツールには完全な安全保障体系を伴う必要がある。リハビリテーション分野では、AIはリハビリ評価とプラン策定を支援し、セラピストの業務負担を軽減できる。AIは医療の基礎的能力となり、口腔専門分野ではAIを活用した精密診療と在宅スクリーニングを行い、口腔 healthの精細化管理を実現できる。
基調講演セッションでは、今回のフォーラムに英国王立工程院院士・英国医学科学院院士でロンドン国王学院助理副学長（イノベーション）のSebastien OURSELIN教授、ヨーロッパ科学院院士でミュンヘン工科大学CAMP主任のNassir NAVAB教授、香港中文大学機械・自動化工程学科の劉雲輝教授、CAIR主任の劉宏斌研究員、上海交通大学講座教授で生物医学工程学院院長の廖洪恩教授、深セン大学人工知能学院の倪東教授など、世界的に著名な医工イノベーション学者が多数集結した。各専門家は国際的な最前線に立って、医療機器とデジタルヘルスエコシステム、医療ロボットの人間機械協調、AI駆動手術ロボット、臨床エージェントAIシステム、診療ロボットの画像意思決定、スマート超音波の研究・生産・実用化など注目テーマをめぐり、身体知能型医療技術の発展動向を深く分析し、世界的な技術革新の成果を共有した。
Sebastien OURSELIN院士は“From Bench to Bedside to Boardroom- An Innovation Ecosystem for Medical Devices and Digital Health”を講演
Nassir NAVAB院士は“Dyadic Partnership(DP): A Missing Link Towards Full Autonomy in Medical Robotics”を講演
中山大学附属第一病院呼吸・重症医学科副主任の廖槐教授、山東大学Louis病院（齊魯病院）耳鼻咽喉科主任の雷大鵬教授、中日友好病院呼吸・重症医学科副主任の侯剛教授、中山大学附属第一病院超音波医学科主任の謝暁燕教授、山東大学齊魯病院超音波科主任の陶国偉教授、華中科技大学同済医学院附属同済病院超音波画像科主任の崔新伍教授、山東大学齊魯病院看護部主任の曹英娟教授、香港中文大学医学院外科学系教授で心胸外科主任の黄鴻亮氏、南方医科大学南方病院精神心理科（睡眠医学センター）主任の張斌教授、曁南大学附属第一病院睡眠医学センター主任の潘集陽教授、首都医科大学宣武病院血管超音波科主任の邢英琦教授、香港伊利沙伯病院脳神経外科部門副責任者兼顧問医の麦凱鈞氏、そして香港大学臨床医学院外科学系臨床助理教授の譚兆宗氏などが、専門分野での長年の蓄積を踏まえ、医学画像、超音波診療、スマート看護、心胸外科、睡眠医学、血管超音波、脳神経外科などの方向について、第一線の臨床実践経験を交流した。
さらに、深セン理工大学生物医学工程学院院長の李宗明教授、香港中文大学電子工程学科の任洪亮教授、香港中文大学機械・自動化工程学科の郭嘉威教授、シンガポール国立大学機械工学科終身副教授の朱志光氏、香港中文大学コンピュータ科学・工学科副教授の竇琪氏、香港大学機械工学科助理教授の蔣中亮氏ら学者も、AIアルゴリズム研究開発、医療ロボットシステム、臨床転化など異なる次元から研究の進展を共有し、医工連携がスマート医療の発展を支える多様な道筋を多角的に示した。
さらに、今回のフォーラムではベンチャーキャピタル・ピッチセッションも設けられ、医療テクノロジーの最先端分野に焦点を当て、革新企業、研究機関、投資機関を集め、プロジェクト交流と資源マッチングのプラットフォームを構築した。審査員は技術的参入障壁、臨床検証、商用化戦略の分析を支援し、チームが市場化の道筋を明確にし、医療科学技術成果の産業化・実装を加速する後押しを行った。
光学多次元力センサー、腹腔鏡下手術ロボット、低侵襲手術用の新型器具・補助装置、睡眠大規模モデル、超音波ロボット、手術ロボット、手術ナビゲーションシステム、ASICチップ・能動型植入式医療機器、ブレイン・マシン・インターフェースとバイオニクス筋肉、手術計画・シミュレーション、個別化矯正・再建など最先端の方向をカバーする複数のハードコア科学技術プロジェクトがピッチに参加した。辰徳資本、光遠投資、玖光資本、全志科技、越秀集団、陽和投資、松禾医療健康基金、中金資本、華大松禾生科基金、国科嘉和、建元天華などの投資機関と産業代表が会場に集まり、起業チームと対面で深く交流し、投融資ニーズを十分にマッチングさせた。
華力創科学の共同創業者である魚晨博士が光学多次元力センサー技術の要点を解説
今回のフォーラムの共催単位として、香港科技園公司（HKSTP）は「Empowering Founders, Enabling Growth: HKSTP's Entrepreneurship Journey from Idea to Commercialization」の特別講演を組織し、先端科学技術成果の産業化・実装に焦点を当て、園区のライフ＆ヘルステックエコシステムと起業コミュニティを詳細に紹介し、プラットフォームのスタートアップ企業代表を招いて商用化の洞察と実践事例を共有してもらい、多分野の代表と多次元の対話を行い、戦略的協力がいかに価値創造と企業成長を支えるかを検討し、医療企業連携と革新成果の転化に生き生きとした実践モデルとエコシステムの支援を提供した。
さらに、フォーラムと同時に医療科学技術成果展も開かれ、華力創科学、恩動医学、神踪科技、厚凱医療、美信創科、楽金浄化などの科学技術企業、および香港科学園のIncu-Bioプラットフォームが育成した10社余りのスタートアップ企業が一堂に会し、スマート医療、デジタル医療、精密医療分野の先端技術と革新成果を全方位的に展示した。
イベントの終わりに、参加者はCAIR身体知能型手術室に移動し、CARESマルチモーダル臨床エージェントシステム、喉頭鏡・気管支鏡診断エージェント、AI睡眠システム、「聆音」超音波大規模モデル、身体知能型ハンドヘルド超音波、超音波走査ロボット、狭い空間での低侵襲手術ソリューション、リアルタイム医学物理シミュレーションプラットフォーム、介入手術用低磁場MRI、脳神経外科身体知能型手術ロボットMicroNeuroなどの先端成果を実地見学した。見学過程で、参加者は研究開発チームの技術説明に熱心に耳を傾け、各成果の核心的な技術的特徴、臨床診療価値、実装応用シナリオを深く理解し、技術研究開発のボトルネック、臨床パイロットの進展、産業化推進の道筋などについて深く議論し、スマート診療技術がシナリオの制約を突破し、応用範囲を拡大することを後押しした。
CAIR主任・劉宏斌氏との対話：CARES 4.0の臨床実装と医療AIの商用化の道
上述の成果発表・展示に加え、フォーラム期間中にCAIR主任の劉宏斌研究員と対話を行い、CARES 4.0の前世代からの能力向上、手術リスク警報の臨床での提示方法、医療AIのハルシネーションと安全の境界、医療AIの商用化・実装の道筋などの問題について交流した。
以下は対話の記録であり、雷峰網が原意を変えない範囲で編集したものである：
雷峰網（公式アカウント：雷峰網）：4.0は3.0と比べて、機能が増えたのでしょうか、それとも能力の性質が変わったのでしょうか。この違いを説明する具体的な例を挙げてもらえますか。
劉宏斌：CARESは1.0から3.0まで、それ自体は一つの大規模モデルでした。3.0の段階では質問応答しかできませんでした——この質問応答はマルチモーダルであり得て、たとえば一枚の画像についての質問応答、一段の動画についての質問応答が可能で、これが1.0から3.0で解決した課題です。しかし3.0自体はあくまでツールであり、医師がこのツールを使いこなしてはじめて具体的なタスクを遂行できました。
4.0ではそれをエージェントへとアップグレードし、医師のために本当の作業ができるようになりました。たとえば今回の発表会で挙げた例です：臨床部主任が先月の手術件数、医療材料の使用状況、患者状況を統計し、病院幹部への報告や科内での検討に使うレポートを作成したいと考えたとします。以前はこの作業は主任の助手がCARES 3.0を使って完成させなければなりませんでしたが、今は助手が不要になり、エージェントシステム全体が自律的に完成させます。その過程で主任と対話して、考えや作成したい分析レポートのタイプを確認することもあります——このような対話も組み込んでいます。
雷峰網：今回発表された五つの能力の中で、手術映像の意味理解とリスク警報が最も注目されています。この警報は実際の手術ではどのように提示されるのでしょうか。
劉宏斌：警報はいくつかの側面に分けられます。一つは操作する空間上の警報です。AIが操作している部位が重要な血管、動脈、神経に非常に近いと識別した場合、医師に警報を発し、この段階にはリスクがある可能性があるのでその位置に触れないよう警告します。
もう一つは時間のスパンにおける警報です。手術は流程化されており、このステップを終えて初めて次のステップに進めます。もし医師が最初のステップを十分に行わなかった場合、たとえば脳神経外科の手術では、まず骨窓を開けて通道を作り、最終的な目的は内部の腫瘍を完全かつ徹底的にきれいに切除することです。骨窓が十分大きく開かれていなければ、内部の腫瘍がきれいに切除できない可能性があり、深く入り込んでから改めて開いても手遅れになります。このような時間次元における警報もまた一つの次元です。
現在、実際に応用されているのは主に空間的な警報です。例えば、医師に対して「操作している部位が重要な解剖学的構造に非常に近づいているので、避ける必要がある」と伝えるといったものです。
雷峰網（レイフォン・ワン）：現在、どの病院のどの科室で、どの程度まで使われているのでしょうか？
劉宏斌（りゅう・こうひん）：例えば、私たちは中山大学付属第一病院で、廖槐主任と協力しており、彼が気管支鏡検査を行う際にこの機能を使っています。私たちは「この部位は気管支だと思って見えていますが、その下には実は血管があります」と提示します。経験の浅い医師の中には、気管支上の隆起を見て生検ができると思ってしまうかもしれませんが、実はその隆起は血管の一部であることがあり、生検を行えば動脈を破ってしまう恐れがあり、それは大きな手術リスクになります。
雷峰網：医療AIにとって最も敏感なのはハルシネーションと誤診のリスクです。CARESが医師に提供するのは「提案」ですか、それとも「結論」ですか？判断の食い違いが生じる可能性に対して、チームはシステム設計上どんな取り組みを行いましたか？
劉宏斌：現在、CARESは病院と医師の協力の中で、より多く「アシスタント」の役割を担っており、提供するのは提案です。しかしAIには確かにハルシネーションが生じることがあり、私たちが最初に取り組むべきことは、ハルシネーションを最大限に排除すること、特に意思決定に関わる提案においてです。例えば、医師が診断書を出す際、AIモデルがある診断方法を推奨することがありますが、そこで誤りがあれば医師を誤解させる可能性があり、これは大きなリスクです。
私たちの現在の方法は、まずAIの思考全体を臨床専門家の思考ロジックに厳密に従わせることです。臨床専門家は診断を行う際、ガイドラインを参照し、国際的なトップジャーナルの最新の臨床結果を参考にし、総合的に判断した上で結論や治療案を出します。私たちはAIにこの流れを厳密に実行させ、さらにAIが呼び出せる情報を構造化されたデータ、ナレッジグラフのように変換し、AIがこれらのノードに沿って、医師に提案する根拠を探るようにしています。
そのため、最終的に医師に提供される提案には、必ずその思考経路が付随します。あるガイドラインのある提言や、ある学術論文の最新の知見に基づいて診断意見を出し、その後の判断は臨床医が行います。いずれにせよ、医師が最終的な意思決定者であり、これは決して変えられません。最も重要なのは、医師がAIの判断を総合し、自らの思考と組み合わせて最終的な結論を出せるようにすることです。
雷峰網：病院での試験導入から本当に臨床の流れに入るまで、最も越えがたい関門は技術の関門、承認の関門、それとも医師の意識の関門でしょうか？現在はどの段階まで進んでいますか？
劉宏斌：医療AIの課題は、非常に複雑なシステムの中で製品を実用化・応用し、売上収益を生み出さなければならない点で、単一の問題ではありません。医療体系全体にはいくつかのステークホルダーがいます。患者自身、医師、病院、そして医療保険の支払い側の4者で、関心のある事柄は実は異なります。製品の設計が4者の要望を同時に満たせる場合にのみ、商業化の成功を得られます。
例えば、まず技術面でリードを保証する必要があります。国内の大病院は現在、技術的な先導性を求めており、これは「国家チーム」の提唱でもあります。同時に、本当に臨床の問題を解決し、医師に役立つと感じさせなければなりません。病院にとっては、新しい技術を使うことで経営が利益を得て、効率が向上する必要があります。医療保険にとっては、その技術が負担を増やさず、できれば使用後の治療プロセス全体で総合的にお金が節約になり、追加費用の増加にはならないことが求められます。どの製品を設計する際も、これらの側面をすべて考慮しなければなりません。
雷峰網：現在、医療特化のCARESを手がけていますが、汎用モデルの能力のうち、どれがそのまま使え、どれが医療シーンでは作り直さなければならないとお考えですか？
劉宏斌：汎用能力の面では、モデルの汎用能力が強いほど、垂直領域の事後学習と垂直領域のツールを組み合わせることで、性能はより良くなります。汎用モデルの基礎能力はいわば基石であり、汎用能力が強いほど垂直領域モデルの能力の上限が高くなります。これが第一点です。
しかし実際の応用では、ある病院のある科室のシーンだけを解決するのであれば、タスクの内容は比較的限定的です。また、汎用能力が強いということは、往々にしてモデルが大きすぎ、デプロイが難しく、計算資源の消費が大きいことを意味します。したがって実際のデプロイはバランスの問題です。一方にモデルの能力があり、もう一方に、そのタスクが本当にこれほど高い能力の適合を必要とするのか、それともより小さいモデルにツール設計と後処理を組み合わせるだけで十分な効果が得られるのか、という点があります。
雷峰網：達摩院から中国科学院、さらに香港へと、研究の方向性が段階的に汎用マルチモーダルから医療垂直分野へと進んできました。この道のりをどのように歩んできたのでしょうか？医療に深く入り込むと決めたきっかけはありましたか？
劉宏斌：実は、私たちはずっとAI医療という方向を続けており、この道をずっと堅持してきました。私にとって、AIの医療分野での応用への信頼を指数関数的に高めた出来事が2回あります。
1回目はChatGPTの発表です。それ以前のAIモデル、例えばCNN（畳み込みニューラルネットワーク）は道具の一部にしか過ぎず、エンジニアがそれを使ってソフトウェアを作り、それを医師に使ってもらう必要があり、応用はエンジニアの能力に大きく制約されていました。つまり、このものを直接医師に渡すことはできなかったのです。ChatGPTの登場後、AIが人と対話できるようになり、インタラクティブになったことで、「医師が道具を使いこなせない」という問題が解決できるようになりました。今振り返ると約4年ほどですが、医師は長い学習曲線を経ることなくAIツールを使いこなせるようになっており、当時私たちは大きな信頼を持ちました。
もう1回は過去1年間で、私たちの多くのAIシステムがすでに病院でデプロイを開始していることです。チームは協力している医師チームと交流し、AIが彼らの日常業務で実際にどう使われているかを把握しています。私たちが発見したのは、医師一人ひとりが多かれ少なかれAIツールを使っているということです。診断ではないかもしれませんが、文献の処理や日常業務はすでにAIなしではいられなくなっています。同時に、データ量が十分に大きく、データ品質が十分に高ければ、モデルの能力は専門家の平均水準を超えられることも発見しました。これは複数の実際のデプロイ案件に共通する点です。
したがって、単一のタスクでは、AIは必ず人間より優れた成果を出すでしょう。車に人間と競争させるなら、車が必ず勝つのと同じです。医療はevidence-based（エビデンスに基づく）であり、証拠が十分に多く、十分に強ければ、人々はそれを信頼するようになります。
雷峰網：現在、チームは何病院と実質的な協力関係にありますか？医師から寄せられる最も集中している改善のフィードバックは何ですか？
劉宏斌：病院はすでに30軒を超えているはずです。導入が最も速いのは喉頭鏡診断AIワークステーションで、このシステムだけで10軒以上の病院にデプロイされています。気管支鏡システムは4軒以上、超音波システムも10軒以上です。複数のシステムを同時に導入している病院もあり、合計すると30軒以上の病院で実際に使用されているはずです。
ほとんどのフィードバックは、操作をもっと楽にし、あまり考えずに作業を完遂できるようにしてほしいというもので、業務負担の軽減が最も喜ばれています。もう一つ集中している要望は、モデルの出力とインタラクションをもっと直感的にし、情報が一目で分かるようにし、医師がAIの結果の意味を誤解しないようにすることです。そのため、私たちの変更の多くは実はヒューマンマシンインタラクション、つまりAIの結果をどんな形式で表示するか、グラフ、数字、それともヒートマップにするかに費やされています。
雷峰網：5年後にCARESシリーズが成功していたら、手術室は今とどう違っているのでしょうか？
劉宏斌：未来の手術室は、必ず人と機械が協働するインテリジェントな空間になるでしょう。
第一に、手術室の多くの器械がロボット化されるでしょうが、それは必ずしも人型ロボットの形態とは限りません。例を挙げると、現在の無影灯は受動的な器械で、医師は手で引いたり調整したりする必要があります。しかし未来の無影灯はそれ自体がマニピュレータであり、自ら移動でき、医師は手術の全過程で手で調整する必要がなくなります。手で掴むこと自体が感染リスクをもたらすからです。現在、看護師が器械を渡す動作も、未来にはマニピュレータが担うかもしれません。
第二に、手術室の人員です。医療は比較的緩やかに進化するプロセスであり、20年後を思い描いてみましょう。現在、1つの手術には7、8人の医療チームが必要ですが、未来の手術室には2、3人、すなわち執刀医と、1、2人の看護師またはアシスタントがいるだけで、他はロボット設備が彼らとインタラクションするかもしれません。
また、未来の病院は今のような診療科ごとに分かれた形ではなく、1つの巨大なインテリジェントエージェントになるかもしれません。中央に計算プラットフォームがあり、各診療科はその神経の枝のような存在で、手術室、診察室、外来で起こるすべての状況がリアルタイムでこの「脳」に集約されます。
雷峰網：この1年チームが何に取り組んでいたかを一言でまとめるとしたら、どのようにお答えになりますか？
劉宏斌：私たちはそれをreal-world research、実世界研究と呼んでいます。過去数年間で多くのAIモデルやAIツールを作ってきましたが、この1年は各病院での臨床展開や医師からのフィードバック収集に注力し、モデルが本当に医師の役に立っているのかどうかを自らも評価してきました。展開前はすべて仮説にすぎず、医師が実際に有用と感じるのかどうかは分からないからです。
私たちを大いに励ましたのは、大部分のモデルが実際の使用過程で価値が確認できたことです。また、最初は私たちも思いもよらなかった機能もあります。臨床の専門家は非常に創造的で、こちらがAという機能を作ると、Bの機能で自分が抱えている課題を連想し、「Aでできないか」と尋ねてくる。そして実際に転用できることが分かったのです。多くのツールはこのように、臨床の専門家とともに進化し、医師にとって有用な形になっていきました。
雷峰網のオリジナル記事です。無断転載は禁止されています。詳細は転載に関する注意事項。