往往在做完體檢后，人們才會產生重新審視自我生活，并產生對擁有健康體魄的渴望。然而，對于大多數人來說，無法切實地感知自己付出的努力能夠在多大程度的改善健康狀況，是非常令人挫敗的。所以，僅憑自我意愿改變生活習慣是非常困難的。

針對這個問題，東芝正在嘗試將50多年研究歷史的人工智能（Artificial Intelligence：AI）技術與大數據（來自140多年的制造經驗）分析·發現價值的經驗、以及靈活的軟件開發能力相結合——東芝將與活躍于醫療最前線的醫生合作開發解決方案，以促進我們的健康。上篇（本文）主要介紹實現生活習慣病的發病時期可視化的“疾病風險預測AI技術”。

一、業內專家：“活用AI的未來醫療”

“您聽說過‘新陳代謝多米諾骨牌效應’這個名詞嗎？它是指生活習慣病（比如高血壓、高血糖、血脂異常癥等）像多米諾骨牌倒下時產生的連鎖反應一樣發展下去，最終使我們陷入嚴重影響生活的狀態（例如：接受透析治療、失明等），或者患上可能危及生命的疾?。ɡ纾耗X中風、心力衰竭等）?！?/p>

告訴我們這一點的是位于日本東京日本橋室町三井塔的Midtown Clinic總院院長——田口淳一醫生。田口醫生不僅在動脈硬化性疾?。ɡ纾耗X疾病和心臟疾?。┓矫婢哂胸S富的專業知識和經驗，而且廣泛涉獵于內科疾病，例如：代謝綜合征（內臟脂肪綜合征）和糖尿病等。同時，田口醫生還致力于活用全身體檢或遺傳信息，對疾病進行預防，擁有著豐富的從預防到治療的知識和經驗。據其稱，在患上生活習慣病前的階段屬于代謝綜合征，只要在這個階段重新審視并改善自己的健康狀況，就可以避免患上可能危及生命的疾病。

但是，無論醫生在改善生活習慣方面給予我們怎樣的指導，如果我們現在仍處于不痛不癢的狀態，就很難改變自己的行為。因此，田口醫生正在探討“疾病風險預測AI”（由東芝開發）的活用事例?！凹膊★L險預測AI”會基于個人健康檢查（體檢）數據，模擬個人健康狀態：照這樣惡化下去的話，將來會患上某種生活習慣病。以個人數據作為依據，用數值顯示非統一性的“患病風險”，有望大大提升醫生對患者的說服力，從而讓醫生更好地運用專業知識和經驗。田口醫生強調：“其本質是將能夠由AI通過數據處理完成的工作交由機器來實現，讓醫生專注于‘運用自身豐富的專業知識，對每個患者進行細致的指導’，這種指導只有一線臨床醫學專家才可以做到”。

日本橋室町三井塔Midtown Clinic總院院長
田口淳一醫生

二、借助AI實現未來患病風險的可視化，改變我們的生活

株式會社東芝技術企劃部的山口泰平將田口醫生與東芝研究人員連結在一起，為實現“活用疾病風險預測AI”的具體解決方案鋪設了一條道路。山口最初是以半導體技術員的身份進入東芝公司的，但由于他非常關注解決社會課題的業務領域，便毛遂自薦從事新業務。山口在談及這一解決方案中蘊藏的想法時還說了下面一番話。

“大型企業長年積累了涉及員工體檢或治療藥物的大量數據。我想，利用東芝的AI技術對這些數據進行分析，是不是可以在人們患上生活習慣病前的‘將病未病’階段發出警告，從而改善人們的生活習慣呢？在超高齡社會，如何延長身心健康的生活時間（健康壽命）十分重要。我想讓世人了解只有東芝才可以提供的解決方案，從全球老齡化速度最快的日本開始，走向全球?！?/p>

株式會社東芝 技術企劃部 生命科學推進室
山口泰平

田口醫生和東芝推進開發的解決方案如下。由“疾病風險預測AI”讀取體檢報告數據（例如：血壓、腰圍或飲酒頻率等），便可以算出：若干年后（例如：1年后、2年后），現在的健康狀態將發展至需要引起特別注意的階段，甚至是異常階段（生活習慣病）。預測對象包括6種疾病——糖尿病、腎病、肝病、高血壓、血脂異常癥、代謝綜合征。此外，通過改變生活習慣（例如：運動或飲酒等）參數，生活習慣病的患病風險可以“降低”至何種程度，一目了然。僅查看體檢數值無法判斷疾病風險，但通過這種方式可以實現疾病風險的可視化，便于我們重新審視自己的生活。

疾病風險預測AI

此外，作為正在追加開發的解決方案，部分AI模型不僅可以預測風險，還可以算出目前應該完成的目標值。具體而言，也就是告知我們，“當我們希望把將來生活習慣病的患病風險降低至這個水平時，現在應該實現哪些具體目標”，便于我們制定符合個人情況的改善目標（例如：體重等）。同時，利用“疾病風險預測AI”和“目標值計算AI”這兩個模型，就可以了解“根據您目前的情況，如果這樣發展下去的話，在這個時期將會出現這種程度的生活習慣病患病風險”。此外，還以數值的形式標明了“目前需要在多大程度上改善生活習慣”之類的具體目標，以降低患病風險。根據這些目標數值，加上醫生的指導，每個人都可以自覺地努力改善自己的生活。

為了實現這些解決方案，AI開發所需的“高質量數據”（例如：體檢結果和醫療費賬單^*等）是必不可少的。山口向東芝健康保險工會（東芝健保）和總務部尋求合作，希望可以將這些數據用于分析。原因在于：通過其他途徑獲得與流行病學相似的高質量數據并非易事，這些數據按時間順序，存儲了數十萬人的體檢結果和治療藥物的相關數據。但是，在處理數據時必須最大限度地保護個人信息。因此，在確保采取數據安全對策的同時，必須讓東芝健康保險工會和總務部充分理解開發這一解決方案的必要性。因此，山口在逐個訪問日本全國各地的負責東芝內部醫療的醫生、保健師后，收集了醫療現場的課題，并提出這一解決方案，因而與他們成功構建了合作體制。
^*醫療機構向健康保險工會提交的每月醫療費用清單（包括：治療藥物等）

山口通過這種方式走訪各大事務所，通過了解企業醫務室的醫生或員工的心聲，親身體會到了這一解決方案的意義所在。同時，再次確認了這一解決方案與醫療領域息息相關的重要性，以及繼續保持真誠合作的必要性。因此，山口希望能夠與各種機構合作，推廣解決方案，讓更多人使用這項AI技術。雖然其他企業也在推出與“疾病風險預測AI”類似的服務，但我們的AI模型除了可以達到較高的預測精度以外，還重視與各種機構在各自擅長的領域開展合作，共同創造出綜合價值。

下期的《以制造和AI技術，點亮健康生活（下篇）》中，我們將介紹“疾病風險預測AI”的開發過程，以及我們對它的期待。