オープニングとサンフランシスコでの交流
アメリカからこんばんは、NAKAMURAです。この番組では、アメリカ研究留学4年目を迎えた私、NAKAMURAが、ゲストとお話しながら、アメリカ留学の魅力を再発見し、大きなあなたにおそわけすることを目指しています。
僕はあの岐阜県出身なんですけど、1年半前ぐらいにふと、岐阜県同窓会みたいな、なんかそういうのないかなーって、サンフランシスコにないかなーと思って探したわけですよ。
で、やっぱサンフランシスコにはさすがになくて、ただ見た感じLAにあって、で活動結構頻繁にされていて、毎月とか2ヶ月に1回とか、みんなで集まってドジャー住みに行ったり、なんかバーベキューしたりみたいな。
で、しかも2、30人集まってるんですよね。でなんで、いやLA遠いけど、とりあえず連絡だけしてみようって思って連絡したら、その会長さんから当時急に電話がかかってきて、NAKAMURAさんは何やってるんですかみたいな話になって、今度会いましょうねって言って。
で、そこから僕がLA去年1回と今年1回も行ってますけど、その時にその会長さんちょっと忙しくて、会長さんがこっち来られたときは僕がこのサンフランシスコにいなかったりとかして、お互いなんか1年半ずっとすれ違っていて。
ただ今回その会長さんが日本に、日本じゃねえや、サンフランシスコに来るっていうことで、3日前、4日前ぐらい、1週間前ぐらいに連絡もらって、そこでその人が参加している団体でイベントがある。
で、そこでみんな来るからおいでよって言われて行ったんですけど、そしたらなんかクッソでかいマグロがいて、僕マグロ飼いた人なんか初めて見たんですけど、あとまあこんなでかいマグロよく持ってこれたなっていうぐらいのマグロで、結構でかくて45キロあったんですよ。
僕と、僕が手のひらを広げたぐらいかな、170、180弱の男が手を広げたぐらいの大きさですけど、めちゃめちゃでかくて。
で、解体ショーもそこでシェフされている方が力説明しながらやってくれて、大トロ中トロとか赤身とかいろんな場所を説明してくれたり、でその後解体した後にみんなでマグロの刺身食ったり、寿司も作ってくれて寿司も食べたり、
他にもなんかユバとか、なんか普通にウインナーとかなんか、結構なんか美味しい日本食みたいな、サイドアペタイザーみたいなやつも作ってくださってて、日本酒も飲み放題だし、めちゃめちゃいい回で。
で、しかも今回は僕は誰も知らない状況で行ったんです。誰も出会ったことない、インパーソンに出会ったことない状態で行ったんで、結構苦しいかなと思ったんですけど、なんだかんだ5時間ぐらいずっとその場で話して飲んで食べてって感じで、すごいみんな日本人いい人だなと思いながら。
で、やっぱあといろんな業種の人が、特にLAはいろんな業種の人がいるんだなあっていうのがよくわかったんで、まあ日本人がアメリカで活躍する幅がこんだけあるんだっていうのをよく知れた回だったです。
で、ちなみに今回行ったお店が、あの以前アメゴに出てくださったトモさんのお店だったんですよね。
で、明かりってとこで、すごいね、なんかめっちゃ広かった。思った以上に広くて。
で、しかも日本酒も結構いろんな種類があって、まあ我らが広島が、我らが広島っていうのもあれですけど、かもつるもあったし、もちろん久保田とか、まあそこらへんの有名どころもあったし、結構いろんなお酒もあったし、すごい綺麗だったし、すごいよかったですね。
で、今月6月のアメゴは、ユーはどうしてアメリカへ?日本人企業社員が戦うアメリカンライフをテーマに、アメリカで活躍する日経企業社員さんの奮闘の様子をお届けします。今週もよろしくお願いします。
小澤さんの異色のキャリアパスと自己紹介
アメリカンナイトGOLD。
改めましてNAKAMURAです。それでは今回のゲストを紹介します。小澤さんです。こんにちは。
こんにちは。よろしくお願いします。小澤と申します。
よろしくお願いします。自己紹介をお願いします。
はい。小澤と申します。長野県の生まれでして、ただちょっと記憶がないんですけど、すぐに千葉県のほうに引っ越して、それからはずっと千葉県で育っていきまして、ですので小中高は千葉県、大学は東京の都内の市立の大学に進学したんですけれども、理工学部の化学科、化学科のほうにですね、進学。
進学をしたというような、そんな学歴になってます。
もともと数学とか化学とか好きだったので、そっちの方面に就職したかったんで、結構就活のときは化学メーカーとか素材メーカーとか、当時ですね、皆さんの出来事をおかげでヒートテックが初めてユニクロから出された、発売されたときで、ユニクロが作ってるのかと思いきや、
化学製品メーカーがその生地というか繊維を作っていたんですね。そんなのもあって、すごいなと思ってそっちに就職しようと思ったんですけれども、周りの先輩がですね、金融機関誰だったんですよ。
なので、しかも理系の人でも。なので、私もですね、なんか知らないけど金融機関かっこいいなって言って、金融機関をですね、一応就活の中に入れたっていうのは、たまたま今、生命保険会社で働いてるんですけど、生命保険会社にですね、入社した実はきっかけなんですね。
もちろん、就活のときはいろいろと理由付けましたけれども、もともとの入り口はそんな感じだったんです。その後、ちょっと長くなりますけども、入社してですね、実は転職などはしなくてずっと入社から生命保険会社で働いてるんですけれども、ちょっとひどいことからですね、会社から指名をいただきまして、MBAに行ってきてくれということで、ミステラン大学のですね、方に進学をしました。
もちろん、特にコネとかはないので、自分で受験をしていきましたという感じです。これもちょっと後ほどご説明ができればと思います。
最後に、今はですね、そういったことでミステラン大学でMBAを取りながら、会社に戻って仕事をしながら、今はスタンフォード大学のほうに、これも会社からの事例なんですけれども、発見をさせていただいて、全く医者でも何でもないんですが、医学部のほうに行かせてもらっていて、そこで疾病予測をするですね、AIを作ってるという形で、ちょっと保険会社の人からしたら移植の経歴かもしれないですね。
よろしくお願いします。
保険業界における理系の強みとAI活用
おだしょー よろしくお願いします。で、今、保険会社って理系の人も入るんですね。
そうですね。今は多くなりました。私が入所したのは2010年なんですけれども、当時はですね、分系の方ばっかでしたね。理系は少なかったですね。
おだしょー 理系にとってアドバンテージはあるんですか?保険会社。
おだしょー そうですね。これ保険会社だけじゃないと思うんですけれども、この数字を扱うのが得意だったりとか、くだらない話ですけれども、Excelで作業するスピード感だとか、やっぱり理系の人も慣れてたりするんですよね。
私は学部の時は計算科学といって、理論科学をやってたんですけれども、その時に少しプログラミングと言いますか、専用のモルカルっていうですね、科学計算ソフトが当時あって、それで少しプログラミングをしたりなんかしてたものですから、
そういったスキルは結構、ご存知のとおり今のAI時代にも繋がるんですけれども、プログラムの中身知らないけれども、結構すぐに理解できてるとか。
ちょうどご紹介で言ってみればと思うんですけど、保険会社でもAIを使うことも増えてきましたんで、そういうのは結構アドバンテージじゃないかなと思いますね。
おだしょー そうか、じゃあそういうプログラミング系とかに嫌な思いというか、ネガティブな思いはないんですね。
三沢 そうですね。
おだしょー ハワドルがないというか。
三沢 ただね、言語違うとやることも違うというところがあったんですけど、あのとっかかりはすごいやっぱり、おそらく全然知らない人よりかは、とっかかりやすかったんじゃないかなって思います。
スタンフォードでのAI予防医療研究：電子カルテとウェアラブルデバイス
おだしょー それは確かに理系のほうがいいっすね。今はどういう研究をされてるんですか。
三沢 今はですね、スタンフォード大学の小児科のほうに所属をしているんですけれども、ただやっていることとしては、大人の一般的な大人の体のデータを使った糖尿病の予測をするんですけれども、データは電子カルテを使ってるんですね。
おだしょー そうですね。今、お医者さんが何か書いているノートだとか、あとは血液検査だとか、何かの異常、症患があるかどうかみたいなですね、そういったデータがあるんですけれども、それを何年分か読み込ませてですね、それで将来、たとえば1年後のレクスムとの糖尿病の予測、確率、いかん確率みたいなものを出すというものを今、AIで使ってやっています。
おだしょー 数年とか数十年レベルで同じ患者さんの状況を追っていって、それを読み込ませることによって、AIで学習させるという感じなんですか。
おだしょー そうですね。はい。そのような形になります。
おだしょー そんなことができるんですね。
おだしょー あとはもう一つは、ウェアラブルデバイス、Apple Watchのようなですね、ウェアラブルデバイスから取れるデータを使って、そのデータの中から疾病罹患の予兆を捉える、糖尿病の罹患の予兆を捉える、みたいなことも同時にやっているということで、2つ実はAIモデルのベースというか作っているんですね。
おだしょー その心拍数みたいなやつから分かるんですか。
おだしょー 心拍数とか、Apple Watchだと心電図が取れるんですね。心電図の波形を読み取ってやると。実はApple Watchももうすでに不生脈を検知できる機能がついてはいるんですね。
ただ、私の研究のモチベーションというのは、今かかっているかというかは、今後かかるかどうかというのを無症状のときに捉えられたりとか、いうことができることで予防につなげるということにちょっとバリを感じているので、
しっかりと診断ツールというよりかは、予防するために早期に発見する、みたいなことをそういった波形レートとか、心拍数とか、裏側にPPGっていう光学データがあるんですけれども、これを使って予想するということになります。
保険会社が予防医療研究に注力する理由
おだしょー あれですね、全然保険会社と全然関係ないっちゃ関係なさそうに聞こえますけど、今保険会社から派遣されてきてるわけですよね。
おだしょー そうです。
おだしょー 保険会社的にそれは、どういう意味を持って今、小澤さんをスタンフォーに送り込んでいるんですか。
小澤 そうですね、まず一般論として、保険会社の仕事って健康な方を引き受けして、何か病気になる、もしくは万が一がお亡くなりになられたときに、金銭的な保証をする、数千万という金額をお支払いする、入院の場合は数百万となりますけれども、
お支払いするということで、何かリスク異常が発生したときに金銭的な支援をするのが、保険会社の根本的な機能になります。提供しているサービスになります。
ですので、お支払いするまでですね、結構10年とか20年とかかかるんですけれども、平均で、その間の健康評価で実は見ていないんですね。もう契約した当時の、今はちょっといろんな商品出てきましたけれども、基本的な考え方としては、そこでですね、例えば、加入したときはすごい体重が平均ぐらいだったのに、
その後20年かけてちょっと不節制になっちゃって、例えば、飛満になっちゃったとか。でも、だからといって、保険解約になったりしないわけなんですよ。我々は責任を負っていて、そんな飛満の方でもですね、お引き受けをするという、ずっと引き受け続けるというのが基本的な契約の中身になっているんですが、もちろん飛満になると健康リスクが高くなって、そうすると、保険会社としてはお支払いをしないといけない。
それが仕事なんですけれども、ただ、それを黙って見ているだけでいいのか、もしくはそういう契約はさせていただいているんですが、その道中でも何か支援ができることがあるのであれば、やりたいよねというのが、保険会社の予防というところの観点で研究をするモチベーションになっています。
これはもう、ここで隠してもしょうがないので申し上げますけれども、やはり健康になっていただけば、なっていただくほど、保険会社としてはお支払いする金銭面的なキャッシュアウトが少なくなる。これは何を意味するかというと、保険会社としてには利益がそこでまた上がるということにも直結しますので、お客様と保険会社とWi-Fi、ただ、全てが全て、それだけではカバーできなくて、やっぱり毎日の事故とかもありますし、
それ以外の観点で病気にかかられたりもするので、そういった時のことも考えて保険にご加入いただく。こういったような付加価値が付けられるんじゃないかなというのが、私の会社のモチベーションです。他の会社さんはどうか分からないですけれども、ほぼ向こうのような形で、おそらく保険会社は予防といったところに注目しているんじゃないかなと思います。
おだしょー 確かに同じ保険料払って、予防のやつもついてくるんだったらいいですよね。保険って多分どっちにしろ入るじゃないですか。万が一避けられないものがあるんで、それ払った上で健康で生きれるんだったら確かに、そういったのは確かに保険会社がやる意味があるんですね。
おだしょー そうですね。皆さんアメリカに住んでいらっしゃるので分かると思うんですけど、アメリカの場合医療費がすごい高いじゃないですか。保険会社の負担も大きくなるんですよ。なので日本よりおそらく保険会社の予防に対するモチベーションは高いんですね。
ユナイテッドヘルスとかそういった医療保険会社が中心ですけれども、そういったところは結構予防に積極的に取り組んでいるようですね。
イノベーション部門への異動と研究のきっかけ
おだしょー 俺ら入ってるんじゃない?保険。
おだしょー 入ってると思います。
おだしょー 入ったんですかね。
おだしょー 例えば大学で提供される健康保険とかに入ってるはずなんですよ。
おだしょー ああそうなのかな。
おだしょー 何か法律で決まっているはずなので。
おだしょー 入ってるんですね。初期の頃に多分適当にやって覚えてないだけですね。
おだしょー そうですね。多分病院行けば支払われると思いますし、何かカードを持ってるかもしれないですね。
おだしょー ああそうなの。お沢さん的には日本にいたときもそういうのやってたんですか。
おだしょー いや実はですね、やっていなかったです。
おだしょー 私のキャリアとしては、保険関連部門といったらちょっとイメージわかんないかもしれないですが、
例えば保険の販売のマーケティングを考えたりだとか、
私の会社の場合、営業職員といわれるセールスの方々が保険を売るんですけれども、
そういったチャンネル以外のチャンネル、例えば保険の窓口さんとかに見られるような代理店といわれるチャンネルだとかですね、
あとはサイピンレスト、デジタルチャンネル、そのダイレクト、顧客にダイレクトにデジタルで保険を販売するような、
そういったチャンネルを考えていたりとか、そういったバックグラウンドが一緒だったんですけれども、
MBAから帰ってきたときにですね、イノベーション組織に配属になったんですよ。
ここは新規事業を作ったりとか、少し保険以外の観点で何かビジネスを考えるみたいな、
そういったところに配属になったのがきっかけで、今こういうような仕事にも携わっています。
スタンフォードへの突然の辞令と渡米プロセス
おだしょー 今日どんな感じで言われるんですか、スタンフォードに行けって。
おだしょー これはですね、あまりイメージが当たらないかもしれないんですが。
おだしょー 事例って言ってもね、やっぱ県またぐぐらいだったら全然あるじゃないですか。
もう国またぐって結構な、もう引っ越しどころじゃないんで。
おだしょー 極端なドラマとかだと、なんか突然肩を上司に叩かれて、君スタンフォード行ってくれみたいな、
世界も想像するんですけど、実際はどんな感じなんでしょう。
おだしょー そうですね、結構私たち金融機関の人間だと転勤って慣れているんですけれども、
海外も一応年当において転勤っていうのは年当にあって働いているんですね、まず。
で、多分どこの会社さんもそうだと思うんですけれども、私たちの場合は1ヶ月前ぐらいですかね、
新任地へ赴任する、そういう日がありまして、発表大焼けになってるんですけど、この日に発表するよというのがあってですね。
で、そこで発表されると、その後発表して、例えば私もそうでしたけれども、海外に行ってこいという風になると、
すぐにですね、ビザの手続きとか、社宅というか、家探しの代行業者の紹介ですとか、
どんどん情報をして、それをさばいていくっていうのを1ヶ月ぐらいでやるんですよ。
予兆はないんですか。
予兆はこれはですね、人によると思うんですけど、私の場合はなかった。
びっくりしたね。
全くなかったです。びっくりしました。
漏れ聞こえてくるもんだと思ってましたけど。
あのですね、漏れてくる場合もあるんですけど、やっぱあれですね、上司が口硬かったんでしょうね。
事例ってなるとやっぱ漏らしちゃいけないものですよね、一応。
だったんだろうなと思って、今振り返るとですけどね、こう思いますね。
でも事例が出る前に、お沢さんがお勤めの会社と、今いらっしゃるスタンフォードラボが何か一緒に何かをやってるなみたいなこと自体をご存知だったんですか。
そうなんです。それがあって、事例言われたときもあまりびっくりしなかったんですけれども、
何かというと、当時の私のミッションはですね、私の保険会社とスタンフォード大学で契約と業務提携というか、共同研究の契約を結ぶっていう風になったんですよ。
まさにその手続きだとか、実際に交渉する、アメリカ側で交渉したものを日本で色々と社内に含めて交渉するっていうところの窓口だったんですよ、私。
なので、そういうことをやっているということももちろん知っていましたし、交渉の場に2回ほどですかね、スタンフォードのほうにも出張で行ったりとかしてたんですね、実は。
ここにはまる人って大変だろうなと思って、人の心のようにですね、思ってたんですよ。
で、そしたらですね、自分だったっていう。
おもしれいな。
じゃあ、分かればいいですね。自分が知ってた場所に行くわけですからね。
そうですね。なので、全くやってることも何も分からないという状態で来たわけではないですね。
しかも利益だからっていうので選ばれたのかもしれないですね。
そうですね、どうでしょう。直近MBAも海外で撮ってたりして、そういったコミュニケーションも少し材料だったんじゃないかなというふうに自分は思いますね。
未経験からの研究スタートと学習プロセス
そこで急にアメリカに行くわけじゃないですか。
はい。
で、研究始めるんですよね。急に研究始めるって、しかも全部英語でってきつくないですか。
そうですね。このリスナーの皆さんの中にはおそらくPhDの方とか研究者の方もいらっしゃるので、少し異色に聞こえるかもしれないんですけれども、全く研究者ということでもなく、PhDも持ってないという立場ですので、
AIのことも当時よく分かりませんけど、概要は分かりますけれども、いわゆる作ったことないですということだったりとか、医学の知識もゼロという形で放り込まれたわけなんですね。
ですので、研究室のリーダーがよくここは理解をしてくれて、最初の2ヶ月ぐらいですか、3ヶ月ぐらいかは本当に基礎的な、それこそRとかPythonとかそういうプログラミング言語、統計言語をまず勉強させていただいたりですとか、あとはAI自体の宿命、それはマシンラーニングもあればディープラーニングもあれば、最近はLLMも出てきましたけれども、
その仕組みの解説をしていただいたりですとか、あとは医学論文を読みながらですね、我々に関係するような医学論文を読みながら、そういった素養語を表面的にですけれどもつけていくというような、そういったトレーニングを見せなきゃいけないのが3ヶ月、でも3ヶ月なんですけれども、そこから本格的にキッチンが始まったというような。
おだしょー それはスタンフォードのコースみたいなやつがあるんですか?
おだしょー これはないです。ラボと直接契約をしたので、もうラボに入って始まった。なので、もちろん私たちだけじゃなくて、それは専門の、もちろん機械学習とかデータサイエンティストの方がいらっしゃったりとかですね、医師の方がいらっしゃって成り立っているのはもちろんなんですけれども。
おだしょー 僕もアメリカ来て初めてプログラミングをやるようになったんですけど、多分これ日本語で言われても分かんないんだろう、分かんないよなって思うことがいっぱいあって、そういう経験ではありませんでした?
おだしょー いや、もうそれだらけですよ。知らない単語いっぱい出てきますし、そこに医学が入ってくるのでさらになんですけれども、全く分からないので、これは実はMBAのときもそうだったんですけれども、英語でしっかり学ぶんですけれども、その後、復習の連続ですね。
で、もちろんYouTubeとかで解説動画を見たりとか、日本語のテキストの方で勉強したりとか、そんな形で結構ヒクハクしながらやりましたね。
おだしょー すごいですね。なんか今から勉強ってなんかできないですもんね。
おだしょー 今から勉強ってできなくないですか。
おだしょー できないです。できなかったんですけど、正直言うと学部生のときより勉強してたかもしれないっていう気がします。
おだしょー 学部生のときより、俺も勉強しますね、今のほう。
おだしょー まずMBAに行ったときもそう思ったんですよ。MBAのときのほうが勉強してるなと思ったんですけど、さらに今のほうが勉強してるなっていうイメージです。
おだしょー そうですね。あとは企業派遣なので、この企業側にフィードバックしたりとか、少しわかりやすく噛み砕いて解説するだとか、そういう時間も実は必要になるので、純粋に研究して論文出せばいいっていうような立場じゃなかったのは、少し一般的な研究者の方と違うのかなというふうに思いました。
ラボの構成とAIモデル開発の実践
おだしょー だからこそ、自分で一回全てを理解しないといけないわけですね。研究室自体はお医者さんとかそういうプログラミングの人とか何人ぐらい全員でいるんですか。
おだしょー いわゆるMD、お医者さんの方は2人いらっしゃいます。どちらも小児科所属なんですけれども、お医者さんが2人と、あとはエンジニアの方が4人いらっしゃいまして、あと我々とあとはプリンシパルインベスティエーターですね、PIですね、というような形になっています。
おだしょー でも結構ゴリゴリそういうAIとかそっち系の研究をしているラボって感じなんですね。
おだしょー そうですね。医学部ということではあるんですけれども、どちらかというとエンジニアリングのAIの方に寄った形になっていて、出力されたもののちょっと理解というか解釈みたいなところを医師の方々にサポートいただくという、そういうような役割といったのかなと思います。
おだしょー それで小澤さんがAIの技術を、AI作る、できるんですか?
小澤 簡単な動くものでしたらできますし、最近もうあれですよね、チャットGPTもそうですけれども、コーディングの基礎の部分は全部書いてくれるので、構造さえ理解していけば、あとはデータセットがうまくそこにはめられるように加工ができれば、もう動いちゃいますね。
私も自分で自分の心電図の波形とかちょっと分析させたりだとか、あとあれですね、血統値とかですね、グルコースモニタリングを私腕につけてるんですけれども、この腕につけてるグルコースモニタリングの波形を読み取って、
実際にE3抵抗があるかないか確認するというのを機械学習を使ってやらせたりとか、そういうことはしていて、幸いにもリスク低いで出てきたんで、N1ですけれども出るんだなとかですね。そういうこともできたりはしますね。
小児心臓病におけるAI画像解析研究
おだしょー やってほしいなオルナイスも。一応その論文が既に出されてて、教長で、それは物心室の機能評価をAIモデルでやるっていう感じの、それはまた東日本大学とはまた違う研究なんですか。
おだしょー そうですね。先ほど申し上げました通り、種族が小児科ということで、いろいろな研究室でプロジェクトが走っていまして、もともと私たちが来る前からも始まっていた研究の一つに、子供の心臓の聞き入れかどうかを判別するというようなものを、画像解析でできないかというプロジェクトがありまして。
結構その物心室、私もちょっと詳しくないんですけれども、左側の心臓の解析というのは実は進んでいたんですけど、どうやらこの物心室とか物心房付近のですね、画像解析というのはなかなかAIのエネルギーは進んでなかったようでして、そういったユニークさがあって、論文化してみたということみたいなんですね。
ということでいうと、実は私も詳しくないと繰り返していますが、左の方が心臓としては結構重要なパーツのようです。
NAKAMURAさんが心臓の研究されているということで、ちょっと解説をお願いしたいんですけど、左の方が重要というのはどういうことなんですか。
左と右ってあるんですけど、左の方が全身値を送り出すポンプなんですね。なので、一般的に左の方が強くないといけない、押し出すの、押し出す方なので。
ただ物心室は、いわゆる肺動脈に押し出すっていう、簡単に言うと肺だけに送ればいいだけなので、そんなに出力はいらないっていう考えると、左がダメになっちゃったらもう全身ダメになっちゃうみたいな感じなので、基本的には左をみんな注目してやってるんですけど、
押し出すとかも基本的な少人病気って多分、ハイパートロフィーって呼ばれる心臓、壁が分厚くなっちゃうから、そういう病気があって、おそらくそれは治せないと思うんですけど。
ただそれを早めに見つけると、多分心臓移植とかになるんですかね。
移植もそうですけれども、早期発見で未然に防止できるものも実はあるようです。
なのでそれをエコーを使って生み抜くですとか、っていうことができると価値になるんじゃないかというような研究ですね。
私はこの研究の中では、どちらかというと構成作業みたいなことで関わったんですけれども、と同時に画像解析というようなことですので、本社の研究のほうでも使ってるんですけれども、そういった画像解析に強いAIのモデルの使い方みたいなところを、そういった隣の研究のほうでお借りしながら勉強するみたいなことをさせていただいた事例ですね。
小児ってこれ、俺が読める、読まないといけない話なんですけど、小児ってどんぐらい小児なんですか。
生まれて。
これもあれです。生まれてすぐですね、ゼロ歳から大体5歳ぐらいだったかな、7歳までくらいまでだったかな。
基本的に先天的な心臓移植というところに着目をしているようですので、結構生まれてすぐの子供というか、新生児ですね。
確かに、結構そういう論文ありますもんね。いわゆるコンジンタルカーディオマイプスみたいな。
そうですよ。
そういう小児の心臓病って、いろんな遺伝子が関わってたりなんか結構論文あるんで、結構悲しい病気だなとは思いますけど、それでワンチャン治せる病気もあるって言ったら大いに大事ですよね。
そうですね。治さないまでも何かでサポートし続ければ大丈夫というようなこともあったりするようですので。
小児心臓エコーデータ収集の課題
結構大変ですよね。エコーっていろいろあるじゃないですか。これ多分不審室だけに着目しているのかもしれないですけど、
写真室もあったり、心房とかもあったり、動脈とかも便利とかも取るじゃないですか。
そうですね。
これ全部やったら、多分全部やろうとしたらとんでもなく大変だから、不審室だけ着目したと思うんですけど、やっぱ大変なんですか。
何が大変なんでしょうね。画像解析自体は実はもう始めてしまえば、解析の仕方さえ決まっていれば進められてしまうものでして、
どちらかというと、そういったデータセットを集めるところが大変なんだろうなというふうに隣で見ていながら思っていました。
サンフォード大学の病院には、サンフォード小児科病院という、もう一つの病院、かではなくて病院がありまして、結構世界的にも有名な小児科病院ですね。
そういったところだからこそ、画像も一面だけではなくて、何角度を変えて画像を撮ったりするんですけれども、そういったものがデータセットとして集まっていて、
さらに横々でデータが欠乏されているので、患者さん一人に対してリッチなデータが確保できるというのが強みであり、多分一番大変なところなんじゃないかなというふうに思っています。
サンフォード、心臓も強いですもんね。確かに子どもにエコーするって大変そうですよね。
なので、いろんな研究があります。例えば妊婦さんにアプローチをつけさせて、それでデータを取るだとか、生まれた新生児から小学生ぐらいまでの小児の方にアプローチをつけてもらって、そういったデータを取るだとか、多分あまり考えられないんですけれども、そういったこともやったりしていますね。
小澤さんの主要プロジェクト：糖尿病・心疾患の予防
じゃあもうAIを使っていろんな、糖尿病だけじゃなくていろんな病気を予測しようっていうのをやられてるんですね。
そうですね。私たちのラボだけじゃなくてもいろんなラボがやってますね。
実際にこの小田さんのプロジェクトとしてはどういうのをやられてるんですか。小田さん自身のプロジェクトとかっていうのはあるんですか。
はい。私たちのプロジェクトの中では電子カルテを使ったですね、電子カルテのデータを使って糖尿病ですとかを予測する、罹患を予測するというものだったりとか、
あとはもう一つですね、ウェアラブルデバイスを使って、今回アプローチを使ってるんですけれども、アプローチから取れるデータを使って糖尿病の予兆を検知するだとか、新疾患の予兆を検知するみたいな、少しこの予防に近い方ですね。診断というか予防に近い方の検知をするAIモデルの緊急開発に取り組んでいます。
しんぼうサイドをやってるって言ってませんでした。
すでにアップルですね、アプローチで実はしんぼうサイドっていう、いわゆる不整備学のですね、検知ができる機能が実はもうついていて、皆さんももしアプローチつけていて、その予兆が出てきたらアプローチを教えてくれるんですけれども、それはもうどちらかというと、しんぼうサイドっていうものを診断手前ぐらいのものを捉えるイメージなんですけれども、
私たちがどちらかというと、無症状とか、今から頑張って予防というか、何か対策を打てば健康状態に戻れるような、そういったようなタイミングを捉えたいと思っていて、だいぶ、何て言うんでしょう、罹患するより前の状態と言いますかね、そう捉えていくようなことをやっていきたい。
それって何かとんでもないデータセット必要そうですよね。
AIモデルのデータ要件と人種・地域によるファインチューニング
そうですね。実はこれ、スターフォードの大学の電子カルテのデータが結構リピートして、それを使わせてもらってるというのはやっぱり必要なんですね。数百万患者分のデータが経年であるんですよ。なので、数百万かける何年分とか、そういうようなイメージですよね。
健康な人から病気になっていくまでを終えるって感じなんですね。
これがですね、ちょっとトリッキーなところで、アメリカのこういった大病院に来る患者さんって結構重症なんですよ。
日本の病院みたいに風邪ひいたから来ました、みたいな世界ではないっていうところがあって、まさにこういい観点で、
バイアスとかかかってるような、バイアスというか、データに偏りがあるようなデータセットには実はなっているんですね。
なので実際に、私たちがビジネスで使おうと思ったら、もちろん動くものはできているんですけれども、それをもう少し幅広な方々のデータを使って、
少しファインチューンと言いますか、トレーニングしないと、ちょっと信憑性というところにも影響してくるのかなと思いますね。
しかもあれですね、多分人種によっても変わっちゃうから、日本人用に作らないとダメなんですよね。
そうです。まさに最近の研究のトレンドで結構価値があるというふうに言われているのは、マルチセンターと言いますか、マルチリージョンと言いますか、
そういった研究が結構価値があるというふうに、私の界隈では言われています。
アメリカだけじゃなくて、アジア圏だとか、ヨーロッパ圏だとか、アフリカ圏だとか、そういったようないろんな人種を混ぜ合わせるということと、
アメリカって人種の留守語ですので、いろんな人種が、私たちも日本人でここにいますけれども、生活様式はアメリカスタイルになってしまうわけなんですね。
例えば日本ですとイメージすると、朝で通勤通学するときに電車に乗るか、階段の上り降りがアメリカより圧倒的に多かったりとか、
食べるものの種類、ハンバーガーは変わらないけれども、例えば朝ごはんはお米とお味噌汁を飲んでいるとか、
そういうふうな少し生活様式が違うことによって、病気の進行度合いが違ったりとかするんですね。
人種によっても、例えば体調性能が変わったりしますので、糖尿病になるスピードが変わったりですとか、少し出てくる異常が変わったりですとか、
そういったことがあるので、おっしゃる通りいろんな地域で試す必要があるというのが正直なところですね。
緊急としては成り立っちゃうんですけれども、実際に例えば日本で使いたいってなったら、
おっしゃる通り日本人の体に合わせたようなファインチューニングが必要になってくると思っています。
今後、もし仮に日本に帰るってなったら、日本で作るんですか?
日本におけるAI予防医療の展望
作りたいですね。まさにこれ結構難しいところなんですけど、何が難しいかというと、世の中にまだそういうAIがないかというと、もう既にあるんですよね。
例えば健康診断をしたら、その結果を見てAIが予測してくれるというサービスが日本でも実は既にあって、
そうなんですか?
そうなんです。なので、ただ裏側は全然違うんですよ。予想していることだとか、ただ見せ方が少し工夫がいるといいますか、
お客さまというユーザーの皆さんは目の前にある数字とか、その表示された結果を見るということになりますので、
ちょっと緊急とは話しとれますけど、どうやってうまく見せていくかとか、どうやってみんなが作ってくれるかとか、
そういう少し行動経済学じゃないですけど、そういったことも少し絡んでくるんだろうなって、今ぼんやりですけどイメージをしているところですね。
アメリカ滞在中の目標：学習とワイン
確かに、チャットGPとかに入れても答えてくれますからね。
はい、まさに。
今日ともう少し多摩アメリカ期間があると思うんですけど、その間にアメリカでやっときたいこととかっていうのはあるんですか?
これだけは終わらせてとか、これだけは学んで帰りたいみたいな。
そうですよね。まず真面目な方から言うと、医学だけでも多分、つきつめていくともう10年、20年、30年かかる学問ですし、
AIの世界も同じだと思うんですね。
なので、それを表面的に理解してきたことによって、結構ディープライブできるようになってきた。
どこがゴールではないんですけれども、どんなポジションにつくにせよ、これだけはずっと学び続けたいなというふうに思ってます。
というのが、今個人的に思っている仕事面と言いますか、今に直結するようなシーンですかね。
ライベルトはですね、結構ワインが好きなんですよ。
一番いいところに来たじゃないですか。
そうなんですけど、カリボルニアってご存知の通り一番ワインラバーには素晴らしいところで、
できるだけワイナリーに顔を出したり、いろんな種類のワインを飲んだりしたいなって思いますね。
確かにな、ワインいいですね。ワイン飲みながら研究してもいいんじゃないですか。
それは一応サラリーマン出身なのでやめておきます。
AIが保険業界にもたらす「逆張り」の思考と未来
一応そうだよな。
今後もし、すでに実装されてるわけじゃないですか、AIが保険とか健康という概念において。
今後なんかAIが保険とくっつくっていう形になった時っていうのはどういうことが考えられるんですか。
そうですね、ちょっと逆張りでいつも考えたいなと思ってるんですけれども、
保険業者じゃない人たちに、例えばリスクを予測されたらという表現に頼ってしますけれども、
何が起こるかというと、保険いらないじゃんとか、
例えば私はリスク低いんだからもっと保険料安くしてよとか、
もしくは保険会社が知らないんだけれども、ある人、個人は予測をした結果リスクが高いと分かったと。
圧倒的に高い確率で俺はがんになるってなった時に、保険に入れるんですよ。
その時はまだ異常じゃないから、保険会社する知らないって。
ってなった時に保険会社が支払うお金が増える。つまりがんになるくらいリスク高い人ばっかり来たら、
その分保険の支払いが増えるので、こういったことは想像できるなというのはまず逆張りで考えた時に起こることなんですね。
なので、保険会社としてはそうなんないようにしたい、もっとポジティブに使いたいというようなことなんです。
例えば、ご加入いただくときって健康状態を保険会社の場合お伺いするんですね。
健康診断の情報をいただいたりですとか、任意言読とか、もしくは告知と呼ばれる自己申告制なんですけれども、
ご契約者様に自己申告でこんな病気してませんよね、こんな病気してませんよねっていうのははい、言える答えていただく。
こういったことでリスクチェックをさせていただいてるんですね。
それで、ある程度リスクが今の時点で低くてっていうことであればご加入いただく。
その後何かあったら保険を押し払いする。それは病気にかかったときなのか、毎日お亡くなりになるとき。
こういった形で限定流れていくんですけれども、実はこの間、ご加入いただいてるから押し払いする間ってほぼほぼ健康状態って保険会社見ないんですね。
例えば小澤さん、25歳で保険加入して、すごいすりまで健康状態だったと。
なんですけど、加入した後ですね、もう傍院傍職になってしまって、40代にはすごい肥満状態になってしまった。
というふうになると、もう圧倒的に病気に乗る確率って高くなるじゃないですか。
ただ、傍院傍職をせずにずっと健康な生活を続けていた小澤さんがいたとすると、
その肥満の小澤さんより圧倒的に健康状態がいいので、押し払いする保険金額って低くなる可能性が高いってことなんですよね。
こういったふうに考えると、保険会社的にはその期間ですね、健康に過ごしていただいてねとか。
もしくは、傍院傍職してもいいんですけれども、少しアラートを出してあげるとか。
そういうことができると、保険会社的にもハッピーですし、
第一、お客様ご自身が健康でいられる、これほど多分幸せなことないと思うんですよね。
健康寿命が伸びるっていうことは。
ただ、そこに寄与できるっていう、そういった使い方ができると、保険会社としてもハッピーというか、なんじゃないかなと思います。
確かに、ウィンウィンか。
僕らも健康であれば保険料少なくて済むし、保険会社も払わなくていいし。
今それこそ、健康、食べたものを日々記録して予想してくれるAIみたいなのがありますよね。アプリかなんかで。カロリー計算AIか。
そういうものと紐付けしていくと、会社としてもバリューがあるし、
顧客側としても自身の健康を維持するモチベーションになるっていう、そういうウィンウィンのものになるのかもしれないですよね。
そうですね。まさにそういう形ですよね。
繰り返しになりますけど、こういった使い方を考えなかったら考えなかったで、外から何か敵が来るっていう可能性が利用を継続していく上では考えなくちゃいけなくて、
そこにどううまくこういったテクノロジーを組み合わせていくのかなっていうのは大事になりますし、
ただあれですよね。みんな人間ですので、気をつけようと思ってもなかなか欲がまさって気をつけられないということが多かったりするじゃないですか。
そこが結構ポイントかなといつも思ってて、どういう風に行動を変えさせるかというか、
伴奏してあげるかということは大事なんじゃないかなって思いますね。
まとめと次回予告
すぐそうなりそうで、僕らが日本帰る頃になってそうですね。
待ってると思いますよ。アメリカでもそういうこと始まってるので。
そういう点では楽しみですけど、若干怖い気がしますね。
ディスクがわかってしまうっていう。
新しい分野というか、保険会社の人が研究をしていて、
しかも予防医療が保険とまた関与してくるっていうのは新しい観点ですごい面白かったです。
ありがとうございます。
というわけで、今回小澤さんのアメリカでの研究について伺ってきました。
また小澤さんには来週も引き続きお話を伺いたいと思います。よろしくお願いします。
アメリカンナイトGOLDは毎週日本時間の金曜0時に配信をしています。
番組のご意見・ご感想は、真下画面をおつけてSNSで呟いていただくか、
メールフォームにお寄せください。皆さんからのコメントをお待ちしています。
今までのお相手はNAKAMURAと小澤でした。また来週。