運良く津川友介氏の講演を聴くことができました。
津川先生はすでにいくつかのベストセラーを表す超有名人ですが，2005年医学部卒業で私の20年近い後輩ですｗ。スマートでキレッキレのプレゼンでしたが，いくつか考えさせられました。

以下講演のメモ書きです。走り書きゆえ細部の不明点はご容赦ください。

●医療 xAIの実例として以下の3つ
１） GoogleのDeepMInd：苦戦している。アメリカでは民間企業が個人情報を利用できないため。
２）マウントサイナイ病院：疾患の発症予測モデル、頭部CT画像診断：いい線いっている
３）ジョージア工科大学

●AIの３つの挑戦(問題)
１）特化型vs汎用型
２）深い（詳細な）データの不足
３）学習としてのAI x 因果推論がまだ存在しない

●特化型vs 汎用型（汎用型はまだ先の話）：
アルファ碁vs ドラエモンの違いだが， この２つの間には大きなギャップがあり埋める方法がわかっていない。
病理診断、画像診断，検査結果の判別といったパータン認識ではAIは威力を発揮する。
しかし視覚、聴覚の分野を代替しているにすぎず，前頭葉、海馬などは代替できていなていない。
今後は予後予測の制度の向上，プレシジョンメディスンへの寄与が期待される

●深い（詳細な）データの不足：
現在広いデータ＝サンプルサイズの大きなデータは取り扱える。
深い（解像度の高い）データ＝患者一人一人に関する詳細なデータ(血液、画像、病理、治療内容、時系列データ、確定診断)が不足している。
個人情報保護の問題がクリアできていない。
アルファ碁はそれ同士で対戦したから人間を超えられた。 レファレンスが人間だけ，つまり最終診断が医者の確定診断では、人間を超えられない。

●AIに因果推論はできるのか？：
まだわからない
以下の３つくらいしか学派がなく、かなり否定的な見通しがある
１）キャンベル（心理学）
２）ルービンンの因果モデル（統計学、経済学）
３）因果関係ダイアグラム（DAG)：ジュディアパール(UCLA)

パールは， 学術的フレームワークができない ,または実験や反事実に対する想像力が必要なためAIは因果推論できないと悲観的な見方をしている。しかし津川氏は近い将来AIを用いた因果推論が開発されるとみている。

### 個人的には，郡司ペギオ幸夫氏が指摘するように，「強度」を客観的に定義し評価の基準とする限りにおいて，芸術だろうが，統計的因果推論だろうが，ゆくゆくはAIが人間を凌駕すると考えているので，概ね津川先生の論旨は納得できました。

面白かったのは，社会の要請によって生まれたような「疾患スペクトラム」に対してAIはどんな介入ができるのか」との質問に，医師（＝人間）を正解とせず全く疾患のフレームワークがないところからのほうが，（最善の）治療に行き着くかもしれないというコメントが印象的でした。

AIには物事の意味はわからない，しかし意味のないところからこそ新しい疾患概念，あるいは治療が生まれるかもしれないという感じですかね。

いい講演でした。