赤ちゃんの命を救うAI！最新の画像・言語モデルが医療現場の救世主になる？

ああ、これはね。生まれたばかりで呼吸がうまくできない赤ちゃんに対して行う『蘇生処置』を、AIを使って自動で記録しようっていう研究だよ。

それが難しいんだ。蘇生処置は一分一秒を争う現場だから、誰がいつ何をしたかを正確にメモする余裕なんてないことが多い。でも、後で振り返って改善するためには正確な記録が必要なんだよ。

VLMは『Vision-Language Model』の略で、画像や動画の内容を理解して、言葉で説明したり分類したりできるAIのことだよ。目と脳を両方持ってるAIだと思えばいい。

そこがこの論文の面白いポイントだね。理由は2つある。1つはプライバシー。赤ちゃんの動画は超重要個人情報だから、病院の外に出したくない。もう1つは、クラウドAIの『フィルタリング』だ。

逆だよ。医療処置で体をこすったりチューブを入れたりする動きを、クラウドAIが『暴力シーンだ！』って勘違いしてブロックしちゃうことがあるんだって。だから、自分たちで管理できるローカルなモデルが必要なんだ。

『LLaVA-NeXT Video』っていう既存のモデルに、『LoRA』っていう手法で追加学習をさせたんだ。LoRAは、モデルの全部を書き換えるんじゃなくて、一部のパラメータだけを効率よく調整する魔法みたいな技術だよ。

すごかったよ。これまでの動画解析専用モデルだと精度が0.70くらいだったんだけど、このVLMにLoRAを組み合わせたら0.91まで上がったんだ。圧倒的な差だね。

そうだね。ただ、課題もある。まだAIが『幻覚（ハルシネーション）』を見て、やっていない処置をやったって言っちゃうことがあるらしい。命に関わることだから、そこはもっと慎重に改善が必要だね。

その通り。将来的には、リアルタイムでお医者さんに『次はこれをすべきだよ』ってアドバイスするシステムになるかもしれないね。

亜美さんの場合は、追加学習の前にまず基礎データのインストールからやり直したほうがいいんじゃないかな。