Amazon SageMaker を使用して洞察までの時間を短縮するアストラゼネカ

科学に根ざしたグローバル企業であるアストラゼネカは、腫瘍学および希少疾患において人生を一変させる医薬品、ならびに心臓血管系、腎臓、代謝機能、呼吸器の健康、および免疫学に関するバイオ医薬品の発見、開発、商用化に焦点を当てており、145 か国、70 市場で何百万人もの患者をサポートしています。アストラゼネカは、匿名化された患者データを分析して洞察を得ており、これには慢性腎臓病などの疾患領域における特定の治療と摂食進行モデル、心不全による再入院、およびがんの分類に対する患者センチメントを学ぶことが含まれます。アストラゼネカはこれらの洞察を商業アナリストに提供します。これを受けた商業アナリストは、これらの洞察を使用してビジネスプロセスを改善し、ヘルスケアシステムに対する認識と理解を促します。アストラゼネカのグローバルシニアエンタープライズアーキテクトである Cherry Cabading 氏は、「私たちはターゲティング調整とマーケティングに焦点を当てており、商業チームが患者のニーズに対応するための適切な情報を医療提供者に届けることができるように支援しています」と話しています。

これらの洞察の提供には、大規模なデータセットの分析が必要です。多くの大企業と同様に、アストラゼネカの商業チームには、このデータを大規模に処理する俊敏な ML 環境がありませんでした。以前の ML ソリューションでは、データサイエンティストが必要なデータにアクセスすることを可能にする環境を確立するために、1 か月以上におよぶ集中的な取り組みが必要でした。これは、時間とコストの両方で非効率的でした。「以前は、データサイエンティストチームのための環境を生成する自動的な手段がないテクノロジースタックを使用していました」と Cabading 氏は説明しています。「市販されているさまざまな ML ツールには一体性がなかったため、1 つにまとめることさえも困難でした」。

2020 年、商業チームは、拡張性、柔軟性、およびスケーラビリティを提供するソリューションを探していました。「データサイエンティストは、ML モデルの構築、トレーニング、およびデプロイを行ってから、それらのモデルを当社の商業システムと統合させるために産業化するリューションを必要としていました」と Chabanding 氏は話しています。Amazon SageMaker の使用によって、アストラゼネカは ML 開発のための標準的な統一ソリューションを導入し、コストを削減しながら数か月間におよぶカスタム統合コードの作成を回避することができました。

2020 年、Cabading 氏とチームは Amazon SageMaker を使用したソリューションの設計を開始しました。チームが ML オペレーションの実装準備を進めていたところ、AWS から Amazon SageMaker Studio がリリースされました。これは、データを準備して、モデルの構築、トレーニング、およびデプロイを行うために必要な機能のすべてを 1 つの統一されたウェブベースのビジュアルインターフェイスで提供する、ML のための完全に統合された開発環境です。アストラゼネカは、2021 年 7 月に Amazon SageMaker Studio の使用を開始しました。Cabading 氏は、「これには、デプロイ、ML オペレーション、モデルレジストリ、SageMaker Feature Store、および異なるステージまたは環境にモデルをデプロイする機能が備わっていました。Amazon SageMaker Studio では、多数の手動プロセスを作成する代わりに、機械学習開発プロセスのほとんどを簡単に自動化できます」と話しています。

Advanced Insights Generator (AIG) と呼ばれるアストラゼネカの ML ソリューションは、アナリストが商業モデリングを実行するために役立ちます。米国の商業部門において、AIG は 100 人を超えるデータサイエンティストで構成されるサイエンスチームで使用されています。データサイエンティストは、バイオ医薬品や腫瘍学など、アクセスしたい環境とデータをリクエストします。これらのリクエストを管理するために、Cabading 氏のチームは AWS Service Catalog を使用しています。これは、組織が情報テクノロジーサービスのカタログを一元的に管理できる単一の場所を提供します。「データサイエンスチームの名前を入力し、そのチームがアクセスしたいデータのチェックボックスにチェックを入れます」と Cabading 氏は話しています。そうすることで、新しい環境が自動的に起動されます。これまで 1 か月以上かかっていたプロセスの全体が 5 分で完了するため、データサイエンティストはより重要な作業に集中し、洞察をすばやく提供することができます。

AIG を使用することで、商業チームはこれまで 6 か月以上かかっていた洞察の生成を 2 か月半たらずで行うことができます。これは、洞察を得るまでの時間の約 150 パーセントの向上です。「ソリューションには Infrastructure as Code (IaC) が採用されているので、簡単に反復することができます。これらのプロジェクトのためにわざわざ一からやり直す必要はありません」と Cabaning 氏は言います。「このソリューションは、これが最も有用であるさまざまな内部および外部パートナーと共有できます」。