Gilead が AWS で機械学習を利用してエンタープライズ検索ツールの開発を加速

バイオテクノロジー企業の Gilead Sciences Inc. (Gilead) は、生命を脅かす疾患を抱える人々に、より多くの治療法を迅速に施せるように、スタッフの生産性を向上させ、医薬品開発および製造 (PDM) ビジネスユニット内の内部データ管理プロセスを合理化したいと考えていました。この目標を達成するため、同社は、人工知能 (AI) と機械学習 (ML) を使用して予測分析を行い、重要なドキュメント、知識、データを一元的に検索できるスケーラブルなエンタープライズ検索ツールを構築したいと考えていました。各自然言語クエリで関連する結果を一貫して生成するツールを構築するため、同社は、最大 9 つのエンタープライズシステムからの構造化データと非構造化データ、およびナレッジリポジトリからのドキュメントを整理する一連のソリューションを必要としていました。

プロジェクトタイムラインを加速するため、Gilead の PDM チームは Amazon Web Services (AWS) を選択し、機械学習を利用した非常に正確なインテリジェント検索サービスである Amazon Kendra を採用しました。AWS のサポートを受けながら、PDM チームは 9 か月以内にデータレイクを構築し、その後わずか 3 か月で検索ツールを構築し、そのプロジェクトを 3 年という推定タイムライン内で余裕を持って完了しました。エンタープライズ検索ツールを立ち上げて以来、PDM 全体のユーザーは手動のデータ管理タスクを大幅に削減し、情報の検索にかかる時間を約 50% 削減することができ、研究、実験、医薬品のブレークスルーを促進できています。

カリフォルニア州フォスターシティに本社を置く Gilead は、HIV やウイルス性肝炎の潜在的治療薬を含む抗ウイルス技術および医薬品の研究開発を専門としています。2021 年 4 月、Gilead の製造ビジネスユニット内のデータサイエンスチームは、AI と機械学習を利用して、約 250,000 のドキュメントと 1 TB の非構造化データから適切な情報とインサイトを迅速に引き出すエンタープライズ検索ツールである Morpheus の概念を考え出しました。データサイエンティストとエンジニアで構成されるプロジェクトチームが PDM 内で結成され、このアイデアを実現することに専念しました。これにより、研究者とサイエンティストは、規制、コンプライアンス、サプライ チェーン、および製造データからより深いインサイトを得て、命を救う薬を患者に届ける能力を飛躍的に高めることができます。

Morpheus チームは、1 つの AI および機械学習戦略を実装して知見を得るために、多くのエンタープライズシステムからのデータをまとめるという大きな課題に直面していました。「大規模な AI 検索を構築するために必要なデータ、知識、情報をまとめるインフラストラクチャを設計および実装することで、Gilead のナレッジ AI スペースを革新する機会があることが分かりました」と、Gilead のデータサイエンスおよびナレッジマネジメント担当ディレクターの Jeremy Zhang 氏は述べています。

エンタープライズ検索ツールを開発するために、Morpheus タスクフォースは Amazon Machine Learning Solutions Lab と協力しました。このラボは、組織のチームと機械学習の専門家と力を合わせて、組織最高の投資収益率を誇る機械学習の機会に対処する機械学習ソリューションを特定し構築することを支援しています。Amazon Machine Learning Solutions Lab チームと協力することで、タスクフォースはクラウドのベストプラクティスの理解を深め、概念実証を設計および実行する方法を学びました。チームは Amazon Kendra についても学びました。「Amazon Kendra はターンキー AI ソリューションであり、正しく設定すれば、組織内のあらゆるドメインにまたがることが可能であると同時に、導入が容易です」と Zhang 氏は言います。4 週間以内に、チームはエンタープライズ検索ツールを完全に AWS で開発することを決定しました。

Gilead の PDM チームは、業界をリードするスケーラビリティ、データの可用性、セキュリティ、パフォーマンスを提供するオブジェクトストレージサービスである Amazon Simple Storage Service (Amazon S3) を使用してデータレイクを構築することで、Morpheus プロジェクトを始動させました。このデータレイクは、PDM のすべての非構造化データを事実上あらゆる規模で保存するための一元化されたリポジトリとして機能します。「AWS でエンタープライズ検索ツールを使用するためには、強力なデータ管理が必要でした」と Zhang 氏は言います。「そのため、多くの人が実装にはさらに何年もかかるべきだったと考えていたところ、9 か月で AWS でデータレイクを構築しました」 同社は、データレイクを AI と機械学習の基盤として使用するだけでなく、分析を実行し、開発と製造全体のデータから詳細なインサイトを得るためにも使用しています。以前は、Gilead のチームは、分析のために情報技術チームにチケットを提出する必要があり、場合によっては、要求に応えるのに最大 1 年かかることもありました。現在、同社は数営業日以内に分析と AI 推論を行えるようになりました。

次に、PDM チームは、Amazon SageMaker を使用してドキュメントツールの欠落または不完全なメタデータを埋めることにより、検索を強化することに重点を置きました。これは、ユーザーが、フルマネージド型のインフラストラクチャ、ツール、ワークフローを使うほぼすべてのユースケースで機械学習モデルを構築、トレーニング、デプロイするのに役立ちます。このソリューションを使用して、Gilead は研究者が少数のキーワードで関連情報を簡単に検索できるようにしました。同社はまた、スキャンしたドキュメントからテキスト、手書き文字、データを自動的に抽出する機械学習サービスである Amazon Textract も使用しています。Gilead は Amazon Textract を使用してドキュメント内の関連情報を検出し、以前の光学式文字認識ソリューションと比較して、オペレーションあたりの関連コストを桁違いに削減しました。「Amazon Textract は本当に素晴らしいです。実際のコスト削減だけでなく、情報を抽出する技術的能力が非常に優れているからです」と Zhang 氏は言います。

また、チームはアプリケーションで Amazon Kendra を使用して、データレイクから結果を検索しています。これにより、Gilead はシステム全体で関連情報の検索にかかる時間を約 50% 削減し、スタッフの生産性を向上させ、チームのワークフローを合理化することができました。「Amazon Kendra を使用すると、効率が大幅に向上します。これにより、私たちのチームは適切な情報を見つけようとして右往左往することが減りました」と Zhang 氏は言います。

2021 年 11 月、チームは Morpheus アプリケーションを立ち上げることができ、5 人の従業員のコアチームでプロジェクトの第 1 フェーズを完了しました。それ以来、アプリケーションは組織の変化の触媒となっています。開始から 3 か月以内に、100 人を超える従業員がエンタープライズ検索ツールを採用しました。「Morpheus のおかげで、知識を整理して発見するにはライブラリサイエンスやオントロジーを行う必要があるという既成概念を打ち砕くことができました」と Zhang 氏は言います。「そしてこの方法を用いれば、AI と機械学習の価値を経営幹部に簡単に示すことができます」

Gilead の開発および製造チームは現在、GxP コンプライアンスを達成するためにデータレイクの改善に取り組んでいます。これには、適正製造慣行への準拠も含まれます。そして 2022 年 6 月までにデータレイクの再構築を完了する予定です。同社はまた、予測メタデータ、パーソナライズされた AI、およびナレッジグラフを提供するために、より多くの AI および機械学習テクノロジーを構築することも計画しています。「Morpheus のおかげで、この規模とスケールのツールを使用することが組織全体にどのように役立つかを知ることができます」と Zhang 氏は言います。「Gilead がデータサイエンスをどのように活用し、AWS 上の AI や機械学習から得られる価値を今後どのように引き出すかを理解する上で、本当に役立っています」