[論文レビュー] Recent Advances in Generative AI for Healthcare Applications

Yasin Shokrollahi, Colmenarez, Jose+6 more|arXiv (Cornell University)|Oct 1, 2023

AI in cancer detection被引用数 19

ひとこと要約

このレビューは、拡散モデルとトランスフォーマー生成AIモデルが、医療画像診断、タンパク質構造設計、ドキュメンテーション、診断、放射線診断、意思決定支援、コーディング、請求、薬剤設計、および分子表現の分野で医療をどのように進展させているかを概説し、能力、制限、および今後の方向性を概説する。

ABSTRACT

The rapid advancement of Artificial Intelligence (AI) has catalyzed revolutionary changes across various sectors, notably in healthcare. In particular, generative AI-led by diffusion models and transformer architectures-has enabled significant breakthroughs in medical imaging (including image reconstruction, image-to-image translation, generation, and classification), protein structure prediction, clinical documentation, diagnostic assistance, radiology interpretation, clinical decision support, medical coding, and billing, as well as drug design and molecular representation. These innovations have enhanced clinical diagnosis, data reconstruction, and drug synthesis. This review paper aims to offer a comprehensive synthesis of recent advances in healthcare applications of generative AI, with an emphasis on diffusion and transformer models. Moreover, we discuss current capabilities, highlight existing limitations, and outline promising research directions to address emerging challenges. Serving as both a reference for researchers and a guide for practitioners, this work offers an integrated view of the state of the art, its impact on healthcare, and its future potential.

研究の動機と目的

• 医療における生成AIの現状の能力を主要領域で要約する。
• 進展を牽引する支配的なモデルアーキテクチャ（拡散モデルとトランスフォーマー）を特定する。
• 臨床現場での実務的な制限、リスク、倫理的配慮を評価する。
• 将来の課題と有望な方向性を整理する。
• 研究者と実務者のニーズを橋渡しし、最先端の応用を強調する。

提案手法

• 拡散モデルとトランスフォーマーを重視した最近の文献およびarXivプレプリントのエビデンスを統合する。
• 応用を領域別に整理する（医療画像、タンパク質設計、臨床文書、診断、放射線診断、CDS、コーディング、薬剤設計）。
• 臨床ワークフローとアウトカムに対する能力、制限、影響を分析する。
• 新たな課題を特定し、それらに対処する可能な方向性を提案する。

実験結果

リサーチクエスチョン

• RQ1 医療における生成AIの現状の能力と成功領域は何か。
• RQ2 臨床展開を制約する制限、リスク、倫理的配慮は何か。
• RQ3 拡散モデルとトランスフォーマーを基盤とする医療AIを進展させる最も有望な研究方向は何か。
• RQ4 生成モデルは臨床文書、意思決定支援、および薬剤設計のワークフローにどのような影響を与えるか。

主な発見

• 拡散モデルとトランスフォーマーを先導とする生成AIは、医療画像、タンパク質構造予測、臨床文書、診断、放射線診断の解釈、CDS、医療コーディング、および薬剤設計の分野で進展を可能にする。
• データ再構成、画像翻訳、生成、分類など、医療コンテキストでの顕著な進歩を強調している。
• データ品質、頑健性、一般化、解釈性、臨床現場での導入などの制限と課題が論じられている。
• 出現する課題に対処し、能力を臨床的インパクトへ転換するための実践的な研究方向を概説している。
• 本研究は研究者の参考資料として、最先端技術と将来の潜在的応用について実務者のガイドとして機能する。