NVIDIA ヘルスケアと医療分野での生成AI活用　AIと自律型ロボットの重要性を語る

2025年5月8日 By ロボスタ編集部

NVIDIAは2025年4月17日、マクニカが主催する「NVIDIA ソブリンAIヘルスケア Day with Macnica」に参加。NVIDIAのヘルスケア担当者が登壇した。

AIを活用した医療技術開発が進歩し、創薬、医用画像処理、ヘルスケアロボットなど様々な分野でイノベーションが起きており、自国の中にデータ処理の基盤を持ち、国内のデータを使って日本のためのインテリジェンスを生み出すソブリンAIが今注目されている。

「NVIDIA ソブリンAIヘルスケア Day with Macnica」では、NVIDIAのヘルスケア担当バイスプレジデントであるキンバリーパウエル（Kimberly Powell）氏がNVIDIAの最新情報や日本のパートナーとの協業を紹介したほか、日本の企業や機関が登壇し、国内のAI開発を加速させる革新的なプロジェクトの数々を発表した。

すべての国の知識を民主化するというNVIDIAのミッション

冒頭でパウエル氏が「AIと医療の未来：デジタルとフィジカルの融合」と題した講演を行った。

パウエル氏は「テクノロジの革新が猛スピードで進む今日、日本はその恩恵を最大限に活かせる素晴らしいポジションにいます」と述べた。またあらゆる場所にコンピューター、AIを使うことで患者により良い臨床結果をもたらすことができると同時に、情報へのアクセスについては「主権」が非常に重要である。「NVIDIAの使命は、すべての国にとってこの能力を民主化することです。なぜなら知識は地域や国家単位で生み出され、維持されるべきものだからです。」日本政府もソブリンAIの実現のために多大な投資をしている。

AIエージェント、フィジカルAI時代の到来と医療ワークフローの革新

医療への支出は増加し続け、労働力不足も深刻であり、これがAIが必要とされる理由である。日本は10年以上に渡り医療データのデジタル化を進めてきました。そのデータを活用すればAIや自律システムによって労働力不足の一部を補うことが可能。

技術の進歩は高速であり、2012年のAlexNetのブレイクスルーによってコンピュータは人間よりも物体を識別、分類可能になり、放射線医学は変革された。さらに Transformerの登場により、非構造化データを用いてモデル自身が学習可能になり、さらに創造性も発揮するようになった。

そして今は自律的に仕事を行うソフトウェアであるエージェント領域へと急速に移行しつつある。AIエージェントは複数のモデルを組み合わせて各種医療ワークフローを実行できる。

次の大きなブレイクスルーはフィジカルAIである。フィジカルAIは物理世界がどのように機能するかを深く理解する世界モデルに基づくシステムであり、シミュレーションの活用により、これらのモデルをより速く、より高い回復力をもってトレーニングできる。労働力不足が拡大する中、AIと自律型ロボットはクリティカルなギャップを埋める上でますます重要になる。

NVIDIAは現在、医療における課題を解決するために 1) AIエージェントを医療サービスや臨床研究開発に活用するデジタルヘルス 2) 生物学研究や創薬分野などのデジタルバイオロジー 3) 医療機器やロボットなどのデジタルデバイスの3つの分野で AI の活用を促進している。

NVIDIA のAIエージェントプラットフォームとユースケース

パウエル氏はNVIDIAのAIエージェントプラットフォームの仕組みも説明。

NVIDIAは世界中のAIモデル開発者と連携し、彼らが開発したモデルを「マイクロサービス」に変換している。マイクロサービスとは高性能なAIモデルを持ち運び可能な「弁当箱」のようにまとめたもの。この「弁当箱」は、GPUがある場所ならどこでも展開可能となっている。これらのモデルには簡単にアクセスできるAPIエンドポイントが付属している。モデルを立ち上げたりカスタマイズを行うためのツールキットがNVIDIA NeMoフレームワークだ。特定産業向けアプリケーションの構築には、カスタムデータでファインチューニングが必要となる。

NVIDIA BlueprintはAIユースケースのためのリファレンスワークフローであり、開発者は複数のNIMマイクロサービスを組み合わせて、ドメイン固有のAIエージェントを構築するためのベストプラクティスに対する洞察を得ることができる。

ユースケースとして、パウエル氏はNaverによる高齢者向け見守り、会話サービスであるCLOVA CareCallを挙げた。これはNVIDIA Blueprintの一部であり、デジタルヒューマン開発のためのNVIDIA ACEプラットフォームとも連携し、視覚的なインタラクションによって高齢者の孤立防止に取り組んでいる。

術後のフォローアップを担当するエージェントもある。手術を終えて退院した患者にエージェントが「痛みの具合はその後どう？」といった電話をかけるのだ。これは患者と医療システム双方にとって有益であり、コスト削減にもつながるとしている。

臨床記録と会話の自動記録を手がけるAbridgeは、米国の医師の燃え尽き症候群に対処している。

Abridgが開発したアプリは患者と医師の会話内容を自動で構造化し、電子カルテに記録する。AIエージェントは電子カルテと統合することができるため、人手による多大な労力を必要とする臨床試験も効率化できる。その他の活用例としては、来院した患者を出迎えるエージェントや薬局から患者に連絡するエージェントなど、医療現場での幅広い応用が実証されている。

AIエージェントは創薬プロセスにも活用可能だ。

例えば、嚢胞性線維症の新たな治療ターゲットを探索する際、エージェントは何百もの科学論文を読んでインテリジェントに要約し、適切なターゲットタンパクと低分子を見つけ、新たなアイデアを探索し、最終結果をまとめた研究報告書を作成することができ、エージェント間のコラボレーションにより、かつては数ヶ月かかっていたプロセスを数日に短縮できる。意思決定のスピードと精度が大幅に向上した。

BioNeMoとNIM、Blueprintsを使ったアプリケーション開発

新たなシーケンシング、ハイスループットスクリーニング、CRISPRなどの技術により巨大なデータセットが生み出されている。

NVIDIAは米国のArc Instituteと、数千基のGPUを用いて世界最大規模のマルチモーダルゲノムモデルのトレーニングを行った。その知見はすべてNVIDIA BioNeMoに組み込まれている。得られたモデルはNIMマイクロサービスにする。複数のNIMマイクロサービスを組み合わせ、Blueprintとして構成することができる。パウエル氏は「これが次世代のソフトウェア開発の在り方です。数時間でアプリケーションを構築し、数分で展開することが可能になったのです」と語った。

もちろん今後も実験は必要である。実験結果はIPそのもので、重要なことはデータや IPを研究者が使える知性とするための「はずみ車」を回さなければならないことだ。ここにAIエージェントを加えて議論し、次の実験設計を改良する。これが「科学の未来」である。

AIエージェントによる創薬の生産性革命

世界中の製薬関連企業が、AIで研究開発の生産性を向上させている。

米国ではInsilico Medicineが標的分子の特定から候補物質の確定までをわずか 13か月で実現した。しかも合成した化合物はわずか70種類だった。日本でも主要な先進企業が AI創薬に取り組むため、製薬業界向けのAIスパコンプロジェクト、Tokyo-1を活用している。アステラス製薬はAIを活用して従来2年かかっていたリード最適化を7か月に短縮。また、第一三共は60億分子を2ヶ月でスクリーニングした。

「AI創薬はすべての製薬会社やバイオ企業が取り入れるべきパラダイムシフトです。NVIDIAでは創薬の多くの工程で活用できるモデル群を用意しています。NVIDIAのAI ポータルにアクセスすれば、タンパク質の配列を入力するだけでその立体構造を予測できます。数年前まで博士号の専門知識と数日〜数週間を要した作業が、今では大幅に短縮することが可能になりました。」とパウエル氏は言う。

ヘルスケアは「物理的な」産業：あらゆる病室にセンサーとロボットが配置

患者は一人ひとり異なり、状況も異なるため、医療は最も物理的で複雑な業界である。

デジタルツインはワークフローや医療機器の運用方法を最適化できる。将来の病室には多数のセンサーやロボットデバイスが常設されるでしょう。ロボットには手術支援のような繊細な動作が必要である。

究極の目標は、「人体の解剖学的デジタルツイン」を作ることであり、高精度な医療ロボットをトレーニングするためにも不可欠だ。「最終的には、人間が到達できない領域にまでアプローチできるロボットが生まれるかもしれません」とパウエル氏は語った。

ヘルスケアAIロボティクス開発のための 3 つのコンピューター

NVIDIAは、ヘルスケアロボットのためのフィジカルAIを構築するためには3つのコンピューターが必要だと考えている。事前にトレーニングされたモデルとエージェントAIフレームワークのためのMONAI、物理ベースの解剖学、センサー、医療機器のシミュレーションのためにOmniverse上に構築されたIsaac for Healthcare、そして医療機器にリアルタイムのAIを実装するためのNVIDIA Holoscanである。

これらのプラットフォームを活用した、全く新しい医療ロボットが登場している。

SynchronはALS患者が使える埋め込み型のBCIデバイスを開発。Moon Surgicalは世界初の「自律動作する手術ロボット」を展開している。音声で対話して医療記録などを呼び出し、手術プランニングに役立てることもできる。Virtual Incisionは宇宙空間での手術を可能にする技術に取り組んでいる。

NVIDIAが描く未来

「将来、人は病院に行かずとも、AIエージェントやロボットが常駐するコンビニや公共のキオスク端末に立ち寄り、健康チェックが受けられるようになるでしょう。看護師ではなくエージェントとロボットが対応し、データはセキュアに医療チームへと送信される。これが、国民全体レベルで予防医療を実現する唯一の方法で、確実に起こる未来です」とパウエル氏は語った。

「これがNVIDIAが構築している未来のビジョンです。デジタルヘルス、デジタル生物学、デジタルデバイスのエージェントが医療人材の不足、医師の燃え尽き、医療費の高騰といった課題に対処し、予防医療や精密医療を全ての人に平等に届けるのです」と講演を締め括った。

生成AIで日本の医療現場の課題に挑む

続いて、NVIDIAのプラットフォームを活用する日本の企業や機関が登壇した。

栃木県大田原市にある那須赤十字病院では、医師の業務負担となる事務作業の削減と患者情報管理のために生成AIの導入を推進している。同病院で病院情報システムの管理を務める課長の宮内昭広氏は、「オンプレミス型生成AIサーバーによる院内業務手順の簡素化」と題した講演でそのプロジェクトの概要を今回初めて公開した。

誰もが使いやすい自然対話型のシステムが生成AIに求められるが、患者情報の情報漏洩の懸念から、手軽でオープンな外部のクラウドサービスは使用できない。そのため、院内にNVIDIA GPUを搭載したAIサーバーを設置し、院内データのみを使用して「問えば答える」手法のAIシステムを構築。まずは、カルテ情報から退院サマリを自動作成するタスクの試験運用を1月より開始。その結果、このタスクを医師やメディカルクラークが手動で行う場合、患者一人あたり平均32.8分かかるのに対し、AIシステムによって52.8%削減され、15.5分に短縮された。年間11,040名の患者が入院した場合、削減効果として3,000時間以上の削減になる。これにより、メディカルクラークの体制も圧縮することができる。

今後、安全管理のための診療手順のチェック、院内規約やマニュアルの検索、読影医の音声文字起こしなどさまざまなデータを活用し、システムの利用場面を拡張していく体制も整備している。事務作業の削減は職員が患者さんに向き合う時間を増やすことにつながるため、本来の目的を維持しながら進めなければならない。これをオンプレミスのシステムにより利用者が増加してもライセンス費用を増大させることなく、院内全職員、地域連携施設へ安価に提供できるというメリットもあり、今後赤十字病院グループのみならず多くの病院で活用される新しいインフラが整いつつある。

日本語の医療LLMの開発やLLMを用いた事業が活発化

生成AIシステムを医療現場に導入する動きは今後国内で拡大すると見られている。そこで欠かせないのは、日本固有の医療現場に根差した大規模言語モデルである。

国立情報学研究所(NII) の所長を務める黒橋禎夫氏は、「透明性の高いソブリン日本語医療LLMの開発」と題した講演を行った。

NIIは内閣府が主導する戦略的イノベーション創造プログラム (SIP）第３期「統合型ヘルスケアシステムの構築」に参加し、生成AIモデルの高度化に資する研究開発に取り組んでいる。このプロジェクトで開発したのが、医療に特化した日本語の大規模言語モデル「SIP-jmed-llm-2-13b」、「SIP-jmed-llm-2-172b」、「SIP-jmed-llm-2-8x13b」。国立情報学研究所の大規模言語モデル研究開発センター（LLMC）が主宰する LLM勉強会（LLM-jp）のLLM-jp-3シリーズをベースにしている。オープンかつ日本語に強い大規模言語モデルであるLLM-jp-3シリーズに、さらにウェブから収集したテキストや医療テキスト等を追加して、32ノードの8台のNVIDIA H100サーバーからなる計算環境を用いてトレーニングしたこのモデルは、日本の医師国家試験にも合格する性能を達成している。

日本固有の医療現場に根差した大規模言語モデルは、医療現場での文書作成業務の効率化や医師の診断支援など多様な場面での活用が想定され、国内の医療費や人件費の削減、医療現場における人手不足の解消などへの貢献につながることが期待される。「SIP-jmed-llm-2」シリーズは商用利用を含めた複数のライセンス形態での提供が予定されており、最初はオープンソースライセンスモデルについて、4月末より提供される予定だ。

また、大規模病院向け電子カルテ事業でトップシェアを誇る富士通株式会社のHealthy Living事業部長、荒木達樹氏は「医療データ・AIを用いた創薬開発・医療提供体制の変革」と題して、同社のヘルスケアおよびライフサイエンス事業について講演を行った。

同社は、業務・日本語特化型LLMを用いて医療データを構造化する事業に注力しており、当該本事業を通じて利活用可能になった医療データを、ヘルスケア AIエージェントを通じて利活用する方針を示すとともに、本当該事業におけるNVIDIA NIM マイクロサービスやNVIDIA Blueprintの活用可能性について説明した。

GENIAC支援対象機関のプロジェクトが加速

本イベントでは、GENIAC (Generative AI Accelerator Challenge) の支援対象事業者も 3機関登壇し、採択プロジェクトの最新の進歩を共有した。

GENIACは経済産業省が昨年2月に開始した日本国内の生成AI開発力を強化するためのプロジェクトであり、生成AIの核となる基盤モデル開発を支援することで、日本の国際競争力を高めることを目的としている。

東京大学松尾研発のスタートアップEQUESのCTO、助田一晟氏は「薬学分野・製薬業務に特化したLLM開発」と題した講演を行った。

同社は最近、品質保証のための文書作成業務を大幅に効率化するサービス、QAI-Generatorをリリースしている。これは、簡単な入力操作で定型化された変更申請書の作成を支援するもので、文書処理の迅速化と正確性の確保を実現する。セキュリティ面に懸念を持つユーザーにはローカルLLMで対応しており、今回GENIACで開発を進めてきたドメイン特化型モデルの活用を見込んでいる。今後は、製薬業界向けにNVIDIA NIMマイクロサービスを活用したLLMの提供や、AI活用のハンズオン研修など、包括的な展開も検討している。

分子設計とAI技術の革新を追求するSyntheticGestaltのCEO、島田幸輝氏は「日本から世界へ！GENIACで開発された世界最大の分子基盤モデル」と題した講演を行った。

同社は世界最大規模となる100億件の多様な化合物データを用いて訓練された低分子情報専用の基盤モデル、SG4D10BをNVIDIA Hopperアーキテクチャの GPUを活用して開発。このモデルは従来の分子AI開発における課題であったデータ量の制約と分子情報の複雑さを克服し、23種類の公開ベンチマークすべてにおいて最先端の性能を達成している。この基盤モデルにより、これまで難しかった AIの分子情報への適用を容易にし、AIによる新規化合物の発見を可能にしている。

ヒューマノーム研究所の代表取締役社長である瀬々潤氏は「創薬・生命科学を加速する遺伝子発現量基盤モデルの開発」と題した講演を実施。AMED支援のもと、国立がん研究センターらと患者情報を活用し創薬プロセス改善のためのAI開発を推進中だ。NVIDIA HopperアーキテクチャのGPUを活用し、遺伝子発現量を予測する世界最大規模の基盤モデル、CellScribeを開発しており、創薬や生命科学研究の加速を目指している。