「NVIDIA ソブリン AI ヘルスケア Day with Macnica」で NVIDIA のヘルスケア担当 VP が AI と医療の未来を語る

NVIDIA は 4 月 17 日、株式会社マクニカが主催する「NVIDIA ソブリン AI ヘルスケア Day with Macnica」に参加しました。AI を活用した医療技術開発が進歩し、創薬、医用画像処理、ヘルスケアロボットなど様々な分野でイノベーションが起きています。また、自国の中にデータ処理の基盤を持ち、国内のデータを使って日本のためのインテリジェンスを生み出すソブリン AI が今注目されています。

本イベントでは、NVIDIA のヘルスケア担当バイスプレジデントであるキンバリーパウエル（Kimberly Powell）が NVIDIA の最新情報や日本のパートナーとの協業を紹介したほか、日本の企業や機関が登壇し、国内の AI 開発を加速させる革新的なプロジェクトの数々を発表しました。

すべての国の知識を民主化するという NVIDIA のミッション

冒頭でパウエルが「AI と医療の未来：デジタルとフィジカルの融合」と題した講演を行いました。

パウエルは「テクノロジの革新が猛スピードで進む今日、日本はその恩恵を最大限に活かせる素晴らしいポジションにいます」と述べました。あらゆる場所にコンピューター、AI を使うことで患者により良い臨床結果をもたらすことができます。同時に、情報へのアクセスについては「主権」が非常に重要です。「NVIDIA の使命は、すべての国にとってこの能力を民主化することです。なぜなら知識は地域や国家単位で生み出され、維持されるべきものだからです。」日本政府もソブリン AI の実現のために多大な投資をしています。

AI エージェント、フィジカル AI 時代の到来と医療ワークフローの革新

医療への支出は増加し続け、労働力不足も深刻です。これが AI が必要とされる理由です。日本は 10 年以上に渡り医療データのデジタル化を進めてきました。そのデータを活用すれば、AI や自律システムによって労働力不足の一部を補うことが可能です。

技術の進歩は高速です。2012 年の AlexNet のブレイクスルーによってコンピュータは人間よりも物体を識別、分類可能になり、放射線医学は変革されました。さらに Transformer の登場により、非構造化データを用いてモデル自身が学習可能になり、さらに創造性も発揮するようになりました。

そして今は自律的に仕事を行うソフトウェアであるエージェント領域へと急速に移行しつつあります。AI エージェントは複数のモデルを組み合わせて各種医療ワークフローを実行できます。

次の大きなブレイクスルーはフィジカル AI です。フィジカル AI は物理世界がどのように機能するかを深く理解する世界モデルに基づくシステムです。シミュレーションの活用により、これらのモデルをより速く、より高い回復力をもってトレーニングできます。労働力不足が拡大する中、AI と自律型ロボットはクリティカルなギャップを埋める上でますます重要になります。

NVIDIA は現在、医療における課題を解決するために 1) AI エージェントを医療サービスや臨床研究開発に活用するデジタルヘルス 2) 生物学研究や創薬分野などのデジタルバイオロジー 3) 医療機器やロボットなどのデジタルデバイスの 3 つの分野で AI の活用を促進しています。

NVIDIA の AI エージェントプラットフォームとユースケース

パウエルは NVIDIA の AI エージェントプラットフォームの仕組みを説明しました。NVIDIA は世界中のAIモデル開発者と連携し、彼らが開発したモデルを「マイクロサービス」に変換しています。マイクロサービスとは高性能なAIモデルを持ち運び可能な「弁当箱」のようにまとめたものです。この「弁当箱」は、GPU がある場所ならどこでも展開可能です。これらのモデルには簡単にアクセスできる API エンドポイントが付属しています。モデルを立ち上げたりカスタマイズを行うためのツールキットが NVIDIA NeMo フレームワークです。特定産業向けアプリケーションの構築には、カスタムデータでファインチューニングが必要です。

NVIDIA Blueprint は AI ユースケースのためのリファレンスワークフローであり、開発者は複数の NIM マイクロサービスを組み合わせて、ドメイン固有の AI エージェントを構築するためのベストプラクティスに対する洞察を得ることができます。

ユースケースとして、パウエルは Naver による高齢者向け見守り、会話サービスである CLOVA CareCall を挙げました。NVIDIA Blueprint の一部であり、デジタルヒューマン開発のための NVIDIA ACE プラットフォームとも連携し、視覚的なインタラクションによって高齢者の孤立防止に取り組んでいます。

術後のフォローアップを担当するエージェントもあります。手術を終えて退院した患者にエージェントが「痛みの具合はその後どう？」といった電話をかけるのです。患者と医療システム双方にとって有益であり、コスト削減にもつながります。

臨床記録と会話の自動記録を手がける Abridge は、米国の医師の燃え尽き症候群に対処しています。彼らが開発したアプリは患者と医師の会話内容を自動で構造化し、電子カルテに記録します。AI エージェントは電子カルテと統合することができるため、人手による多大な労力を必要とする臨床試験も効率化できます。その他の活用例としては、来院した患者を出迎えるエージェントや薬局から患者に連絡するエージェントなど、医療現場での幅広い応用が実証されています。

AI エージェントは創薬プロセスにも活用できます。例えば、嚢胞性線維症の新たな治療ターゲットを探索する際、エージェントは何百もの科学論文を読んでインテリジェントに要約し、適切なターゲットタンパクと低分子を見つけ、新たなアイデアを探索し、最終結果をまとめた研究報告書を作成することができます。エージェント間のコラボレーションにより、かつては数ヶ月かかっていたプロセスを数日に短縮できます。意思決定のスピードと精度が大幅に向上しました。

BioNeMo と NIM、Blueprints を使ったアプリケーション開発

新たなシーケンシング、ハイスループットスクリーニング、CRISPR などの技術により巨大なデータセットが生み出されています。

NVIDIA は米国の Arc Institute と、数千基の GPU を用いて世界最大規模のマルチモーダルゲノムモデルのトレーニングを行いました。その知見はすべて NVIDIA BioNeMo に組み込まれています。得られたモデルは NIM マイクロサービスにします。複数の NIM マイクロサービスを組み合わせ、Blueprint として構成することができます。パウエルは「これが次世代のソフトウェア開発の在り方です。数時間でアプリケーションを構築し、数分で展開することが可能になったのです」と語りました。

もちろん今後も実験は必要です。実験結果は IP そのもので、重要なことはデータや IP を研究者が使える知性とするための「はずみ車」を回さなければならないことです。ここに AI エージェントを加えて議論し、次の実験設計を改良する。これが「科学の未来」です。

AI エージェントによる創薬の生産性革命

世界中の製薬関連企業が、AI で研究開発の生産性を向上させています。米国では Insilico Medicine が標的分子の特定から候補物質の確定までをわずか 13 か月で実現しました。しかも合成した化合物はわずか 70 種類でした。日本でも主要な先進企業が AI 創薬に取り組むため、製薬業界向けの AI スパコンプロジェクト、Tokyo-1 を活用しています。アステラス製薬は AI を活用して従来 2 年かかっていたリード最適化を 7 か月に短縮しました。また、第一三共は 60 億分子を 2 ヶ月でスクリーニングしました。

「AI 創薬はすべての製薬会社やバイオ企業が取り入れるべきパラダイムシフトです。NVIDIA では創薬の多くの工程で活用できるモデル群を用意しています。NVIDIA の AI ポータルにアクセスすれば、タンパク質の配列を入力するだけでその立体構造を予測できます。数年前まで博士号の専門知識と数日〜数週間を要した作業が、今では大幅に短縮することが可能になりました。」とパウエルは言います。

ヘルスケアは「物理的な」産業：あらゆる病室にセンサーとロボットが配置

医療は、最も物理的で複雑な業界です。患者は一人ひとり異なり、状況も異なるからです。デジタルツインはワークフローや医療機器の運用方法を最適化できます。将来の病室には多数のセンサーやロボットデバイスが常設されるでしょう。ロボットには手術支援のような繊細な動作が必要です。

究極の目標は、「人体の解剖学的デジタルツイン」を作ることです。高精度な医療ロボットをトレーニングするためにも不可欠です。「最終的には、人間が到達できない領域にまでアプローチできるロボットが生まれるかもしれません」とパウエルは語りました。

ヘルスケア AI ロボティクス開発のための 3 つのコンピューター

NVIDIA は、ヘルスケアロボットのためのフィジカル AI を構築するためには 3 つのコンピューターが必要だと考えます。事前にトレーニングされたモデルとエージェント AI フレームワークのための MONAI、物理ベースの解剖学、センサー、医療機器のシミュレーションのために Omniverse 上に構築された Isaac for Healthcare、そして医療機器にリアルタイムの AI を実装するための NVIDIA Holoscan です。

これらのプラットフォームを活用した、全く新しい医療ロボットが登場しています。Synchron は ALS 患者が使える埋め込み型の BCI デバイスを開発しています。Moon Surgical は世界初の「自律動作する手術ロボット」を展開しています。音声で対話して医療記録などを呼び出し、手術プランニングに役立てることもできます。Virtual Incision は宇宙空間での手術を可能にする技術に取り組んでいます。

NVIDIA が描く未来

「将来、人は病院に行かずとも、AI エージェントやロボットが常駐するコンビニや公共のキオスク端末に立ち寄り、健康チェックが受けられるようになるでしょう。看護師ではなくエージェントとロボットが対応し、データはセキュアに医療チームへと送信される。これが、国民全体レベルで予防医療を実現する唯一の方法で、確実に起こる未来です」とパウエルは語りました。

「これが NVIDIA が構築している未来のビジョンです。デジタルヘルス、デジタル生物学、デジタルデバイスのエージェントが医療人材の不足、医師の燃え尽き、医療費の高騰といった課題に対処し、予防医療や精密医療を全ての人に平等に届けるのです」と講演を締め括りました。

生成 AI で日本の医療現場の課題に挑む

続いて、NVIDIA のプラットフォームを活用する日本の企業や機関が登壇しました。

栃木県大田原市にある那須赤十字病院では、医師の業務負担となる事務作業の削減と患者情報管理のために生成 AI の導入を推進しています。同病院で病院情報システムの管理を務める課長の宮内昭広氏は、「オンプレミス型生成 AI サーバーによる院内業務手順の簡素化」と題した講演でそのプロジェクトの概要を今回初めて公開しました。

誰もが使いやすい自然対話型のシステムが生成 AI に求められますが、患者情報の情報漏洩の懸念から、手軽でオープンな外部のクラウドサービスは使用できません。そのため、院内に NVIDIA GPU を搭載した AI サーバーを設置し、院内データのみを使用して「問えば答える」手法の AI システムを構築しました。まずは、カルテ情報から退院サマリを自動作成するタスクの試験運用を 1 月より開始しました。その結果、このタスクを医師やメディカルクラークが手動で行う場合、患者一人あたり平均 32.8 分かかるのに対し、AI システムによって52.8% 削減され、15.5 分に短縮されました。年間 11,040 名の患者が入院した場合、削減効果として 3000 時間以上の削減になります。これにより、メディカルクラークの体制も圧縮することができます。

今後、安全管理のための診療手順のチェック、院内規約やマニュアルの検索、読影医の音声文字起こしなどさまざまなデータを活用し、システムの利用場面を拡張していく体制も整備しています。事務作業の削減は職員が患者さんに向き合う時間を増やすことにつながるため、本来の目的を維持しながら進めなければなりません。これをオンプレミスのシステムにより利用者が増加してもライセンス費用を増大させることなく、院内全職員、地域連携施設へ安価に提供できるというメリットもあり、今後赤十字病院グループのみならず多くの病院で活用される新しいインフラが整いつつあります。

日本語の医療 LLM の開発や LLM を用いた事業が活発化

生成 AI システムを医療現場に導入する動きは今後国内で拡大すると見られています。そこで欠かせないのは、日本固有の医療現場に根差した大規模言語モデルです。

国立情報学研究所 (NII) の所長を務める黒橋禎夫氏は、「透明性の高いソブリン日本語医療 LLM の開発」と題した講演を行いました。NII は内閣府が主導する戦略的イノベーション創造プログラム (SIP）第３期「統合型ヘルスケアシステムの構築」に参加して、生成 AI モデルの高度化に資する研究開発に取り組んでいます。このプロジェクトで開発したのが、医療に特化した日本語の大規模言語モデル「SIP-jmed-llm-2-13b」、「SIP-jmed-llm-2-172b」、「SIP-jmed-llm-2-8x13b」です。国立情報学研究所の大規模言語モデル研究開発センター（LLMC）が主宰する LLM 勉強会（LLM-jp）の LLM-jp-3 シリーズをベースにしています。オープンかつ日本語に強い大規模言語モデルである LLM-jp-3 シリーズに、さらにウェブから収集したテキストや医療テキスト等を追加して、32 ノードの 8 台の NVIDIA H100 サーバーからなる計算環境を用いてトレーニングしたこのモデルは、日本の医師国家試験にも合格する性能を達成しています。

日本固有の医療現場に根差した大規模言語モデルは、医療現場での文書作成業務の効率化や医師の診断支援など多様な場面での活用が想定され、国内の医療費や人件費の削減、医療現場における人手不足の解消などへの貢献につながることが期待されます。「SIP-jmed-llm-2」シリーズは商用利用を含めた複数のライセンス形態での提供が予定されており、最初はオープンソースライセンスモデルについて、4 月末より提供される予定です。

また、大規模病院向け電子カルテ事業でトップシェアを誇る富士通株式会社の Healthy Living 事業部長、荒木達樹氏は「医療データ・AIを用いた創薬開発・医療提供体制の変革」と題して、同社のヘルスケアおよびライフサイエンス事業について講演を行いました。同社は、業務・日本語特化型 LLM を用いて医療データを構造化する事業に注力しています。同社は、当該本事業を通じて利活用可能になった医療データを、ヘルスケア AI エージェントを通じて利活用する方針を示すとともに、本当該事業における NVIDIA NIM マイクロサービスや NVIDIA Blueprint の活用可能性について説明しました。

GENIAC 支援対象機関のプロジェクトが加速

本イベントでは、GENIAC (Generative AI Accelerator Challenge) の支援対象事業者も 3機関登壇し、採択プロジェクトの最新の進歩を共有しました。GENIAC は経済産業省が昨年 2 月に開始した日本国内の生成 AI 開発力を強化するためのプロジェクトであり、生成 AI の核となる基盤モデル開発を支援することで、日本の国際競争力を高めることを目的としています。

東京大学松尾研発のスタートアップ EQUES の CTO、助田一晟氏は「薬学分野・製薬業務に特化した LLM 開発」と題した講演を行いました。同社は最近、品質保証のための文書作成業務を大幅に効率化するサービス、QAI-Generator をリリースしています。これは、簡単な入力操作で定型化された変更申請書の作成を支援するもので、文書処理の迅速化と正確性の確保を実現します。セキュリティ面に懸念を持つユーザーにはローカル LLM で対応しており、今回 GENIAC で開発を進めてきたドメイン特化型モデルの活用を見込んでいます。今後は、製薬業界向けに NVIDIA NIM マイクロサービスを活用した LLM の提供や、AI 活用のハンズオン研修など、包括的な展開も検討しています。

分子設計と AI 技術の革新を追求する SyntheticGestalt の CEO、島田幸輝氏は「日本から世界へ！GENIAC で開発された世界最大の分子基盤モデル」と題した講演を行いました。同社は世界最大規模となる 100 億件の多様な化合物データを用いて訓練された低分子情報専用の基盤モデル、SG4D10B を NVIDIA Hopper アーキテクチャの GPU を活用して開発しました。このモデルは従来の分子 AI 開発における課題であったデータ量の制約と分子情報の複雑さを克服し、23 種類の公開ベンチマークすべてにおいて最先端の性能を達成しています。この基盤モデルにより、これまで難しかった AI の分子情報への適用を容易にし、AI による新規化合物の発見を可能にします。

ヒューマノーム研究所の代表取締役社長である瀬々潤氏は「創薬・生命科学を加速する遺伝子発現量基盤モデルの開発」と題した講演を実施しました。AMED 支援のもと、国立がん研究センターらと患者情報を活用し創薬プロセス改善のための AI 開発を推進中です。NVIDIA Hopper アーキテクチャの GPU を活用し、遺伝子発現量を予測する世界最大規模の基盤モデル、CellScribe を開発しています。創薬や生命科学研究の加速を目指しています。