Amazon Web Services ブログ

Category: Life Sciences

【開催報告】2020年 AWS re:Invent Recap ヘルスケア・ライフサイエンス

アマゾン ウェブ サービス ジャパン株式会社 インダストリー事業開発部 片岡です。 ヘルスケア・ライフサイエンス領域でクラウド活用を検討頂いているお客様を幅広く対象として、2021年1月28日に「2020年 AWS re:Invent Recapインダストリー編 ヘルスケア・ライフサイエンス」をウェビナーで開催しました。 本記事では、セッションの中でお伝えしました、最新事例や最新サービスを含む当日の資料・動画を皆様にご紹介します。

Read More

【開催報告】2020年 AWS re:Invent Recap 製薬業界 AI/MLセミナー

アマゾン ウェブ サービス ジャパン株式会社 インダストリー事業開発部 片岡です。 製薬業界でAI/機械学習 (ML)にご興味をお持ちのエンドユーザーの皆様を主な対象として2020年12月23日に「2020年 AWS re:Invent Recap 製薬業界 AI/MLセミナー」をウェビナーで開催しました。 本記事では最新事例や最新サービス紹介を含む当日の資料・動画を皆様にご紹介します。 本ウェビナー開催の背景 世界最大級のグローバルITカンファレンスである「re:Invent 2020」が、昨年12月から今年1月にかけて行われました。今回はコロナの影響で初のオンライン開催となり、AWSのクラウドサービスに関わるセミナー、ハンズオンセッション等、2,500を超えるセッションがお客様に無料で提供されました。 本ウェビナーでは、re:Inventの中で発表された最新事例・サービスの中から、特にアップデートの多かったAI/MLにフォーカスして、日本の製薬業界のお客様に向けて、分かりやすくコンテンツをまとめて発表させて頂きました。

Read More

[Life Sciences] AWS Deep Learning AMI を利用したDeepLabCut環境構築

近年、多くの領域でObject DetectionやObject Trackingの活用が進んでいます。例えば、屋外での交通量調査や、店内での動線分析が挙げられます。研究領域でのニーズも高く、Amazon Rekognitionを利用した実装方法については「Amazon Rekognition Custom Labelsを利用した動物の特徴的な行動検出」にて紹介致しました。しかしながら、行動学習においては物体レベルでなく特定部位(例えば、手脚)といった、より細かいパーツレベルでのトラッキングが必要なケースもあります。研究領域で注目・活用されているのが、マーカーレス姿勢推定(markerless pose estimation)ベースのDeepLabCutです。DeepLabCutを利用する事で、動画内の特定行動だけでなく、特定部位の検出・トラッキング・分析が可能です。トレーニングの高速処理にはGPUが不可欠であり、DeepLabCutのセットアップにはNVIDIA driverやCUDAのインストールが必要ですが、オンプレミス環境で用意・設定するにはコストと時間がかかります。そこで、本ブログでは、AWSのAWS Deep Learning AMIとGPUリソースを利用した、クイックなDeepLabCut環境方法をご紹介します。

Read More

Amazon SageMaker Ground Truthを利用した動画ラベリングとAmazon Rekognition Custom Labelsへのインポート

「Amazon Rekognition Custom Labelsを利用した動物の特徴的な行動検出」にて、行動検知モデル作成手順について紹介致しましたが、本ブログではモデル作成の重要なステップであるAmazon SageMaker Ground Truthを利用した動画のデータラベリングをご紹介します。合わせて、2021年1月時点ではAmazon SageMaker Ground Truthでラベリングした動画データをAmazon Rekognition Custom Labelsのデータセットとしてそのままインポートできません。そのため、ここではインポートするためのマニフェストファイルの記述方法をご紹介します。 ラベリングデータを利用した一般的な機械学習のワークフローは以下になります。このフローでモデルの精度向上に重要なのはラベリングデータの準備になります。もちろん、モデル開発やモデル学習に時間はかかると思います。しかし多くの場合、モデル開発に関しては既存もしくは機械学習のスペシャリストが作成したアルゴリズムやモデルを選定する事で開発の短縮化が行えますし、モデル学習についてもクラウドリソース(例えばGPUインスタンス)を利用することで学習時間の短縮化を行えます。そうすると、時間がかかるのがラベリングデータの準備であり、ラベリングの効率化・質の高いデータ数を増やす事が重要なポイントになります。このラベリングデータの準備を簡素化するツールとして、Amazon SageMaker Ground Truthがあります。

Read More

【開催報告】ライフサイエンス・化学・素材関連業界のスマートファクトリー最新動向ウェビナー

アマゾン ウェブ サービス ジャパン株式会社 インダストリー事業開発部 片岡です。 ライフサイエンス・化学・素材関連領域のスマートファクトリーでのクラウド活用にご興味をお持ちのエンドユーザーの皆様を主な対象として2020年12月10日に「ライフサイエンス・化学・素材関連業界のスマートファクトリー最新動向」をウェビナーで開催しました。 本記事ではAWSパートナーネットワーク(APN)パートナーである三井情報様の登壇内容を含む当日の資料・動画と、参加者の方々とのQ&Aを皆様にご紹介します。 本ウェビナー開催の背景 政府の報告によれば、コロナウイルス等の影響で、製造業を取り巻く環境の不確実性が増す中で、設計から生産、販売にまで至るバリューチェーンの再構築や強靭化など、いわゆるデジタルトランスフォーメーション(DX)の推進がより重要になると言われています。しかし、従来日本の強みとされてきた製造の現場では、人手不足や属人的改善による部分最適、データ未収集・未活用など、様々な問題を抱えており、製造業のデジタル化やデータ活用は十分に進んでいないと問題提起されています。 本ウェビナーでは、各企業がデジタルトランスフォーメーションを推進するにあたり、課題となっているデータ管理や利活用について、クラウド利用のメリットを踏まえながら、AWSとパートナー、それぞれの観点で発表頂きました。

Read More

[詳解] Amazon Rekognition Custom Labels で特定の動作を認識する機械学習モデルを作る

このブログは、AWS ブログ「Amazon Rekognition Custom Labelsを利用した動物の特徴的な行動検出」における物体検知モデルを作る手順を詳細に説明したものです。 画像に何が写っているのかや、特定の物体が写っているか、どこに写っているのかを知るために機械学習を使うことがよくあります。しかし、機械学習の知識や経験を得ることは簡単ではないため、自分で機械学習モデルを作ることを諦めている方もいらっしゃるかもしれません。 Amazon Rekognition は、機械学習に詳しくない方でも簡単に機械学習を使った画像分析をご利用いただくためのサービスです。Amazon Rekognition に画像を入力すると、画像に何が写っているのか、有名人の誰が写っているのか、写っている人がどんな表情なのかなどを知ることができます。これらの機能は、あらかじめ決められている対象を分析することができるものですが、お客様が独自に定義した被写体を抽出したり、画像のシーンを特定したい場合は、Amazon Rekognition Custom Labels をお使いいただくことができます。お客様によって用意された画像と各画像に紐づけられたラベル情報を使用して、Amazon Rekognition Custom Labels はお客様独自の機械学習モデル(物体検知モデル、もしくは、シーン分類モデル)を作成します。

Read More

Amazon Rekognition Custom Labelsを利用した動物の特徴的な行動検出

従来、人間は動物の動きを観察し、様々な目的のために利用してきました。例えば、生態学において動態観察は重要であり、いつその行動が起こるのか、どれぐらいの頻度か、個体差があるのかを観察しています。しかしながら、このような動態や動きを識別してモニタリングする事は難しく、長い時間を要する場合があります。そこで、このワークフローを自動化するために、大日本住友製薬株式会社のアジャイルチームのメンバーとAWSのソリューションアーキテクトで、 Amazon Rekognition Custom Labelsを利用したソリューションを開発しました。Amazon Rekognition Custom Labelsは、画像内の特定の動きのラベル付け、そのデータを元にしたトレーニング、検知したい動きのモデル作成を簡単に行う事ができます。 このブログでは、機械学習(ML)がどのようにしてこのワークフローの自動化に役立つのかを楽しく単純な方法で示すために、我々はAmazon Rekognition Custom Labelsを利用して動画に映る猫の特徴的な行動を検知するカスタムモデルを作成しました。我々はこのソリューションのアーキテクチャ、構築手順、ソースコードを公開する事で、上述の領域や生物学、それ以外の領域に寄与できればと考えています。

Read More

ヘルスケア・ライフサイエンスチーム プロトタイピング: AWS Amplifyを利用したモバイルアプリ開発

ヘルスケア・ライフサイエンス ソリューション部では、お客様の課題に対してAWSの技術支援やアーキテクティングを実施しておりますが、支援の一つとしてプロトタイピングを提供しています。今回は、塩野義製薬株式会社(データサイエンス室、デジタルインテリジェンス部)、シオノギデジタルサイエンス株式会社と行った、モバイルアプリ開発のプロトタイピングを報告致します。プロトタイピングでのクイックな開発を実現するにあたり、共同でリアルタイムにコーディング可能な統合開発環境(IDE)であるAWS Cloud9と、フロントエンドの実装から、認証、AI、データ登録・参照、Amazon S3に蓄積したログの分析といったバックエンド実装までをAWS Amplifyを利用することで2日間でアプリ開発を行いました。

Read More

NIH STRIDESの成果として: 米・国立生物工学情報センターのコロナウイルスゲノム配列データセットをAWS上で公開

Amazon Web Services (AWS) と 米・国立衛生研究所 (National Institutes of Health :NIH) の米・国立生物工学情報センター (National Center for Biotechnology Information: NCBI) は、新型コロナウイルス感染症  (COVID-19) の研究を支援するためのコロナウイルスゲノム配列データセットの作成を発表しました。このデータセットは AWS Open Data Sponsorship Program によってホストされ、AWS 上の Registry of Open Data でアクセス可能であり、研究者がCOVID-19の研究で使うためにコロナウイルスの配列データに無料で素早く簡単にアクセスできます。 コロナウイルスのデータをクラウドに一元化 コロナウイルスゲノム配列データセット は、研究者が提出した次世代シーケンスのデータ(元のファイル形式)と、米・国立医学図書館 (National Library of Medicine : NLM) で NCBI によってホストされる SRA プロセスのシーケンスデータ(ETLファイルフォーマット)の集合体です。このデータセットは、NIH Science and Technology Research Infrastructure for Discovery,Experiments,and Sustainability […]

Read More

創薬ワークフローハンズオン~ Amazon Comprehend Medicalを利用したSNS/論文分析~

創薬研究において、クラウドリソースの活用は有用です。例えば、大規模計算に必要なHPC環境を必要な時に瞬時に立ち上げて処理したり、目視による画像分類・判別を機械学習により自動化する事で、従来多くの時間がかかっていた業務を短縮することができ、創薬プロセスを飛躍的に効率化することが可能です。しかしながら、クラウドのサービスやソリューションが業務にフィットするか検証するために、計算環境や機械学習環境を構築するには手間と時間がかかります。そのため、ヘルスケア・ライフサイエンスチームでは、創薬ワークフローに対するハンズオンといった業界特化のソリューションを提供することで、機能やソリューションが業務にフィットするかユーザの方々に体感頂いております(例えば、「化合物の溶解度予測」の内容はこちらに記載しています)。今回、当該ハンズオンに対してご要望の多かった、「AWS CloudFormation (以下、CFn)によるテンプレート化」を2つのハンズオンコンテンツで実装し、数回のクリックだけでご自身の環境にDeployできるようにしました。これにより、幅広いユーザーの方に利用頂き、ソリューションを体感頂ければと思います。

Read More