N Engl J Med（2019; 380: 1347-1358）に「医学での機械学習」というわくわくするような総説（Frontiers in Medicine, Review Article）がありました。主著者3人のうち、2人はなんとGoogleの社員です。主著者のAlvin Rajkomarはハーバードで化学、物理の学位を得た後、2010年コロンビア大学医学部を卒業、UCSFで勤務後にGoogleに入社しました。現在Google BrainのArtificial Intelligenceの研究者です。 NEJM総説「医学での機械学習」最重要点は下記13点です。なお数学関連は私が付け加えたものです。 画像診断は5年以内に機械学習に取って代わる 機械学習は医療の根本技術（fundamental technology）となる Σ（X－M）２を最小にするのは平均値 予測値と正解値の近さの指標となる関数を損失関数という 勾配降下法で損失関数を微分し最小とするパラメーター（学習率）を見つける Alpha Goは未来価値Qを最大化する強化学習を行う neural networkで隠れ層が1つ以上あるものをdeep learningという 機械は患者予後を医師の経験よりも正確に予測できる 患者自身によるデータの一元化が必要である 電カル＋機械学習で予測タイピング、音声入力、自動サマリー作成可能 「教師あり学習」では無謬の教師が必要、ゴミ入力でゴミ出力となる bioRxiv（バイオアーカイブ）で査読誌投稿前に情報共有可能