イベント / EVENT

略歴

• 1990年：東京大学大学院電気工学専攻博士課程修了 工学博士
• 総合研究大学院大学先端学術院情報学コース教授
• 東京大学大学院情報理工学系研究科教授併任
• 自然言語処理、情報検索等の研究に従事
• NII大規模言語モデル研究開発センター副センター長

ウェブ文書を中心とする膨大な量の文書で訓練した大規模言語モデルが急速に進展し社会に浸透する中で、それぞれの分野や利用ニーズあわせたドメイン適応モデルの研究開発が活発に行われています。本講演では、日本の医療現場で安心して使えるAIの実現を目指した、オープンで透明性が高い医療用大規模言語モデル構築の取り組みを紹介します。また、大規模言語モデル医療ドメイン適応について、最新の動向に基づき今後の方向性を考察します。

略歴

• 2001年 3月：東京大学 大学院工学系研究科 博士課程修了
• 2001年 4月：日本学術振興会 特別研究員（PD）
• 2001年 9月：カーネギーメロン大学 客員研究員
• 2001年12月：東京大学 大学院情報理工学系研究科 助手
• 2013年 4月：東京大学 大学院情報理工学系研究科 教授
• 2016年10月～：理化学研究所 革新知能統合研究センター チームリーダー
• 2017年11月～：国立情報学研究所 医療ビッグデータ研究センター 副センター長
• 2019年 9月～：東京大学 先端科学技術研究センター 教授

近年、大規模言語モデル（LLM）の医療への活用は進みつつあるが、医療診断は言語のみからなされるものではなく、医用画像等、様々なモダリティから多角的に導かれるものです。つまり、複数のモダリティのデータを総合的に理解し、個別化された治療法の提供、病気の診断を支援する大規模マルチモーダルモデル（LMM）の医療分野への応用はきわめて重要です。そのため、2024年度の戦略的イノベーション創造プログラム(SIP)「統合型ヘルスケアシステムの構築」において、日本語に特化した医療大規模マルチモーダルモデルの構築を行いました。本講演ではその構築方法の解説と成果について紹介します。

略歴

2005年：東京大学大学院情報学環 学際情報学府博士課程修了、博士(学際情報学)同医学部附属病院企画情報運営部特任助手、米国MayoClinic客員研究員、東京大学大学院医学系研究科疾患生命工学センター医工情報研究領域講師等を経て、2016年より現職。専門は医療情報学。日本医療情報学会副代表理事

現在、大規模言語モデル(LLM)また大規模マルチモーダルモデル（LMM）の構築と医療への活用が世界で進められていますが、この医療現場での応用範囲は診断支援のみならず、業務効率化や医療情報の標準化、研究支援など多岐に渡ります。またこのような大規模モデルを国産で開発し、利活用していく意義は極めて大きいものです。本講演では2024年度の内閣府戦略的イノベーション創造プログラム(SIP)「統合型ヘルスケアシステムの構築」における開発事例などを通じて、医療現場での活用と展望について紹介します。

略歴

• 1983年：東京大学法学部卒業
• 1988年：司法試験合格
• 1991年：新潟大学医学部卒業、在日アメリカ海軍病院にて研修後、最高裁判所司法修習生
• 1994年：弁護士登録後、シカゴ大学ロースクール修士課程修了（フルブライト奨学生）、シカゴ及びロンドンの事務所勤務
• 2004年~2015年：東京大学医学系研究科特任教授（医療安全管理学）
• 2015年~2023年：国立がん研究センター理事
• 2024年~：内閣府SIP第三期「統合型ヘルスケアシステムの構築」知財倫理委員長、その他公職多数

医療生成AIを社会実装するにあたっては、医療におけるデータ基盤形成拡充実と個人情報保護及び既存情報の著作権の射程が問題になる。EUでは、各加盟国の医療データベースを架橋してEHDSの形成が着手され、EU AI Actでも医療AIを規制サンドボックスで育成している。また、学術研究と社会実装を架橋していくためには、現行の医学系研究における倫理審査のイノベーション、臨床研究法などの関係法令との調整が必要である。薬機法規制に関連する規制について、使用の中で変化しうるAIの特性に合わせてTotal Product Life Cycle Approch(FDA)などの新しい医療機器規制が提案・実装されつつある。世界的な規制のイノベーションの激動の様子を紹介する。

音は日常生活において欠かせないメディアである一方、空間を伝搬する音を操ることは難しく、音に起因する不快感を感じることも多くあります。特に、道路交通騒音をはじめとする環境騒音は大きな健康損失を引き起こすとされており、未だに解決が難しい社会課題の一つです。NII小山研究室では、音空間の予測・制御を実現する信号処理・機械学習技術を研究しており、その応用の一つである空間的なノイズキャンセリング技術に関して、NTTと包括連携協定のもと共同研究を実施しています。今回のセミナーでは、本共同研究の最新状況について、NTTとNIIの双方の研究者からご紹介します。

NTTとNIIは長年に亘り包括連携協定を締結し、その下で様々な共同研究を実施してきました。本講演では、これまでに得られてきた成果と今後の展望（NIIへの期待も含め）についてご紹介します。

ノイズキャンセリング技術は，騒音をスピーカ信号によって打ち消す技術であり，イヤフォンやダクトなどで使われています。しかし，従来の技術を３次元空間で適用すると，静音化できるのは非常に狭い領域に限られてしまうという問題がありました。本講演では，我々が研究を進めている，音の空間的な予測と制御に基づく空間ノイズキャンセリング技術を紹介します。

我々は、究極のパーソナル音空間（Personalized Sound Zone）を構想し、その要素として「耳をふさがず、聴きたくない音は聴こえない」を実現する技術開発に取り組んでいます。そのなかで本共同研究では、小山准教授が取り組まれる空間ノイズキャンセリング技術を用いた空間音響システムの実装に挑戦しており、本講演ではその取り組み状況についてご紹介いたします。