ヘルスケアとライフサイエンス向けの Amazon SageMaker
現在、GE Healthcare、Cerner、Bristol Myers Squibb、Roche などの大手ヘルスケアおよびライフサイエンス (HCLS) 組織を含む何万ものお客様が、機械学習 (ML) に Amazon SageMaker を使用しています。HCLS 業界は、よりパーソナライズされた治療を提供し、プロセスを簡素化し、製薬バリューチェーンのあらゆる側面を最新化し、患者情報をプライベートかつ安全に保つという圧力の高まりに直面しています。ML は、X 線などの医用画像から異常を自動的に特定したり、病歴データやドキュメントに基づいてパーソナライズされたヘルスケア治療計画を作成したり、疑わしい医療費請求を特定したりすることでこれらの課題に対処します。これにより、HCLS 組織は、より低コストでより質の高い、より包括的な治療を提供できるようになります。SageMaker は、患者、プロバイダー、支払者、研究者が高品質の ML モデルを準備、構築、トレーニング、デプロイすることを可能にし、ML をより迅速に開始するための組み込み型ソリューションを提供します。
Amazon SageMaker の主なユースケース
ドキュメントのデータの抽出および分析
意思決定を迅速に行うには、ヘルスケアおよびライフサイエンス組織は、問診票など医療ドキュメントのテキストを理解する必要があります。Amazon SageMaker を使用することで、手書きおよび電子ドキュメントからデータを自動的に抽出、処理、分析する ML モデルを構築できるため、ドキュメントをより迅速かつ正確に処理することができます。SageMaker には、テキスト分類、自然言語処理 (NLP)、光学式文字認識 (OCR) に最適化された組み込み型の ML アルゴリズムが用意されており、モデルのトレーニングやデプロイに簡単に使用できます。また、Amazon SageMaker Autopilot を使用して、テキスト処理モデルを自動的に作成することもできます。
不正検出
患者データを安全に保つには、ヘルスケアおよびライフサイエンス組織が不正検出モデルを使用して、顧客に影響が及ぶ前に疑わしい医療費請求を特定することが重要です。Amazon SageMaker を使用することで、疑わしいトランザクションが成立する前にそれを検出し、速やかに顧客に警告する ML モデルを構築することができます。SageMaker では、Random Cut Forest や XGBoost など、不正検出モデルのトレーニングとデプロイに使用できる組み込みの ML アルゴリズムを提供しています。さらに、SageMaker には、数回クリックするだけでデプロイできる不正検出用の一連のソリューションが用意されています。
異常検出
ヘルスケアおよびライフサイエンス組織は、異常を自動的に特定し、患者に対する診断を迅速に行う方法を引き続き模索しています。Amazon SageMaker を使用することで、コンピュータービジョンモデルを構築して医用画像から異常を検出し、自動的に標識を付けて詳細な分析や診断を行うことができます。SageMaker は、画像分類などコンピュータービジョンのために最適化された組み込みアルゴリズムを含む、機械学習専用の幅広い機能を提供します。これにより、患者の診断を改善し、診断の主観性を減らし、病理学者の時間を節約することができます。
医薬品開発
疾病の理解と医薬品開発には手間と時間がかかる場合があり、ライフサイエンス企業は常に医薬品開発プロセスを加速する方法を模索しています。Amazon SageMaker を使用することで、さまざまなユースケースのトレーニングデータに簡単にラベルを付けることができるため、高精度の ML モデルのトレーニングとデプロイにかかる時間を短縮できます。SageMaker を使用してこの手間のかかる作業を自動化することで、ライフサイエンス企業は創薬プロセスを加速し、医薬品をより迅速に市場に投入し、患者と社会に価値をもたらす画期的な医薬品を提供することができます。
お客様
GE Healthcare は、医療提供者と患者により良い結果をもたらすことで、ヘルスケアを変革しています。GE Healthcare は Amazon SageMaker で強力な人工知能ツールやサービスにアクセスして、患者に対するケアを向上させることができます。
AWS は、すべての情報へのアクセスを統合し、十分な情報に基づいた迅速で重要な意思決定を行えるようにすることで、Novartis が製造プロセスを変革することを支援しています。 Amazon SageMaker を使用してコンピュータービジョンに基づくモデルを構築し、ラインクリアランスを決定しています。
Propeller Health は、AWS 上に構築されたインフラストラクチャとともに、Amazon SageMaker や Amazon Redshift などのソリューションに機械学習を適用し、地域の気象条件、最近の薬の使用、およびその他の要因に基づいて患者の健康状態を予測します。
リソース
Building predictive disease models using Amazon SageMaker with Amazon HealthLake normalized data
Amazon SageMaker