WordbookGet the appGet app

0:00 / 39:19Line 1 of 512

C2HealthOct 23, 2026

Top UCSF Doctor: How to Use AI for Your Health (Without Bad Advice)

UCSFトップ医師：誤ったアドバイスなしにAIを健康に活用する方法

Silicon Valley Girl12 videos Open on YouTube

Transcript

512 lines

0 learning0 looked up0 known1181 new

Translation

There's no question.
疑問の余地はありません。
If the AI gets to the point that it's right 90% of the time, and the doctor is right 75% of the time, then you really don't want the doctor in the loop.
AIが90%の確率で正しくなり、医師が75%の確率で正しいという段階になれば、医師を介在させたくはないでしょう。
This is Dr.
こちらはドクター、
Robert Walker.
ロバート・ウォーカーです。
He runs the Department of Medicine at UCSF.
彼はUCSFの医学部門を統括しています。
A thousand doctors.
千人の医師たちです。
So I asked him how to use AI for my health and when to call a doctor instead.
そこで私は彼に、健康のためにAIをどう使うべきか、そして医師に相談すべきなのはいつかを尋ねました。
I think the AI curing cancer, curing Alzheimer's, is probably the most hyped, overhyped area of AI meets healthcare.
AIががんを治す、アルツハイマーを治すというのは、おそらくAIと医療の分野で最も誇大に宣伝され、過大評価されている領域だと思います。
A lot of companies have a really strong interest in getting.
多くの企業がそれを実現することに非常に強い関心を持っています。
You just gave them an extra hundred million dollars.
あなたは彼らにさらに1億ドルを与えたことになります。
They'd have it done by next week.
来週までにはやり遂げるでしょう。
And what is the right way to ask questions?
そして質問の正しい聞き方は何でしょうか？
You don't want the human fold protocol, and this is exactly what AI does.
ヒューマンフォールドプロトコルは望ましくありません、そしてこれはまさにAIが行うことです。
To me, the two main dimensions here are what are the most common and what are the most serious, and those are two different answers.
私にとって、ここでの2つの主な側面は、最も一般的なものは何か、そして最も深刻なものは何かということであり、それらは2つの異なる答えです。
There's this huge debate going on whether we'll need doctors in five years.
5年後に医師が必要になるかどうかについて大きな議論が続いています。
There was just this paper by Venotkosla and his son where they were arguing that doctors can even make it worse.
ヴェノトコスラ氏とその息子による論文がちょうど出たばかりで、彼らは医師が事態を悪化させることさえあると主張していました。
Can you talk to me about it?
それについて話していただけますか？
Will we still need doctors in five years?
5年後もまだ医師は必要でしょうか？
What's going on with AI and healthcare in 2016?
2016年のAIと医療はどうなっているのでしょうか？
Jeff Hinton, the founding father of generative AI, gave a speech in Toronto,
生成AIの創始者であるジェフ・ヒントンがトロントで講演を行い、
and he said we should stop training radiologists now because it's obvious that within five years we won't need any.
今から放射線科医の養成をやめるべきだと言いました。5年以内に不要になるのは明らかだからです。
And I can tell you at UCSF today, the medical system I work in, we can't hire radiologists fast enough.
そして私が今日働いているUCSFの医療システムでは、放射線科医をいくら雇っても足りないと言えます。
So predictions and Venotkosla has been predicting the demise of doctors since 2012, and and not yet.
予測について言えば、ヴェノトコスラ氏は2012年から医師の終焉を予測してきましたが、まだそうなっていません。
And I actually don't know any unemployed doctors.
そして実際、失業中の医師を私は一人も知りません。
So I think that AI will expand the the capacity of doctors to do more.
だからAIは医師がより多くのことを行う能力を拡大すると思います。
I do think there are certain things that doctors do now that AI could do and do well, and maybe at times better.
医師が今行っていることの中には、AIができるし上手にできる、時にはより良くできるものもあると思います。
But and I, if you take radiology, which is the field that's probably most threatened
しかし、AIによって最も脅かされている分野である放射線科を例にとると、
by AI, if you think about it, it's looking at a collection of digital dots and comparing them to a pattern,
考えてみれば、それはデジタルの点の集まりを見てパターンと比較することです。
and yet it has not replaced radiologists yet.
それでもまだ放射線科医に取って代わってはいません。
So within five years there will definitely be doctors.
だから5年以内には間違いなく医師はいるでしょう。
Within twenty years, I could see a world where you're getting a decent amount of your healthcare from from AI,
20年以内には、医療のかなりの部分をAIから受けている世界が見えてくると思いますが、
but I still think you're going to want a doctor telling you that you have diabetes or cancer or
それでも糖尿病やがんと告げてくれる医師や、
or holding your hand through difficult times or making the judgment about whether you do or don't need surgery.
辛い時に手を握ってくれたり、手術が必要かどうかを判断してくれる医師は必要だと思います。
Those sorts of things.
そういうことです。
Where I think things are very interesting now is the AI now is good enough to be useful and not perfect perfect enough to be entirely trusted.
今非常に興味深いと思うのは、AIが役に立つほど十分に優れているが、完全に信頼できるほど完璧ではないという点です。
So how good is the AI these days?
では最近のAIはどれほど優れているのでしょうか？
Because there was another research showing that AI without a doctor is actually more precise, and when you have a human in the loop that can suggest some thoughts about what the diagnosis should be,
医師なしのAIの方が実際により正確で、診断についての考えを提案できる人間が介在すると、
then AI can make mistakes.
AIが間違いを犯す可能性があるという別の研究もありましたが、
Can you talk to me is clear.
明確にお話しいただけますか。
I think that that that AI there there are times now where the AI is so good
AIは今や非常に優れていて、そういう時があると思います
that if the doctor is the human in the loop at the end, that they can screw things up.
最後に人間である医師が介在すると、かえって台無しにしてしまうことがあるのです。
There's no question, and it's sort of logical.
それは間違いなく、ある意味論理的です。
If the AI gets to the point that it's right 90 of the time, and the doctor is right 75 of the time,
AIが90%の確率で正しく、医師が75%の確率で正しいという段階になれば、
then you really don't want the doctor in the loop because they're more likely to degrade the performance of the of the dyad than than improve it.
医師を介在させたくないのです。なぜなら二者の組み合わせの性能を改善するよりも低下させる可能性が高いからです。
The problem is there are a few different problems, but a big one is when these studies are done.
問題はいくつかありますが、大きな一つはこれらの研究が行われる際のことです。
They are often taking a case, distilling it down to its essence, and feeding it into the AI tool.
症例を取り上げ、その本質だけを抽出してAIツールに入力することが多いのです。
What I mean by that is if I saw you in the office.
つまり、もし私が診察室であなたを診たとしたら、ということです。
I might learn 200 things about you today.
今日あなたについて200ものことを知るかもしれません。
You tell me you have a headache, or you have a rash, or your stomach hurts.
頭痛があるとか、発疹があるとか、お腹が痛いとか言われるでしょう。
But I also have your past record, and your past record says you have had diabetes or asthma, or you have a family history of something, or you recently traveled to Russia, or you name it.
しかし過去の記録もあり、その記録には糖尿病や喘息があるとか、家族歴があるとか、最近ロシアに旅行したとか、何でも書かれています。
The act of doctoring is a very big and pretty complex thing that I do that patients can't, which is take those 200 facts and distill it down into:
医師としての行為は、私が行う非常に大きくてかなり複雑なことであり、患者にはできないことですが、それはその200の事実を取り上げて、次のように要約することです：
This is a 30-year-old woman who comes in with a history of diabetes and high blood pressure, who has a headache that's lasted for four hours.
こちらは30歳の女性で、糖尿病と高血圧の既往があり、4時間続く頭痛を訴えて来院しました。
She's on this medicine, that medicine.
彼女はこの薬、あの薬を服用しています。
What do you think is going on?
何が起きていると思いますか？
The patient doesn't really know which of those 200 facts are the salient facts to put into the bot.
患者は、その200の事実のうちどれがボットに入力すべき重要な事実なのか、実際にはよく分かっていないのです。
And in a few studies where the same tool that I find really useful,
そして、私が本当に役立つと感じる同じツールを使ったいくつかの研究では、
patients have used that tool and gotten the wrong answer because they often really have no idea what to go, what to put in the tool.
患者がそのツールを使って間違った答えを得ています、なぜなら彼らはしばしば何を、ツールに何を入れるべきか全く見当がつかないからです。
I think I can see a world where you're getting your cholesterol treated, your blood pressure treated, your urinary tract infection treated by AI.
コレステロールの治療や、血圧の治療、尿路感染症の治療をAIに受けている世界が見えると思います。
Things that are really pretty straightforward and pretty algorithmic.
本当にかなり単純明快で、かなりアルゴリズム的なことです。
I think a lot of it will be and probably should be replaced by AI.
その多くはAIに置き換えられるだろうし、おそらく置き換えられるべきだと思います。
I think it'll be more convenient.
もっと便利になると思います。
It'll be less expensive.
費用も安くなるでしょう。
On the other hand, I was on clinical service at UCSF last week in the hospital, taking care of wildly sick patients,
一方で、先週UCSFの病院で臨床勤務につき、非常に重症の患者さんたちを診ていました、
and my average day was talking to three different family members of an elderly father
私の平均的な一日は、転移性がんを持つ高齢の父親の3人の異なる家族と話すことでした
who had metastatic cancer, trying to decide do we keep going or do we pull the plug,
治療を続けるべきか、それとも延命措置をやめるべきかを決めようとしたり、
or similar issues like that.
あるいはそれに類する問題についてでした。
And in trying to think of like, can you imagine an AI having that conversation with the three family members sitting there, looking them in the eye, holding their hands, hugging them?
そして考えてみると、AIがそこに座る3人の家族と会話し、目を見て、手を握り、抱きしめる姿を想像できますか？
I think there's a lot of medicine that's like that—that's too complex and too emotional.
医療の多くはそういうものだと思います—複雑すぎて、感情的すぎるのです。
So, the answer, like most complicated questions, would be somewhere in between, and it'll change over time as we get more comfortable with the technology.
だから答えは、ほとんどの複雑な問いと同様に、その中間のどこかにあり、技術に慣れるにつれて時間とともに変わっていくでしょう。
100.
100。
And you wouldn't really trust AI with a complicated decision.
そして複雑な決断をAIに任せることはあまり信頼できないでしょう。
You still want to talk to a person.
やはり人と話したいのです。
And I actually wanted to push back a little on cholesterol because, as a person with high cholesterol, me too.
そして実はコレステロールについて少し反論したいのです、なぜなら私もコレステロールが高い身として、私もです。
I talked to all the doctors who follow the protocol.
プロトコルに従うすべての医師と話しました。
Yeah.
ええ。
But my instinct as a 36-year-old who is being prescribed something to take for the rest of her life
でも、生涯飲み続ける薬を処方された36歳としての私の本能は
was to look for a doctor who would say, "Oh, actually, there is something else you should consider." Okay.
「あ、実は他にも検討すべきことがありますよ」と言ってくれる医師を探すことでした。はい。
So I found those 10% of doctors, and now I'm like sticking to them for some time
だからその10%の医師を見つけて、今はしばらく彼らに頼っているんです
because you don't want when you interact with human, you don't want the human to follow the protocol, and this is exactly what AI does—just
だって人間と関わるとき、人間にはプロトコル通りに従ってほしくないでしょう、そしてそれこそがまさにAIがやること—ただ
follows the protocol—and you want a human element.
プロトコルに従う—そしてあなたは人間らしさを求めているのです。
But what AI offers now is this democracy and access to healthcare?
でも今AIが提供しているのは、この民主化と医療へのアクセスではないでしょうか？
And as a mom who has questions all the time, I really appreciate having an AI assistant.
そしていつも疑問だらけの母親として、AIアシスタントがいることを本当にありがたく思っています。
I used to pay for like a service back in Russia where I have a doctor on demand, and it costs like sixty dollars there per year.
ロシアにいた頃は、オンデマンドで医師に相談できるサービスにお金を払っていて、年間60ドルくらいでした。
Per year, and you text a doctor anytime.
年間ですよ、そして医師にいつでもメッセージできるんです。
Yeah, per minute.
ええ、1分ごとにね。
Here it would be impossible.
ここではそれは不可能でしょう。
But anyways, now I don't have to pay for that service because I have ChatGPT, and I have this system.
でもとにかく、今はそのサービスにお金を払う必要はありません、ChatGPTとこのシステムがあるからです。
And I wanted you to talk to me about how anyone can kind of build something out for themselves so they can get initial consultation with their AI.
そして、誰でも自分用に何かを作って、AIで最初の相談を受けられるようにする方法について話してほしかったのです。
So what I did is that I took all my labs for the past six years, put them into perplexity, took my raw data from twenty three andMe, and all the things that doctors said.
私がやったのは、過去6年分の検査結果をすべてPerplexityに入れて、23andMeの生データや医師たちが言ったことすべてを取り込んだことです。
So whenever now I go to a doctor, like to see, I don't know, the heart doctor, I will create a PDF for that doctor with all my labs, and I will ask AI,
だから今、医師のところに行くとき、例えば心臓の医師とか、わからないけど、その医師向けに全検査結果をまとめたPDFを作って、AIに聞くんです、
do I need to ask for any more labs to update anything, and what questions should I be asking my doctor?
何か更新のために追加で検査を頼む必要があるか、そして医師にどんな質問をすべきか？
And if I have a medical question, do AI, then it sees all my labs and my genetics, and it gives me the answer.
そして医学的な質問があればAIに聞くと、AIは私の全検査結果と遺伝情報を見て、答えをくれるんです。
Do you think it's the right setup?
このやり方は正しいと思いますか？
Does that eliminate false positives and false negatives, at least for some fraction?
それで偽陽性や偽陰性を、少なくともある程度はなくせますか？
Everyone's talking about AI productivity, like it's about doing more at work.
みんなAIの生産性について話していますよね、仕事でもっとこなすことだみたいに。
Honestly, my version of productivity is doing less at home.
正直、私にとっての生産性とは、家でやることを減らすことです。
I don't want to remember that Thursday is pajama day, or Friday they have this and that class, and someone needs a new costume by Monday.
木曜日がパジャマの日だとか、金曜日はあれこれの授業があるとか、月曜日までに誰かの新しい衣装が必要だとか、そんなことを覚えていたくないんです。
So here's how our house is going to run this year.
だから今年、うちではこうやって回していくことにしました。
This is the Nori family hub.
これがNoriファミリーハブです。
It sits in our kitchen, and it holds everything: the calendar, the meals, the shopping list, the kids' routines.
キッチンに置いてあって、すべてを管理します。カレンダーも、食事も、買い物リストも、子供たちのルーティンも。
My favorite part is that I can talk to it because when you're in the kitchen, you're probably cooking.
一番気に入っているのは話しかけられることで、だってキッチンにいるときって、大抵は料理中ですから。
Your hands are dirty.
手は汚れています。
You're listening to a podcast, and we also have a nanny coming in for a few hours after school for some pickups, drop-offs, and homework, and she sees the kids' schedule right there
ポッドキャストを聴いていたり、あと放課後に数時間来てくれるナニーさんがいて、送り迎えや宿題を見てくれるんですが、彼女は子供たちのスケジュールをその場ですぐ見られるんです
with all the activities and the addresses.
すべての習い事や住所付きで。
she can see exactly where the kids need to be that day, and she doesn't have to ask me.
その日に子供たちがどこに行くべきか正確に分かりますし、私に聞く必要もありません。
And when something changes, I just say, Hey, Nori, add ballet class at 4:30 p.m. this Thursday.
何か変更があるときは、ねえNori、今週の木曜4時半にバレエクラスを追加して、と言うだけです。
I can assign the pick up to a nanny.
お迎えをナニーに割り当てることもできます。
I can remind her 30 minutes before she needs to leave, and I can also add pack leotard and ballet shoes to Emily's routine that afternoon.
出発の30分前に彼女にリマインドできますし、その日の午後のエミリーのルーティンにレオタードとバレエシューズを持たせることも追加できます。
What makes Nori different is that it's powered by AI, so I don't have to tap through a bunch of menus just to organize something.
Noriが違うのはAIで動いていることで、何かを整理するためだけにたくさんのメニューをタップする必要がないんです。
I can talk to it naturally, even with a longer request like moving science class, reminding my husband to pick up the kids, and adding something to our shopping list.
理科の授業を移動したり、夫に子供のお迎えを頼んだり、買い物リストに何かを追加したりといった長めのお願いでも、自然に話しかけるだけでいいんです。
And Nori understands what I mean.
そしてNoriは私の言いたいことを理解してくれます。
So I love trying new recipes, and I find them on Instagram.
私は新しいレシピを試すのが大好きで、Instagramで見つけるんです。
And the coolest thing is that you can copy a reel from Instagram sent to Nori.
そして一番すごいのは、InstagramのリールをコピーしてNoriに送れることです。
It's going to tell you all the ingredients that you need and create a shopping list for you.
必要な材料を全部教えてくれて、買い物リストまで作ってくれるんです。
All of it stays in the same place as the weekly plan.
それらすべてが週間プランと同じ場所にまとまります。
Nori can also remember things that matter to our family, like allergies, food preferences, and everyday routines, so its suggestions become more personal.
Noriはアレルギーや好き嫌い、毎日のルーティンなど、家族にとって大切なことも覚えてくれるので、提案がどんどんパーソナルになっていきます。
and actually useful over time.
そして時が経つほど、実際に役に立つようになります。
If you want to assign different people to different tasks, you can split the dashboard by person, and you can see what each family member is responsible for.
違う人に違うタスクを割り当てたい場合は、ダッシュボードを人ごとに分けられて、家族それぞれが何を担当しているかを見ることができます。
By the way, you can create to-do lists for your kids, and once they finish things, they can earn stars, and the stars turn into real rewards they pick themselves.
ちなみに、お子さん向けのToDoリストを作ることもできて、終わらせるたびに星を獲得できて、その星は自分で選んだ本物のご褒美に変わります。
That's what makes Nori feel less like another screen and more like an AI assistant designed for the whole family.
だからこそNoriは、ただの画面というより、家族全体のために設計されたAIアシスタントのように感じられるんです。
So if you want to try it, I'll leave the link to Nori in the description.
試してみたい方は、概要欄にNoriのリンクを貼っておきます。
And now let's get back to the video.
では、本編に戻りましょう。
I don't think we've come up with any technology or human brain that can eliminate false positives.
誤検出をなくせるような技術や人間の脳は、まだ生み出せていないと思います。
Not eliminate, but like minimize.
なくすのではなく、最小限に抑えるような。
But lower the probability.
でも確率を下げる。
Yeah, yeah.
そう、そう。
I think that.
そう思います。
And have you loaded in like all your data from my chart from from like when you've gone if you've gone to the hospital or had kids and no, yeah, I mean.
それで、例えば病院に行ったり出産したりしたときのカルテのデータを全部読み込ませたりしたんですか、いや、ええ、つまり。
I mean, I think the bottom line is these tools will do a better job of giving you customized answers if the more they know about you.
つまり、要はこういうツールは、あなたのことを知れば知るほど、よりカスタマイズされた答えを出せるようになるということです。
But would they?
でも、本当にそうでしょうか？
Is there a problem when they have too much information and they start omitting facts just because it's too much already?
情報が多すぎて、すでに量が多すぎるという理由だけで事実を省略し始めたら問題になりませんか？
Too much context.
コンテキストが多すぎるんです。
There's a concern about that.
それについては懸念があります。
It was interesting.
面白かったんです。
I was talking to the chief medical officer of Open Evidence, which is the tool most doctors use.
Open Evidenceの最高医療責任者と話していたんですが、それはほとんどの医師が使っているツールなんです。
It's a very this sort of GPT built for physicians, called Open Evidence, and the the chief physician is actually in my department.
Open Evidenceという医師向けに作られたGPTのようなもので、その主任医師は実は私の部署にいるんです。
And I was saying, you know, you right now when I use it, it's mostly me picking up my phone,
そして私は言ったんです、あなたも知っての通り、今私がそれを使うときは、ほとんどが携帯を取り出して、
and or using a computer and putting in the facts that I know about the patient in a kind of distilled form, like I did before.
あるいはコンピューターを使って、以前やったように、患者について知っている事実を要約した形で入力している、と。
And I said, "Well, you know, shouldn't it be that it can read the entire medical record?
そして私は言いました、「ねえ、本来はカルテ全体を読み込めるべきじゃないの？」と。
" And he said something I thought interesting and quite important: that yes, it will probably be better, but it's not a slam dunk.
すると彼は、面白くてとても重要だと思ったことを言ったんです：はい、おそらく良くなるだろうが、確実とは言えない、と。
It may be that there is so much information, and often conflicting.
情報が多すぎて、しかも矛盾していることが多いかもしれない、と。
I mean, the problem is if you look through your medical record, it may say your medication list is this in one place, and this other thing in a different place, and and it's got to be reconciled.
つまり問題は、カルテを見ると、服薬リストがここではこうなっているのに、別の場所では違うことが書いてあったりして、突き合わせが必要になるんです。
So, he said, "There, it's not a slam dunk that that more information is necessarily better,
それで、彼はこう言いました。「ほら、より多くの情報が必ずしも良いとは限らない、
but as the tools get better at sifting through the information and reconciling,
しかし情報をふるい分け、照合するツールが向上すれば、
then there's no good reason that knowing more about you shouldn't help it make better decisions." I think that risk is relatively small and getting smaller.
そうすれば、あなたについてより多く知ることが、より良い判断に役立たない理由はないはずだ。」そのリスクは比較的小さく、さらに小さくなっていると思います。
And the problem is one of the ways we use AI in our world is one out of five patients, patients who are older and sicker than you,
そして問題は、私たちの世界でAIを使う方法の一つとして、あなたより高齢で重症な患者さんの5人に1人は、
one out of five patients has a medical record longer than Moby Dick.
5人に1人の患者さんが『白鯨』より長い診療記録を持っていることです。」
I don't know if you remember Moby Dick from high school, but it's 600.
高校時代の『白鯨』を覚えているか分かりませんが、600ページあります。」
pages long.
ページもある長さです。」
So the idea that in the two minutes that I have before I see you in the office, I'm going to be able to read six hundred pages of records is impossible.
ですから、外来であなたにお会いする前の2分間で600ページもの記録を読めるという考えは不可能です。」
So the AI now can summarize that.
だから今はAIがそれを要約できるのです。」
Does it quite accurately?
それはかなり正確ですか？
And that whether that is going into AI's sort of judgment about what's going on now, or I or I can just use that summary as I hear about what your new problems are.
そしてそれがAIの今起きていることに対する判断に入るにせよ、あるいはあなたの新たな問題について聞く際に私がその要約を使うにせよ。
I think that's very useful.
それはとても役立つと思います。」
I think what you set up for yourself seems reasonable.
あなたが自分で設定したことは妥当に思えます。
And more and more of the companies are creating the capacity to have you say, "I want to download my health data." And here we've looked around and we see lab.
そしてますます多くの企業が、あなたが「自分の健康データをダウンロードしたい」と言える機能を作っています。そしてここでは見回してみると、検査結果が見えます。
We see some your your medications at CVS and your blood test at Quest, and it looks like your genetics at 23andMe.
CVSでのあなたの薬、Questでの血液検査、そして23andMeでの遺伝情報が見えます。」
And here's your medical record at UCSF in our Epic system.
そしてこちらがUCSFのEpicシステムにあるあなたの診療記録です。」
And you decide what parts you want to have come in.
どの部分を取り込むかはあなたが決めます。」
I actually think I would tend to want most or all of it in there in order for it to make the best decisions about me.
最善の判断をしてもらうためには、実際、私はほとんどまたは全てを入れたいと思うでしょう。」
Nice.
なるほど。」
And what is the right way to ask questions then?
では、質問の正しい聞き方は何でしょう？
Because for what.
なぜなら、何のために。
I understand, if you assume something like "oh, I have a rash," could it be this?
例えば「発疹があるのですが、これでしょうか」と仮定して聞くと、
Then AI is biased to agree with you.
AIはあなたに同意するように偏る、と理解しています。
What is is is that true?
それは本当ですか？
And how to ask a medical question?
そして医学的な質問はどう聞けばいいのですか？
I guess how I ask questions is do it like like I do a Yelp search.
私の質問の仕方は、Yelp検索のようにすることだと思います。」
I I want it listed two different ways.
二通りの方法でリスト表示してほしいのです。」
I want it listed by the if I'm looking for a restaurant or hotel, just by ranking, and then maybe by distance, by how far I'm going to travel.
レストランやホテルを探しているなら、ランキング順に表示してほしいし、あとは距離順、どれくらい移動するかで表示してほしいんです。
To me, the two main dimensions here are what is what are the most common and what are the most serious.
私にとって、ここでの2つの主な観点は、最も一般的なものは何か、そして最も深刻なものは何かということです。
And those are two different answers.
そしてそれらは2つの異なる答えです。
If you come in with new back pain, and I say, you know, here's a young woman who comes in with new back pain for the last few days.
新たな腰痛で来院して、例えばここ数日腰痛がある若い女性が来たとしたら、
It began when she was lifting lifting one of the kids, and she doesn't have any.
それは子供の1人を抱き上げたときに始まって、彼女には何もないのです。
If the pain's not going down her leg, and she doesn't have any fever, and has no history of cancer, etc., etc.
痛みが脚に放散していなくて、発熱もなく、がんの既往もなく、等々であれば、
And it will probably say this is probably musculoskeletal back pain.
そしておそらくこれは筋骨格系の腰痛でしょうと言うでしょう。
It's possible that she ruptured a disc, etc., etc.
椎間板を損傷した可能性もある、等々。
Then I might say, and what are the worst things this could be?
それから私は言うかもしれません、そしてこれが最悪の場合何であり得るかと？
Or if if if you're wrong, what could it be that I will regret not knowing about?
あるいは、もし間違っていたら、知らなかったことを後悔するようなものは何であり得るかと？
And that'll give you a different set of answers because that is how doctors think.
そして、それは医師の考え方だからこそ、違う一連の答えが出てくるのです。
When I'm seeing you in the office or in the hospital,
診察室や病院であなたを診ているとき、
there's a part of me that's sort of thinking about what are the likeliest possibilities, and then there's a part of me thinking about what are the worst things this could be that I want to be sure I don't miss.
私の一部は最も可能性の高いものは何かを考えていて、もう一部は見逃したくない最悪の可能性は何かを考えているのです。
And for common complaints like back pain or headache or sore throat or belly ache or the stuff like that, my questions to you are often designed to look for what we call red flags,
そして腰痛や頭痛、喉の痛みや腹痛などのよくある訴えについては、私の質問はしばしばレッドフラッグと呼ばれるものを探すために作られています、
and red flags are basically if you take a hundred people with new back pain.
レッドフラッグとは基本的に、新たな腰痛を持つ人を100人集めたら、ということです。
I mean, we were not designed very well.
つまり、私たちはあまりうまく設計されていないのです。
Our backs are really kind of screwed up.
私たちの背中は本当にひどい状態なのです。
If you take a hundred people with back with back pain, ninety-nine of them are going to have a benign form of back pain, and it'll get better with time, some Tylenol, Motrin, a little bit of rest.
腰痛のある人を100人集めたら、99人は良性の腰痛で、時間が経てば良くなり、タイレノールやモートリン、少しの安静で済みます。
And one of them has lurking something nasty, and there could be an infection, could be a tumor, there are a bunch of nasty things.
そしてそのうちの1人は何か厄介なものが潜んでいて、感染症かもしれないし、腫瘍かもしれないし、厄介なものがたくさんあるのです。
And my questions to you are mostly around: Do you have anything triggering me to think that it's one of those bad things?
そしてあなたへの私の質問は主に、悪いものの1つだと思わせるきっかけが何かあるか、ということです。
Now, the problem sometimes with AI and the problem with when patients use these tools, you said I use it sometimes to question the doctor.
さて、AIに関する問題、そして患者がこれらのツールを使う際の問題ですが、あなたは時々医師に質問するために使うと言いましたね。
You know, why didn't you order this test or this test?
なぜこの検査やあの検査を指示しなかったのか、といった具合に。
It sort of depends how it's tuned, because if it's tuned to say I want to be sure that I never miss anything, basically practice defensive medicine,
それはある意味、どのように調整されているかによります。なぜなら、もし何も見逃さないようにと調整され、基本的に防御医療を行うようになっていると、
it may say every person with back pain should get an MRI because in that universe of people with benign back pain, they're probably is one who has something more serious.
良性の腰痛を持つ人々の集団の中には、おそらくより深刻なものを持つ人が一人いるからという理由で、腰痛のある人は全員MRIを受けるべきだと言うかもしれないからです。
The problem is getting an MRI on all of them is first of all kind of crazy expensive,
問題は、全員にMRIを撮ることはまず第一に途方もなく高額であり、
and we're going to find more false positives than than true things because if you there've been studies looking at people's backs,
真の所見よりも偽陽性の方が多く見つかることになるからです。なぜなら人々の背中を調べた研究があるのですが、
if you do X rays on people of a certain age,
ある年齢の人々にX線検査を行うと、
the the X rays always show stuff.
X線には常になんらかの所見が写るからです。
We all have degenerative disease of our backs, and so you end up with a problem we call incidentalomas, meaning we find something, but it's incidental.
私たちは皆、背中に変性疾患を持っており、結果として偶発腫、いわゆるインシデンタローマという問題が生じます。つまり何かを見つけるのですが、それは偶発的なのです。
We weren't looking for it, but now all right, now this thing we got to do another test.
探していたわけではないのに、さあ、この所見があるから別の検査をしなければならない、となるのです。
Looking for it turns out to cause more harm than good,
探してみた結果、利益よりも害の方が大きくなることが判明するのです、
and so it's difficult for patients to sort of fully weigh that part of what I have learned to do in practicing for forty years and going to school
ですから患者さんがその部分を十分に天秤にかけるのは難しく、私が40年間診療し、学校で学んで身につけたことは、
is sort of not just all of the things it could be, but here are the bad things I'm worried about.
単に考えられるすべての病名を挙げるだけでなく、ここに私が心配している悪いものがあります、ということです。
Here are the questions I'm going to ask, and maybe a basic lab test or two to increase the probability or lower the probability.
聞くべき質問はこれで、おそらく基本的な検査を1つか2つ行って、確率を上げたり下げたりします。
If it's below a certain point, I'm going to say that's not what you have.
それがある一定の水準を下回れば、あなたはその病気ではないと言います。
Let's assume it's benign, and then once in a blue moon, it's not.
良性だと仮定しましょう、そうするとごく稀に、そうではない場合があります。
And usually, those people then come back a few weeks later.
そして通常、そういう人たちは数週間後に戻ってきます。
You know, I did what you said; it's not better.
先生の言った通りにしたけど、良くならない、と。
Okay, it's time to get a scan.
わかりました、検査の時ですね、と。
Those are very tricky decisions for regular people to make, and fairly tricky decisions for MRI for for AI to kind of weigh those things appropriately.
それらは一般の人にとって非常に難しい判断であり、AIにとってもそれらを適切に天秤にかけるのはかなり難しい判断です。
So basically, when you ask AI, can you list the most common thing and the most dangerous things?
つまり基本的に、AIに最も一般的なものと最も危険なものを挙げてもらえますか、と尋ねると、
Then you ask it to ask you follow up questions to make a decision, or how do you decide which column to trust?
それから、判断を下すためにフォローアップの質問をするよう頼んだり、どのコラムを信頼すべきかをどうやって決めるのかと尋ねたりするんです、
But at the same time, thinking as a patient, I really understand how busy doctors are, and for myself, I want all kinds of tests, ideally to like figure out if I'm healthy or not.
でも同時に、患者として考えると、医師が本当に忙しいことはよく分かるし、自分自身としては、健康かどうかを把握するために、理想的にはあらゆる種類の検査を受けたいんです。
I was just listening to Ray Kurzweil; he predicts the future as well, and he said something that if you survive till 2032,
レイ・カーツワイルの話をちょうど聞いていたんですが、彼も未来を予測していて、2032年まで生き延びれば、と言っていました、
I think is his year,
それが彼の言う年だと思います、
then every year you live, you will be adding an extra year or even more to your life, just because aging is a mathematical problem, and by 2032,
そうすれば、生きる1年ごとに、寿命がさらに1年、あるいはそれ以上延びていく、なぜなら老化は数学的な問題で、2032年までには、
we'll solve it, and we're not going to die; we might die from accidents, but not from health-related issues.
それを解決するだろうし、死ぬことはなくなる、事故で死ぬことはあっても、健康上の問題では死なないだろう、と。
People have been making predictions like this for a long time.
このような予測は昔から人々がしてきました。
The complexity of humans is overwhelming.
人間の複雑さは圧倒的です。
Now, is it sufficiently overwhelming that AI can't figure it out and can't ultimately understand us at a genetic
では、その複雑さは、AIが解明できず、遺伝子レベルで私たちを究極的に理解できないほど圧倒的なのか、
and you know microbiologic level to be able to give us answers to you know here's the medicine that will prevent you from having cancer or
あとは微生物レベルなどで理解して、例えばがんにならないための薬はこれです、といった答えをくれるようになるのか、
or here's the lifestyle change you could do to to live forever.
あるいは、永遠に生きるためにできるライフスタイルの変化はこれです、といった答えをくれるようになるのか。
It's possible.
それは可能です。
I think the AI curing cancer, curing Alzheimer's, is probably the most hyped, overhyped area of AI meets meets healthcare.
AIががんを治すとか、アルツハイマーを治すというのは、おそらくAIと医療の融合分野で最も誇大に宣伝されている、過大評価された領域だと思います。
Doesn't mean there's not real promise there.
そこに本当の可能性がないという意味ではありません。
I'm very excited about it.
私はそれにとても期待しています。
I think when I look at what it takes to find a good drug, let's say immunotherapy for cancer, it takes too long.
良い薬を見つけるのに何が必要かを考えると、例えばがんの免疫療法だと、時間がかかりすぎると思うんです。
And part of what takes too long is there's a lot of trial and error.
そして時間がかかる理由の一つは、試行錯誤が多いことです。
There's a lot of stumbling around.
手探り状態が多いんです。
It takes six months to sort of look at the cancer.
がんを調べて、
and figure out its its its profile, and then find a drug that might target it.
そのプロファイルを把握し、それを標的にできる薬を見つけるのに半年ほどかかります。
That's something that might we can maybe do in a few hours now.
それは今なら数時間でできるかもしれないことです。
It's remarkable, but you still then have.
驚くべきことですが、それでもまだその先があります。
I don't think we're going to get to the point anytime soon.
近いうちにそこまで到達するとは思えません。
Maybe you know, never is a long time.
まあ、決してというのは長い時間ですが。
Anytime soon, where you've taken the whole process of finding an effective drug for cancer and taken it from ten years or fifteen years down to a month,
近いうちに、がんに有効な薬を見つける全プロセスを10年や15年から1か月に短縮するようなところまでは、
you still then are going to have to try it in in maybe in new AI generated models.
それでも、新しいAI生成モデルなどで試さなければならなくなるでしょう。
Great, maybe that shortens the time.
素晴らしい、それで時間が短縮されるかもしれませんね。
You're still going to have to try it in humans to be sure that it works and to be sure that it's safe.
効果があること、そして安全であることを確かめるために、やはり人間で試さなければなりません。
And I don't think I think we're going to be bypassing those stages really at our at our peril,
そして私は、それらの段階を飛ばすことは、本当に危険だと思います。
because there's plenty of things that have seemed super promising in the test tube in the lab, in animal models, etc.
試験管内や研究室、動物モデルなどで非常に有望に見えたものがたくさんあるからです。
And then we use them in humans.
そしてそれを人間で使うと、
It's like, oh no, this thing doesn't work, or no, this thing can kill people.
ああ、これは効かないとか、ああ、これは人を殺す可能性がある、ということになるのです。
So I just think it's and this is an area where
だから私は、これはそういう分野だと思うのです。
I think there's an undue amount of hype because a lot of companies have a really strong interest in getting you and I to believe that they're on the cusp of curing cancer.
ここには過度な誇大宣伝があると思います。多くの企業が、がん治癒の目前にいるとあなたや私に信じさせようと強い関心を持っているからです。
And if you just gave them an extra hundred million dollars, they'd have it done by by next week.
あと1億ドル出してくれれば、来週までに完成させると言うのです。
I, I'm you know I'm I'm I'm hoping it would be great.
私は、そう願っています、本当に素晴らしいことになればいいなと。
I think it's going to take.
でも、これは時間がかかると思います。
I think this one's harder than than it sounds.
これは聞こえよりも難しいものだと思います。
But what about prevention?
でも予防についてはどうですか？
If we detect cancer early on, most of it is treatable.
がんを早期に発見できれば、そのほとんどは治療可能です。
Does AI help with that?
AIはその点で役に立ちますか？
Well, say I certainly hope that hope that it will.
ええ、私はもちろん、それを願っています。
I think we're seeing some early evidence that, for example, in breast cancer, that if you can figure out that someone is
例えば乳がんでは、初期の証拠が見られ始めていると思います。誰かが
Has an early cancer before we have we see it on a mammogram or a CAT scan or an ultrasound
マンモグラムやCTスキャン、超音波で見つかる前に早期がんを持っていると分かれば
that if you then take it out or do something else to help prevent its growth that that can prevent terrible things from happening.
それを取り除いたり、成長を防ぐための何かをすれば、恐ろしい事態を防げるということです。
There's certainly areas in cancer where we have learned that early diagnosis makes a huge difference.
がんには、早期診断が大きな違いを生むことが分かっている分野が確かにあります。
I mean, whether it's you get a colonoscopy or you get a test for colon cancer, if you can find
つまり、大腸内視鏡検査を受けたり、大腸がんの検査を受けたりして、もし
an early evidence of that your colon is developing a precancerous lesion, we know that if you take it out, you can prevent a lot of colon cancers.
大腸に前がん病変ができつつあるという初期の証拠が見つかれば、それを取り除くことで多くの大腸がんを予防できることが分かっています。
At today, not all of them, so there are some that slip through the cracks.
今日では、すべてではありません。見逃してしまうものもあります。
But yeah, I think you can imagine a world where for a number of cancers, for a number of other diseases,
でも、多くのがんや他の多くの病気について、そういう世界が想像できると思います。
that early detection leads to some action that then prevents it.
早期発見が何らかの行動につながり、それが予防につながるということ。
But there's a whole lot of medicine where today we don't have that connection.
でも、今日そのつながりがない医学分野がたくさんある。
Can AI help us find those links?
AIはそれらのつながりを見つけるのに役立ちますか？
Yeah, I think so.
ええ、そう思います。
But sometimes people extrapolate from the examples that are real, where early detection really does make a difference in in long term outcomes,
でも時々人々は、早期発見が長期的な結果に本当に違いをもたらすという現実の例から推測して、
and say that's got to be true for everything because it makes sense.
それは理にかなっているから、すべてに当てはまるに違いないと言う。
You can you can see why people would think that.
人々がそう思うのも理解できます。
But there's a lot of parts of medicine where, at least so far, we haven't proven that that link is there.
しかし医学の多くの部分では、少なくとも今のところ、そのつながりがあることが証明されていません。
And I hope we get there, but we're not there yet.
そこに到達できることを願っていますが、まだ到達していません。
Every week on this podcast, I talk to AI founders, entrepreneurs, and experts who actually build AI and ask them their secrets, prompts, and actual workflows
このポッドキャストでは毎週、実際にAIを構築しているAI創業者、起業家、専門家に話を聞き、彼らの秘訣やプロンプト、実際のワークフローを尋ねています
for using AI in real life.
実生活でAIを使うための。
I put them and my own use cases into my free newsletter.
それらと私自身のユースケースを無料のニュースレターに入れています。
It's called Futureproof.
Futureproofという名前です。
Subscribe using the link in the description and get my anti AI writing guide as a thank you.
概要欄のリンクから登録して、お礼として私の反AIライティングガイドを受け取ってください。
Do you think we'll get there in our lifetimes?
私たちが生きているうちにそこに到達すると思いますか？
When you look at the progress we've made in AI and in science in the last five to ten years, it's staggering.
過去5年から10年のAIと科学の進歩を見ると、驚異的です。
I mean, the things that we can now do for cancer that we couldn't do before, the things that we can do.
つまり、がんに対して今できることで、以前はできなかったこと、心臓に対してできること。
for heart disease, which are not new.
心臓病については、新しいことではありませんが。
I mean, the mortality from heart attacks and heart failure has gone down by, I think, over half in the last thirty years.
つまり、心臓発作や心不全による死亡率は、過去30年で半分以上減少したと思います。
And it's still number one.
そしてそれは今でも第1位です。
Still number one, but massively less than it used to be.
今でも第1位ですが、以前より大幅に減っています。
Now, some of that is less smoking, and increasingly, it's going to be better control of weight, which is mostly a medicine we've got to decide.
その一部は喫煙の減少であり、今後は体重のより良い管理になるでしょう、それは主に私たちが決めなければならない薬です。
People decide if they want to take it or not, but it works.
服用するかどうかは人々が決めることですが、効果はあります。
But a lot of it is cholesterol treatment, blood pressure treatment, stuff like that.
しかし、その多くはコレステロール治療、血圧治療などです。
So that I don't see any good reason that we're not going to continue making the kinds of progress we've made, assuming we
だから、医学研究への資金提供を続け、社会が
continue to fund medical research and assuming that our society
人々が自分の健康や人生について合理的な判断をすることを前提とすれば、
people make rational decisions about their health and their life.
これまでと同じような進歩を続けられない正当な理由は見当たりません。
What do you think about kids who are born now?
今生まれてくる子どもたちについてどう思いますか？
Was there with it?
それはあったのですか？
It's currently an eighty or so year life expectancy.
現在、平均寿命は80歳ほどです。
I think it's so hard to predict because I think there are going to be so many other threats.
予測するのはとても難しいと思います。なぜなら他にもたくさんの脅威が出てくると思うからです。
I think the threats of climate, the threats of rogue AI.
気候の脅威、不正なAIの脅威があると思います。
There's a lot of other competing threats that are going to fold in there.
そこに絡んでくる競合する他の脅威がたくさんあります。
If you're just talking about their health, that if all of those other threats, war, all that other stuff wasn't there,
もし彼らの健康だけの話で、戦争など他のすべての脅威がなかったとしたら、
then I suspect that it won't be unusual at all for people to live to a hundred.
100歳まで生きることは全く珍しくなくなると思います。
In order to get better than that, I think it's not going to be a matter of early diagnosis and prevention.
それ以上を目指すには、早期診断や予防の問題ではないと思います。
It's going to be some fundamental understanding of the aging process that we don't have now.
今はまだ持っていない老化プロセスに対する根本的な理解が必要になるでしょう。
You know, you can prevent all of the cancers.
ご存知のように、すべての癌を予防できます。
And then you're going to die of heart disease.
そして心臓病で死ぬことになるでしょう。
You can prevent all the heart disease.
すべての心臓病を予防できます。
You're going to die of cancer.
癌で死ぬことになるでしょう。
There's because there's always the next problem, and there is this senescence.
なぜなら常に次の問題があり、そしてこの老化があるからです。
You know, I don't have any sort of disease that I know of that's going to be rapidly fatal.
ご存知のように、急速に致命的になると分かっているような病気は持っていません。
But I can tell you that every part of my body does not work as well as it worked 10 years ago.
しかし体のあらゆる部分が10年前ほどにはうまく働いていないことは断言できます。
And at some point, even if you prevent cancer, heart disease, etc.,
そしてある時点で、癌や心臓病などを予防したとしても、
I'll get more and more decrepit as my joints wear out and everything wears, which is just a biologic process of aging that we have not figured out.
関節がすり減り、あらゆるものがすり減るにつれて、ますます衰えていくでしょう。それは私たちが解明していない老化という生物学的プロセスにすぎません。
Can AI help us to do that?
AIはそれを実現する助けになりますか？
Hope so.
そう願っています。
I mean, these all seem like sort of there's something going on in our cells that's causing them to age and sort of wear out.
つまり、これらはすべて、私たちの細胞の中で老化や消耗を引き起こしている何かがあるように思えるのです。
Is nothing?
何もないのですか？
I mean, I wouldn't have said 10 years ago that we could take you know a shot or now a pill and lose 20 percent of your body weight.
つまり、10年前には注射を、今では錠剤を飲んで体重の20パーセントを減らせるなんて言わなかったでしょう。
It's sort of remarkable.
ある意味驚くべきことです。
I wouldn't have said 50 years ago that you could take a medicine for cholesterol and lower it significantly, and that would lead to a marked decrease in rate of heart attacks and strokes, so
50年前にはコレステロールの薬を飲んで大幅に下げられ、それが心臓発作や脳卒中の割合の著しい減少につながるとは言わなかったでしょう、だから
none of this is impossible.
これらのどれも不可能ではありません。
But when you hear statements like "If we're going to do this," like I was talking to
しかし「もしこれをやるなら」のような発言を聞くと、私が話していたように
an organization that tries to map the cell, and they say, "Once we map the cell, we're going to solve all diseases," do you believe that?
細胞の地図を作ろうとする組織があって、彼らは「細胞の地図ができれば、すべての病気を治せる」と言いますが、あなたはそれを信じますか？
No, I just think that it's just a long history of people saying, "Once we map the human genome, we're done.
いいえ、これは「ヒトゲノムを解読すれば、すべて終わりだ」と人々が言い続けてきた長い歴史と同じだと思うだけです。
We got it all figured out." We mapped the human genome a long time ago.
すべて解明した」と。ヒトゲノムの解読はとっくの昔に終わりました。
We have not got it all figured out.
しかし私たちはすべてを解明したわけではありません。
It turns out there are a few diseases that it's clear that there's a here's the genetic defect, and if you could somehow fix that with CRISPR or whatever,
遺伝的欠陥がここにあると明らかで、CRISPRなどで何とか修正できれば、
that maybe you can cure, let's say, sickle cell.
例えば鎌状赤血球症のような病気は治せるかもしれない、という病気がいくつかあることが分かったのです。
But most disease is much more complex than that, much more multifactorial.
しかしほとんどの病気はそれよりずっと複雑で、はるかに多因子的です。
And then even if we figure it out, if these you know these cures cost a million bucks, we're going to then have to figure out who's going to pay for this.
そしてたとえ解明できたとしても、もしこうした治療が100万ドルもかかるなら、誰がそれを負担するのかを考えなければなりません。
Yeah, it's you know there there there are sort of daunting sort of political and economic problems that layer onto all of it.
ええ、そこには政治的・経済的な困難な問題が重なってくるのです。
In you know, and we now have medicines.
そして今、私たちには薬があります。
Someone has, you know, I see patients who are 80 years old who have cancers that they would have died from before,
以前なら亡くなっていたはずのがんを抱えた80歳の患者さんを診ることがありますが、
and now we have some sort of, you know, cell engineering therapy,
今では何らかの、いわば細胞工学療法のようなものがあって、
and it may work really, really well.
それが本当によく効くこともあるのです。
And it costs half a million bucks, and we can't afford to have decent public schools, and we have homeless people in the streets.
そしてそれは50万ドルもかかり、一方でまともな公立学校も維持できず、路上にはホームレスの人々がいる。
You know, these are there are going to be some complex balancing trade offs that we're going to have to figure out.
つまり、これから考えなければならない複雑なバランスやトレードオフがあるということです。
I think we're going to make progress in all these things, and I hope to be proven wrong.
こうしたすべての面で進歩はすると思いますし、私が間違っていたと証明されることを願っています。
But I, I think as I've watched medicine over the last 50 years, this is not the first time that people have said this stuff is magic.
でも、この50年間医学を見てきて、人々がこうしたものを魔法だと言ったのは今回が初めてではありません。
It's going to cure everybody.
みんなを治し、
People going to live forever, and it's all good.
人々は永遠に生き、すべてうまくいくという。
It's I think we're going to make progress, but the history would say it's probably going to be incremental progress rather than kind of magical progress.
進歩はすると思いますが、歴史が示すのは、魔法のような進歩というより、おそらく漸進的な進歩だろうということです。
Is there something that you see right now that is promising to you?
今あなたが有望だと感じているものは何かありますか？
I think that AI in healthcare is super promising, in part because it will allow us.
医療におけるAIは非常に有望だと思います、その理由の一つは、私たちにそれを可能にしてくれるからです。
To practice, I think there are a couple of things.
実践するために、いくつかあると思います。
One is it allows me to have taking all of your data, or you to some extent, and match it against what we know is the best treatment for you.
一つは、あなたのすべてのデータを取り込んで、ある程度あなたに、そしてあなたにとって最良の治療法であると私たちが知っているものと照合できることです。
And in a lot of times in medicine, we don't do that.
そして医療では多くの場合、私たちはそれをしません。
We don't sort of take advantage of the latest knowledge to give you the best treatment.
あなたに最良の治療を提供するために最新の知識を活用するようなことはしないのです。
I think that is super promising.
それはとても有望だと思います。
I think precision medicine is something that's been around the corner for about twenty-five years.
精密医療は、約25年間ずっと間近だと言われてきたものだと思います。
Precision medicine, meaning right now, I see a patient with high blood pressure.
精密医療とは、つまり今、高血圧の患者を診たら、
I treat them with drug A or drug B.
薬Aか薬Bで治療します。
It may be that neither drug A or drug B are going to work because of their genes.
遺伝子のせいで薬Aも薬Bも効かないかもしれないのです。
That it's actually they are going to do better on drug C.
実際には薬Cの方が効果が出るということかもしれません。
Right now, we don't really have a mechanism to know that.
今のところ、それを知るための仕組みは本当にありません。
I think in the future, AI is going to help us sort that out, and then embed it in our clinical decision support systems.
将来、AIがそれを解明するのに役立ち、そしてそれを私たちの臨床意思決定支援システムに組み込むことになると思います。
Because I I can remember drug A or drug B.
なぜなら、私は薬Aや薬Bは覚えられます。
I can't remember that you need to be on drug Z, but I can remember it if AI is embedded in my system and it says I've looked at her genes.
あなたが薬Zを服用する必要があることは覚えられませんが、AIが私のシステムに組み込まれていて、彼女の遺伝子を調べました、と言ってくれれば覚えられます。
Or proteins, or whatever it is, and it turns out for her this is going to be the best treatment.
あるいはタンパク質とか、何であれ、結果として彼女にとってはこれが最良の治療になるということです。
Or even her blood pressure is high, but based on the rest of her profile, her risk of heart disease is actually quite low.
あるいは彼女の血圧は高いけれど、他のプロフィール全体に基づくと、心臓病のリスクは実際にはかなり低い、ということさえあります。
You don't need to treat her blood pressure, even though the guideline would say blood pressure above this number you should treat.
ガイドラインではこの数値を超えた血圧は治療すべきとされていても、彼女の血圧を治療する必要はないのです。
So I think there's there's a lot of that that is super promising.
だから、そのようなことがたくさんあって、とても有望だと思います。
I mean, in healthcare generally, I think the weight loss drugs are remarkable.
つまり、医療全般において、減量薬は驚異的だと思います。
I think that's something who would have guessed ten years ago that you know someone who is twenty or thirty percent overweight could take a drug, and the drugs are getting better.
10年前に誰が想像したでしょうか、20〜30パーセント太り過ぎの人が薬を飲むことができて、しかも薬はどんどん良くなっているなんて。
And the problem is you have to be on them for life, at least so far.
そして問題は、少なくとも今のところは、一生飲み続けなければならないことです。
But it's true for your blood pressure medicines or your asthma medicines or lots of other things that we do your your diabetes medicines.
でもそれは血圧の薬や喘息の薬、あるいは糖尿病の薬など、私たちが行う他の多くのことにも当てはまります。
So and then I hope on prevention that AI makes a difference too, not only in the kind of prevention that we talked about,
それから予防についても、AIが違いを生んでくれることを願っています。先ほど話したような予防だけでなく、
you know, figuring out early detection of breast cancer or colon cancer, etc., but also in helping as a coach.
乳がんや大腸がんなどの早期発見を考えることだけでなく、コーチとしての手助けにおいてもです。
I mean, a lot.
つまり、多くの場合、
of medicine is, you know, I see you in the office for 15 minutes every six months, and I tell you you should be exercising, you should be careful about your weight,
医療の多くは、半年に一度15分だけ診察室でお会いして、運動すべきですよ、体重に気をつけてくださいよ、と言うだけで、
and I have no mechanism to reinforce that.
それを強化する仕組みが私にはないのです。
But now, in a world where the AI could be guiding you and learns what kind of guidance you work works best with you, particularly, I think that's very exciting.
でも今は、AIがあなたを導き、あなたに最も合う指導の仕方を学んでくれる世界では、特にそれがとても楽しみだと思います。
I think there's a lot.
たくさんあると思います。
So I think there's a lot to be optimistic about.
だから楽観できることはたくさんあると思います。
You know, I'm just not someone who kind of buys the idea that this is magic.
ただ、私はこれが魔法だという考えをそのまま信じるタイプではありません。
I could be wrong.
間違っているかもしれません。
I hope I'm wrong,
間違っていてほしいと思いますが、
but I absolutely see lots of opportunity for incremental but very real progress in almost every part of healthcare and also just making the system less maddening.
医療のほぼすべての部分で、少しずつではあるけれど非常に現実的な進歩の機会がたくさんあると確信していますし、システムをもっと煩わしくないものにすることもできます。
You mentioned building an AI coach for yourself to help you with health, and I think a lot of people who are watching, some of them believe, and I
健康のために自分用のAIコーチを作っているとおっしゃいましたが、見ている多くの人の中には、私もそうですが、いつか老化の問題を解決できると信じている人がいると思います。
tend to believe that someday we'll figure out the aging problem.
できれば私が生きているうちにそうなってほしいです。
Hopefully, it's in my lifetime.
より長く健康に生きるために、このシステムをどう設定すればいいでしょうか？
How can I set up this system to help me live longer and healthier lives?
どんな質問をすればいいですか？
What questions should I ask it?
どんなプロンプトを使えばいいのか、まあ、それはあなたの考え方次第というところもあります。
What prompts should I mean, it sort of depends on your perspective about that.
私はどちらかというと医学的な視点から考えていて、証明されていて分かっていることで、
I, you know, I come at this more from a medical perspective, where I am thinking about what are the things that we know and have been proven to lead to
病気を減らすことにつながるものは何か、
less disease, you know,
より良い予防につながるものは何かを考えています、
better, better prevention,
より良い予防につながるもの、
and it might lead you to things that feel really kind of low bore, like reminding you to put sunscreen on every day,
そしてそれは、毎日日焼け止めを塗るように思い出させるとか、本当に当たり前に感じるようなことにつながるかもしれません、
or to wear a hat, you know, or to get exercise, or to you know, to to modify your diet in a certain way.
帽子をかぶるとか、運動をするとか、食事をある方法で改善するとか、そういったことです。
But I think it would also be checking your record against your preferences, against your your own medical history, against your family history,
でも、それはあなたの記録をあなたの好みや、あなた自身の病歴、家族歴と照らし合わせてチェックすることにもなると思います、
to try to then come up with a customized plan for you that is not only how you should live your life vis a vis exercise, stress, diet,
そしてあなたのためにカスタマイズされた計画を立てようとすることです。それは運動やストレス、食事に関してどのように生活すべきかということだけでなく、
but also you know, making sure you're up to date with the appropriate vaccinations, making sure your
適切な予防接種をきちんと受けているか、あなたの
however you get there that your blood pressure is controlled, that your cholesterol is controlled, that you don't smoke.
どのような方法であれ血圧がコントロールされ、コレステロールがコントロールされ、喫煙しないようにすることです。
etc.
などです。
The things that we really know are associated with not just longevity.
私たちが本当に知っていることは、単なる長寿と関連しているだけではありません。
I don't think anybody has as a goal just a number,
ただの数字を目標にしている人はいないと思います、
but this idea of health span—that you are as healthy and as functional as you can possibly be for as long as it can be—and
しかしこのヘルススパンという考え方、つまり可能な限り長く、できるだけ健康で機能的であり続けるということ、そして
I think you know the tools now have the capacity for you to say, "
今のツールにはこう言うことができる能力があると思います、「
Here's here's what you need to know about me.
こちらが私について知っておくべきことです。
Here are my preferences.
こちらが私の好みです。
Here's the way I like to operate.
こちらが私のいつものやり方です。
Can you give me?
教えていただけますか？
Can you develop a plan and then remind me of the things I need to be reminded of at the appropriate time?
計画を立てて、適切なタイミングで思い出すべきことを思い出させてくれますか？
That's easily doable now.
それは今では簡単にできます。
It's not that hard to create that.
それを作るのはそんなに難しくありません。
What about like the scale of it?
その規模についてはどうですか？
Because there are people who are pushing really far, like they're doing pre-nubus scan every year.
というのも、かなり突き詰めている人たちがいて、毎年プレヌーバススキャンを受けたりしているからです。
They're taking a bunch of supplements.
たくさんのサプリメントを摂っています。
They're only eating organic.
オーガニックのものしか食べていません。
What would you say?
あなたは何と言いますか？
Like how much of incremental progress does that give to your health?
それは健康にどれくらいの追加的な効果をもたらすのでしょうか？
I think the answer is that the data are not as compelling to support pretty much all of those things.
答えは、それらのほとんどを支持するデータは、人々が抱いている印象ほど説得力がないということだと思います。
as the impression that people have about them, which I all of them are completely understandable.
それらはどれも完全に理解できるものですが。
I mean, how can it be that going in and getting your body scanned and it finding stuff that's
つまり、体をスキャンして、潜在的に役立つかもしれないものが見つかることが、
potentially you know useful can't be a good thing to do?
良いことではないなんてことがあり得るでしょうか？
Particularly if the scan is benign, if there's you know no radiation, that just sounds so logical.
特にスキャンが無害で、放射線もないのであれば、それはとても理にかなっているように聞こえます。
And it may turn out to be that that's true.
そしてそれが真実であることが判明するかもしれません。
And we can all, if you do enough scans in people, you will come up with the anecdote of the person who got the scan, it found the early cancer.
そして私たちは皆、十分な数の人々にスキャンを行えば、スキャンを受けて早期のがんが見つかったという逸話に行き当たるでしょう。
That's what we see a lot.
それはよく見かけることです。
Yeah, and it happens.
ええ、そしてそれは起こります。
It happens.
それは起こります。
It turns out, you know, I I'm stuck being being a scientist.
結局のところ、私は科学者であることに縛られているのです。
It turns out that studies of that to demonstrate that if you do that, if that is the practice across an entire population,
結局のところ、それを人口全体にわたる診療として行った場合、
that you have saved more lives than you have cost, are really hard to come by.
失った命よりも救った命の方が多いことを実証する研究は、本当に得難いのです。
And you might ask, how can that possibly be?
どうしてそんなことがあり得るのかと疑問に思うかもしれません。
Only good can come of this, and the answer is this problem of what's called incidentalomas.
これからは良いことしか起こらないはずで、その答えは、いわゆる偶発腫と呼ばれる問題です。
That for every real, true finding that is actionable and that doing the action leads to saving someone's life,
実際に行動可能で、その行動が誰かの命を救うことにつながる真の所見が1つあるごとに、
you'll probably in many cases have more than one finding that turns out to be yes, it's a growth.
おそらく多くの場合、1つ以上の所見が出てきて、それは確かに増殖物であることが判明するでしょう。
And had you not discovered it, you would have died of it when you were run over by a bus when you were 90 years old.
そしてもしそれを発見していなければ、90歳でバスに轢かれて亡くなる時にそれで亡くなっていたでしょう。
It was never going to cause a problem, but now you know about it, and so now you're going to get a test, and now you're going to get a biopsy, and now you da da da da.
それが問題を引き起こすことは決してなかったのに、今あなたはそれを知ってしまったので、検査を受けることになり、生検を受けることになり、そしてあれやこれやと続くのです。
There's a lot of that, and you know it's not necessarily so.
そういうことがたくさんあり、それは必ずしもそうとは限らないのです。
You can imagine as the scans get better, as the AI embedded in the scan gets better,
スキャンが向上し、スキャンに組み込まれたAIが向上するにつれて、想像できるでしょう、
it then knows that that thing that it sees, well, I've seen a thousand scans of that, and it always turns out to be benign, and you do not need a biopsy.
それが見たものについて、まあ、そういうのを千件も見てきたし、いつも良性だと判明するから生検は不要だと分かるようになる、と。
But today we don't have that, so in some ways the the extra data, which I think for most people just seems like how could be bad?
しかし今日はそれがありません。だからある意味、その余分なデータは、ほとんどの人にとって悪いわけがないと思えるだけなのです。
To learn more about my body, it's just so logical.
自分の体についてもっと知ることは、とても論理的なことです。
I completely get that.
その気持ちは完全に分かります。
But it turns out I see the ravages of what happens when you do that, and then you have oh, we got to track this down.
しかし、そうしたことを行った結果どうなるか、その惨状を私は見てきました。そして、ああ、これを追跡しなければ、となる。
We got to track that down.
あれを追跡しなければならない。
We need a biopsy.
生検が必要です。
We need to remove.
切除する必要があります。
Turns out it was benign.
結果は良性だった。
Turns out he had a complication from the procedure taking it out.
結果として、それを取り除く処置による合併症が起きた。
I see a lot of that.
そういうのをたくさん見てきました。
You know, with diet, there's a lot of it that's completely logical.
食事に関しても、完全に論理的なものがたくさんあります。
Some of it actually is proven.
その一部は実際に証明されています。
Some of it is not.
一部は証明されていません。
Some of it is sort of vibe, is impressionistic.
その一部はなんとなくの雰囲気で、印象論的なものです。
Of course, a better diet should make you live longer.
もちろん、より良い食事をすれば長生きできるはずです。
On average, it probably does.
平均的には、おそらくそうでしょう。
But I think for a lot of people, you've got to decide is it worth it?
でも多くの人にとって、それだけの価値があるかどうかを決めなければならないと思います。
I mean, how much pleasure do you get from from you know my friend Zikman?
つまり、ほら私の友人のジークマンからどれだけの喜びを得るかってことですよね？
You all right?
大丈夫ですか？
Exactly.
その通りです。
Just wrote a book called Eat Your Ice Cream,
ちょうど『アイスクリームを食べなさい』という本を書いたばかりで、
where he kind of went through all of the things that people do and looked at the ones where there really is evidence that it really makes a difference in your health and longevity.
その中で人々が行っているあらゆることを検証し、本当に健康と長寿に違いをもたらすという証拠が実際にあるものを見たんです。
And it turns out that a lot of the stuff that you should do with the things your mother told you to do.
そして結局、すべきことの多くは母親に言われたことだったと分かったんです。
I mean, they're kind of basic things.
つまり、基本的には当たり前のことなんです。
Even if it turns out that having a drink every now and then is net harmful, and the data seems to be leaning that way, it's a big change from ten years ago where we thought having a drink a day was a good thing.
たとえ時々お酒を飲むことが結局は有害だと判明したとしても、データはその方向に傾いているようですが、1日1杯のお酒は良いことだと思われていた10年前からは大きな変化です。
Zeke would say,
ジークならこう言うでしょう、
but if that drink every few days is part of your being social and going out with friends, then that may actually be as beneficial as the harm from the drink.
でも数日に1杯のお酒が、社交的になって友達と出かけることの一部であるなら、それはお酒による害と同じくらい有益かもしれないと。
So I think these things are just more complex than people think.
だからこういうことは人々が思っているよりずっと複雑だと思います。
And I, at least my own philosophy, is you know I want to try to eat healthy, exercise healthy, all that kind of.
そして少なくとも私自身の考え方としては、健康的に食べ、健康的に運動しようとしています、その類のことは全部。
But I'm also paying some attention to what does the science tell us of what we know is true versus what feels like it might be true.
でも同時に、科学が私たちに何を教えてくれるのか、真実だと分かっていることと、真実かもしれないと感じることの違いにも注意を払っています。
Now, if it feels like it might be true, you're not sure, but it makes you feel better and makes you feel healthier, and great.
さて、真実かもしれないと感じて、確信はないけれど、それで気分が良くなり、より健康に感じられるなら、それは素晴らしいことです。
So basically, whenever I have an A guess now about what I should be doing.
だから基本的に、今すべきことについて何か推測をするときはいつでも。
I should ask my perplexity, which is the best of research.
私はパープレキシティに聞くべきで、それが最高のリサーチだから。
Look at the research, see what's the incremental change for people like me, and then decide what the effort is.
研究を見て、私のような人にとっての漸進的な変化が何かを確認して、それから努力に見合うかを決める。
That would be the way I approach it.
それが私のアプローチ方法でしょう。
But and I think you know, people could look and say, "Well, you're too locked into this old way of thinking." And there's you know, there's there's other ways of thinking about the world,
でも人々は「あなたはこの古い考え方に固執しすぎている」と言うかもしれないと思います。そしてほら、世界について考える他の方法もある、
and that the evidence is biased.
そして証拠には偏りがある、と。
That no, you're not going to find a whole lot of evidence about.
それについては、あまり多くの証拠は見つからないでしょう。
You'll find a lot of evidence about drugs, and not a lot of evidence about nutrition.
薬については多くの証拠が見つかるでしょうが、栄養についてはあまり多くの証拠はありません。
Also, it's reasonable to ask if you're you know querying perplexity or Gemini or GPT about the evidence.
また、PerplexityやGemini、GPTなどに証拠について問い合わせているなら、尋ねるのは当然のことです。
It's reasonable to to wonder and worry: Is the evidence biased?
証拠に偏りがあるのではないかと疑問に思い、心配するのは当然です。
Yes, there's a ton of data about does this drug work.
はい、この薬が効くかどうかについては膨大なデータがあります。
There is not a lot of data about whether this diet change works.
この食事の変更が効果的かどうかについては、あまり多くのデータがありません。
In part because the system is structured to spend a whole lot of money because there are companies that have a stake in it, researching drugs, and not a whole lot of money researching diet changes.
その理由の一つは、そこに利害関係を持つ企業があり、薬の研究に多額の資金を投じる一方で、食事の変更の研究にはあまり資金が投じられないという仕組みになっているからです。
Even if you say I want to stick with the evidence in making my decisions, I think it is reasonable to say you know maybe there's not a lot here about something,
たとえ自分の判断は証拠に基づいて行いたいと言っても、何かについてここにはあまり情報がないかもしれないと言うのは妥当だと思います。
and you know my diet change if it feels like the right thing to do is probably not going to hurt me.
そして、自分の食事の変更が正しいことのように感じられるなら、おそらく害にはならないでしょう。
But the absence of evidence doesn't necessarily mean that the thing doesn't work.
しかし、証拠がないことは、必ずしもそれが効果がないことを意味するわけではありません。
It may just mean we've underinvested in studying it.
それは単に研究への投資が不足しているという意味かもしれません。
Okay, I think my last question here is looking at the data that you're seeing.
さて、ここでの最後の質問は、あなたが見ているデータについてです。
Do you think There are any diseases that will be cured with AI in the next five years, or will have a significant change in how we treat them.
今後5年間でAIによって治癒される病気、あるいは治療法に大きな変化が起こる病気はあると思いますか。
In cancer, I think there's a lot of promise.
がんについては、大きな可能性があると思います。
I think we really are coming to very much deeper understanding, fundamental understanding of how cancer works, the role of the immune system,
がんがどのように機能するのか、免疫系の役割について、本当にずっと深い理解、根本的な理解に到達しつつあると思います。
and I think we were getting there anyway.
そして、いずれにせよ私たちはそこに到達しつつあったと思います。
But the ability of AI to sort of sort through a number of promising developments and pinpoint for this particular cancer, this kind of approach is more likely to work.
しかし、この特定のがんには、この種のアプローチが効く可能性が高いと、数々の有望な進展を選別して特定するAIの能力。
I think that's very exciting.
それはとてもエキサイティングだと思います。
I mean, the areas that's the most frustrating now to me.
つまり、今私にとって最ももどかしい分野は。
We're so close in a lot of neurological diseases, including Alzheimer's, where I think we've got a much deeper understanding of what's going on, and yet have not yet cracked the code.
アルツハイマーを含む多くの神経疾患で、私たちはあと一歩のところまで来ていて、何が起きているのかについてずっと深い理解を得ているのに、まだ謎を解明できていないのです。
And if you think about it, you know, the GLPs give me some hope because I would have said ten years ago, you know, how are we going to crack the code of obesity?
考えてみると、GLP製剤には希望を感じます。というのも、10年前なら、肥満という難問をどうやって解き明かすのかと思っていたでしょうから。
And here are these medicines that really are working mostly on your brain to change your sort of hunger response, in a way that for the most part is relatively benign.
これらの薬は主に脳に働きかけて、空腹感への反応を変えるもので、ほとんどの場合、比較的穏やかな作用なんです。
I mean, it turns out the side effects aren't awful by and large, and at least so far these things seem pretty safe.
副作用も概してそれほどひどくはなく、少なくとも今のところはかなり安全なようです。
So these are it says that these are problems that seemed intractable, and through science and research we've come up with answers.
つまり、一見解決不可能に思えた問題も、科学と研究によって答えを見出してきたということです。
So I think AI will speed that along.
だからAIはその歩みを加速させると思います。
It will also I think help the clinical trials process move faster, which is often the limiting factor in our electronic health record.
また、臨床試験のプロセスを加速させるのにも役立つと思います。そこが電子カルテにおける律速要因であることが多いのです。
Now we can now have a tool that's baked into the electronic health record that is scanning everybody's record to say, oh, this patient is eligible for a clinical trial.
今では電子カルテに組み込まれたツールが、すべての記録をスキャンして、この患者さんは臨床試験の対象だと教えてくれるようになります。
Maybe not even at UCSF.
UCSFでなくてもいいかもしれません。
Maybe it's being you know a clinical trial at Duke.
たとえばデューク大学での臨床試験かもしれません。
And so the ability sort of match people with trials to get them enrolled so that we can learn better faster.
ですから、人々を試験とマッチングして登録し、より良くより速く学べるようにする能力が重要なんです。
I think we're going to be learning much more from the existing information that we have in our data that we've never been able to see the patterns that really were right in front of our eyes.
既存の情報やデータから、これまで目の前にありながら見えなかったパターンを、もっと多く学べるようになると思います。
So I think there's a lot to be hopeful about.
だから、希望を持てることはたくさんあると思います。
You know, will it lead to a cure for cancer, a cure for Alzheimer's?
それががんの治療法やアルツハイマー病の治療法につながるのかというと、
I hope so.
そう願っています。
I, you know, I, I'm a little worried about making that prediction because I think you're taping this and you could show it five.
ただ、この予測をするのは少し心配です。だって、これを録画していて、5年後に見せることもできますから。
Not in the next five years.
今後5年以内には無理でしょう。
Yeah, looks like it's slower.
ええ、もっと遅いように見えますね。
Not in the next five years.
今後5年以内には無理でしょう。
Although you just never know.
とはいえ、何が起こるか分かりません。
I mean, some of these breakthroughs just happen, and you know, it was sort of a combination of this breakthrough, that breakthrough came together, and all of a sudden you had something that was pretty magical.
こうしたブレークスルーは突然起こるもので、この発見とあの発見が組み合わさって、突然、とても画期的なものが生まれることがあるんです。
Yeah, let's let's be hopeful.
ええ、希望を持ちましょう。
Let us hope.
願いましょう。
Yeah.
ええ。
Thank you so much for this.
本当にありがとうございました。
My pleasure.
こちらこそ。
Thank you for having me.
お招きいただきありがとうございます。
If you've ever asked ChatGPT a health question, watch my conversation with a Stanford doctor, Jonathan Chan.
ChatGPTに健康について質問したことがあるなら、スタンフォード大学の医師ジョナサン・チャンとの対談をご覧ください。
We talk about how the way you ask can shape the answer, and where AI can be useful and where it can go wrong.
質問の仕方が答えにどう影響するか、そしてAIが役立つ場面と間違いが起こりうる場面について話します。
Click here.
こちらをクリック。

Words in this video

The ones worth learning, rarest last. Tap one to hear it where it was said.

Up next

Stanford Doctor: The Right Way To Ask AI About Your Health

48:33Stanford Doctor: The Right Way To Ask AI About Your HealthB2Silicon Valley Girl

Nobel Economist: How to Stay Valuable as AI Changes Work | Daron Acemoglu

44:01Nobel Economist: How to Stay Valuable as AI Changes Work | Daron AcemogluC1Silicon Valley Girl

How AI Found Business Class Seats for All 4 of Us

1:07How AI Found Business Class Seats for All 4 of UsC1Silicon Valley Girl

$13B Lovable Co-Founder: Turn Your AI Side Project Into a Real Business

33:28$13B Lovable Co-Founder: Turn Your AI Side Project Into a Real BusinessB2Silicon Valley Girl

OpenAI Co-Founder: Start Building With AI Before You Feel Ready | Greg Brockman

30:14OpenAI Co-Founder: Start Building With AI Before You Feel Ready | Greg BrockmanB2Silicon Valley Girl

My iPhone Just Became My Personal Stylist

1:10My iPhone Just Became My Personal StylistB2Silicon Valley Girl

My Version Of AI Productivity is Doing Less At Home

1:23My Version Of AI Productivity is Doing Less At HomeB1Silicon Valley Girl

10 Jobs Paying $100K+ That Are Still Growing With AI (and 5 Jobs in Decline)

20:1010 Jobs Paying $100K+ That Are Still Growing With AI (and 5 Jobs in Decline)B2Silicon Valley Girl

LingoDew

Keep your words in LingoDew

The app brings the words you save back for review right before you forget them — with the clips you heard them in.

Download on theApp Store Get it onGoogle Play