以大数据和AI技术，点亮健康生活（上篇）

往往在做完体检后，人们才会产生重新审视自我生活，并产生对拥有健康体魄的渴望。然而，对于大多数人来说，无法切实地感知自己付出的努力能够在多大程度的改善健康状况，是非常令人挫败的。所以，仅凭自我意愿改变生活习惯是非常困难的。

针对这个问题，东芝正在尝试将50多年研究历史的人工智能（Artificial Intelligence：AI）技术与大数据（来自140多年的制造经验）分析·发现价值的经验、以及灵活的软件开发能力相结合——东芝将与活跃于医疗最前线的医生合作开发解决方案，以促进我们的健康。上篇（本文）主要介绍实现生活习惯病的发病时期可视化的“疾病风险预测AI技术”。

一、业内专家：“活用AI的未来医疗”

“您听说过‘新陈代谢多米诺骨牌效应’这个名词吗？它是指生活习惯病（比如高血压、高血糖、血脂异常症等）像多米诺骨牌倒下时产生的连锁反应一样发展下去，最终使我们陷入严重影响生活的状态（例如：接受透析治疗、失明等），或者患上可能危及生命的疾病（例如：脑中风、心力衰竭等）。”

告诉我们这一点的是位于日本东京日本桥室町三井塔的Midtown Clinic总院院长——田口淳一医生。田口医生不仅在动脉硬化性疾病（例如：脑疾病和心脏疾病）方面具有丰富的专业知识和经验，而且广泛涉猎于内科疾病，例如：代谢综合征（内脏脂肪综合征）和糖尿病等。同时，田口医生还致力于活用全身体检或遗传信息，对疾病进行预防，拥有着丰富的从预防到治疗的知识和经验。据其称，在患上生活习惯病前的阶段属于代谢综合征，只要在这个阶段重新审视并改善自己的健康状况，就可以避免患上可能危及生命的疾病。

但是，无论医生在改善生活习惯方面给予我们怎样的指导，如果我们现在仍处于不痛不痒的状态，就很难改变自己的行为。因此，田口医生正在探讨“疾病风险预测AI”（由东芝开发）的活用事例。“疾病风险预测AI”会基于个人健康检查（体检）数据，模拟个人健康状态：照这样恶化下去的话，将来会患上某种生活习惯病。以个人数据作为依据，用数值显示非统一性的“患病风险”，有望大大提升医生对患者的说服力，从而让医生更好地运用专业知识和经验。田口医生强调：“其本质是将能够由AI通过数据处理完成的工作交由机器来实现，让医生专注于‘运用自身丰富的专业知识，对每个患者进行细致的指导’，这种指导只有一线临床医学专家才可以做到”。

日本桥室町三井塔Midtown Clinic总院院长
田口淳一医生

二、借助AI实现未来患病风险的可视化，改变我们的生活

株式会社东芝技术企划部的山口泰平将田口医生与东芝研究人员连结在一起，为实现“活用疾病风险预测AI”的具体解决方案铺设了一条道路。山口最初是以半导体技术员的身份进入东芝公司的，但由于他非常关注解决社会课题的业务领域，便毛遂自荐从事新业务。山口在谈及这一解决方案中蕴藏的想法时还说了下面一番话。

“大型企业长年积累了涉及员工体检或治疗药物的大量数据。我想，利用东芝的AI技术对这些数据进行分析，是不是可以在人们患上生活习惯病前的‘将病未病’阶段发出警告，从而改善人们的生活习惯呢？在超高龄社会，如何延长身心健康的生活时间（健康寿命）十分重要。我想让世人了解只有东芝才可以提供的解决方案，从全球老龄化速度最快的日本开始，走向全球。”

株式会社东芝 技术企划部 生命科学推进室
山口泰平

田口医生和东芝推进开发的解决方案如下。由“疾病风险预测AI”读取体检报告数据（例如：血压、腰围或饮酒频率等），便可以算出：若干年后（例如：1年后、2年后），现在的健康状态将发展至需要引起特别注意的阶段，甚至是异常阶段（生活习惯病）。预测对象包括6种疾病——糖尿病、肾病、肝病、高血压、血脂异常症、代谢综合征。此外，通过改变生活习惯（例如：运动或饮酒等）参数，生活习惯病的患病风险可以“降低”至何种程度，一目了然。仅查看体检数值无法判断疾病风险，但通过这种方式可以实现疾病风险的可视化，便于我们重新审视自己的生活。

疾病风险预测AI

此外，作为正在追加开发的解决方案，部分AI模型不仅可以预测风险，还可以算出目前应该完成的目标值。具体而言，也就是告知我们，“当我们希望把将来生活习惯病的患病风险降低至这个水平时，现在应该实现哪些具体目标”，便于我们制定符合个人情况的改善目标（例如：体重等）。同时，利用“疾病风险预测AI”和“目标值计算AI”这两个模型，就可以了解“根据您目前的情况，如果这样发展下去的话，在这个时期将会出现这种程度的生活习惯病患病风险”。此外，还以数值的形式标明了“目前需要在多大程度上改善生活习惯”之类的具体目标，以降低患病风险。根据这些目标数值，加上医生的指导，每个人都可以自觉地努力改善自己的生活。

为了实现这些解决方案，AI开发所需的“高质量数据”（例如：体检结果和医疗费账单^*等）是必不可少的。山口向东芝健康保险工会（东芝健保）和总务部寻求合作，希望可以将这些数据用于分析。原因在于：通过其他途径获得与流行病学相似的高质量数据并非易事，这些数据按时间顺序，存储了数十万人的体检结果和治疗药物的相关数据。但是，在处理数据时必须最大限度地保护个人信息。因此，在确保采取数据安全对策的同时，必须让东芝健康保险工会和总务部充分理解开发这一解决方案的必要性。因此，山口在逐个访问日本全国各地的负责东芝内部医疗的医生、保健师后，收集了医疗现场的课题，并提出这一解决方案，因而与他们成功构建了合作体制。
^*医疗机构向健康保险工会提交的每月医疗费用清单（包括：治疗药物等）

山口通过这种方式走访各大事务所，通过了解企业医务室的医生或员工的心声，亲身体会到了这一解决方案的意义所在。同时，再次确认了这一解决方案与医疗领域息息相关的重要性，以及继续保持真诚合作的必要性。因此，山口希望能够与各种机构合作，推广解决方案，让更多人使用这项AI技术。虽然其他企业也在推出与“疾病风险预测AI”类似的服务，但我们的AI模型除了可以达到较高的预测精度以外，还重视与各种机构在各自擅长的领域开展合作，共同创造出综合价值。

下期的《以制造和AI技术，点亮健康生活（下篇）》中，我们将介绍“疾病风险预测AI”的开发过程，以及我们对它的期待。