内科

消化器内科

循環器内科

呼吸器内科

血液内科

糖尿病内分泌代謝内科

腎臓内科

アレ膠リウマチ内科

脳神経内科

総合診療科

アレルギー科

腫瘍内科

老年内科

感染症科

緩和ケア科

救急科

集中治療科

外科

消化器外科

呼吸器外科

乳腺外科

整形外科

脳神経外科

泌尿器科

形成外科

歯科口腔外科

リハビリテーション科

心臓血管外科

頭頸部外科

小児科

産婦人科

精神科

放射線科

麻酔科

産業医

初期研修医

漢方医学

病理診断科

基礎医学系

皮膚科

眼科

耳鼻咽喉科

医学生

その他

イメージで理解する人工知能 〜入門編〜

イメージで理解する人工知能〜入門編〜 第2回 United Medical Leaders Summit 2017.08.19 沖山 翔 

どこからが人工知能 (AI) ？ ハード： ソフト： 自動ドア　＜ エクセル　＜ ＜ 知的ロボット アルファ碁 「人工知能」に定義はなく、主観的なもの ＜ ルンバ 乗換案内 

医療 × AI ELIZA (1966) MYCIN (1975) 感染症の治療方針を提示。一般内科医を上回る正確性（膨大なYes/Noのフローチャート方式） カウンセリング式の対話型プログラム（世界初のチャットボット） 医療 × AI の歴史は長い 

医療 × AI ELIZA (1966) MYCIN (1975) 感染症の治療方針を提示。一般内科医を上回る正確性（膨大なYes/Noのフローチャート方式） カウンセリング式の対話型プログラム（世界初のチャットボット） Siri (2011) Watson (2011) 医療 × AI の歴史は長い 

AIの種類 人工知能 機械学習 アルファ碁 画像認識 AI in the 1980’s  「AならばB」 真に “知的” なAI現状の延長線上にはない 自動翻訳 

機械学習の事例 ロバート ガルブレイス名義で出版 (2013)新人作家の割に不自然な完成度で疑惑浮上 en.wikipedia.org - The Cuckoo's Calling 

機械学習の事例 ロバート ガルブレイス名義で出版 (2013)新人作家の割に不自然な完成度で疑惑浮上 誰の本？ JKローリング。 en.wikipedia.org - The Cuckoo's Calling （検証） 

機械学習のしくみ 学習 共通するパターンを見出す 大量の情報が必要 データとラベル（文章と著者名） この文体は漱石この文体は太宰… 推論 パターンに当てはめて回答 知的に考えている訳ではなく、 パターン処理（統計処理）が本質 

ではパターンとは何か？ 「この文体は漱石、この文体は太宰…」 データとラベルを結びつける法則のこと 　一定の法則 データ ラベル 

三者の関係 データ ラベル 法則 × ＝ 3つのうち、2つが分かれば残りが求められる データ&ラベル のペアが沢山あれば、それをつなぐ 法則 が自然と浮かび上がる 

1.「学習」とは？ 学習：データとラベルから法則を見出すこと データ ラベル 　　 ？？？ ここを学習（=法則を見出す） 

2.「推論」とは？ 推論：データと法則からラベルを予測すること データ ここを予測する 学習済み 　一定の法則 

機械学習まとめ データ&ラベルのペア多数から、 法則（パターン）を見出し、 初見のデータを投入してラベル予測 学習 推論 

ここまでに紹介した機械学習 データ 法則 1 対 1 対 1 のシンプルな関係性を反復することで学習 これを並列・多層化したのがディープラーニング ラベル 

ディープラーニング：複数層の処理 データ1 データ2 データ3 データ4 ラベル1 ラベル2 ラベル3 法則1 法則2 ラベル4 法則3 一度に複数のデータや法則。何層もあることから、「深層学習 (deep learning)」 

ディープラーニング：重み付け データ1 データ2 データ3 データ4 ラベル1 ラベル2 ラベル3 法則1 法則2 ラベル4 法則3 項目ごとの 影響力（重み）を学習する。精度が飛躍的に向上 （「漱石度」なら…  “吾輩” : +80% , “猫” : +20% , “木” : ±0%） 

ディープラーニングの位置付け 

なぜいま AI なのか クラウド化による大量のデータ 大量のデータ GPUによる並列処理、計算速度の向上 ハードウェアの進化 Pepper、アルファ碁　世間からの期待感 キャッチーな事例 

医療応用の可能性はどこに？ 課題が大きい + 不均一な課題が混合 × 医師それぞれの専門の疾患 掛け算した均一部分に可能性 

“Project Emma”（動画）https://youtu.be/k9Rm-U9havE 

患者にフォーカスした課題 こちらでもいいが… ここにこそ可能性が 「医療 × AIで、　デカいことやりたい！」 「神経疾患の、パーキンソン症候群の、症状の、振戦。困ってる人を何とかしたい！」 細かくても大きな悩みが病気の数だけ無数にあるのが医療 

ブログ  http://okiyamasho.com ・略歴2010 –  東京大学医学部卒業2012 –  救命救急医（日赤医療センター）2013 –  ドクターヘリ、離島医療（石垣島、波照間島）2015 –  株式会社メドレー（執行役員）2017 –  フリー（研究者/情報学）・所属学会人工知能学会、情報処理学会、日本救急医学会（専門医）、日本内科学会 沖山 翔（おきやま しょう） 

データとラベルの関係性と学習

ディープラーニングの仕組みと応用

医療分野におけるAIの課題と展望

関連するスライド

直腸脱の治療を諦めさせないで！

ブラウザだけで Table 1 (サマリー表、患者背景) を爆速で作る

学会のスライドに使うフォント

「がっかりスライド」をつくらない方法

イメージで理解する人工知能〜入門編〜

概要

本スライドの対象者

関連するスライド

沖山翔さんの他の投稿スライド

このスライドと同じ診療科のスライド

人工知能の定義と歴史的背景