AstraZeneca, Amazon SageMaker를 사용하여 인사이트를 확보하는 데 소요되는 시간 단축

세계적인 과학 중심 기업으로서, AstraZeneca는 획기적인 종양 및 희귀 질병 치료제와 바이오 의약품(심혈관계, 신장 및 대사 기능, 호흡기 건강 및 면역학 분야의 치료제)의 발견, 개발 및 상용화에 주력하면서 145개국과 70개의 시장에 걸쳐 수백만 명의 환자를 지원하고 있습니다. AstraZeneca는 익명 처리된 환자 데이터를 분석하여 인사이트를 확보합니다. 이를 통해 특정 치료법에 대한 환자의 감정을 학습하고 만성 신장 질환, 심부전 재입원 및 암 분류와 같은 치료 분야에서 진행 모델을 제공하는 등 의학 발전에 기여하고 있습니다. AstraZeneca는 이러한 인사이트를 비즈니스 분석가에게 전달하여 이를 통해 비즈니스 프로세스를 개선하고 의료 시스템에 대한 인식과 활용을 촉진할 수 있게 합니다. AstraZeneca의 글로벌 수석 엔터프라이즈 아키텍트인 Cherry Cabading은 "우리는 표적화된 조율과 마케팅에 집중하고 있으며, 비즈니스 팀이 환자의 니즈를 해결하는 데 적합한 정보를 의료 서비스 제공자에게 제공하는 데 도움을 주고 있습니다."라고 말합니다.

이러한 인사이트를 제공하기 위해서는 대규모 데이터 세트 분석이 필요합니다. 여타 대기업과 마찬가지로, AstraZeneca의 상업 팀은 대규모로 데이터를 처리할 수 있는 민첩한 ML 환경을 갖추고 있지 않았습니다. 이전 ML 솔루션에서는 데이터 사이언티스트가 필요한 데이터에 액세스할 수 있는 환경을 구축하는 데 한 달 이상 집중적으로 매달려야 했습니다. 이는 시간과 비용의 측면 모두에서 비효율적이었습니다. 이에 대해 Cabading은 "이전에는 데이터 사이언티스트 팀을 위한 자동화된 환경을 구축할 방법이 결여된 기술 스택을 사용했습니다. 시중에 나와 있는 다양한 ML 도구들이 통합 기능을 지원하지 않아 연동하는 것조차 어려웠습니다."라고 설명합니다.

2020년 당시, 이 회사의 상업 팀은 연장성, 유연성 및 확장성을 제공하는 솔루션을 찾고 있었습니다. Cabading은 "데이터 사이언티스트에게는 ML 모델을 구축, 훈련 및 배포한 후 해당 모델을 상용 시스템과 통합하여 산업화하기 위한 솔루션이 필요했습니다."라고 말합니다. 이에 AstraZeneca는 Amazon SageMaker를 사용하여 ML 개발을 위한 표준 통합 솔루션을 구현함으로써, 맞춤형 통합 코드를 작성하는 데 몇 개월씩 매달리는 일이 없도록 하고 비용을 절감할 수 있었습니다.

2020년, Cabading과 상업 팀은 Amazon SageMaker를 사용하여 솔루션을 아키텍팅하고 설계하기 시작했습니다. 이 팀이 ML 운영 구현을 준비할 당시, 마침 AWS는 데이터를 준비하고 모델을 구축, 훈련 및 배포하는 데 필요한 모든 리소스를 하나의 통합 웹 기반 시각적 인터페이스로 제공하는 ML용 완전 통합형 개발 환경인 Amazon SageMaker Studio를 릴리스했습니다. AstraZeneca는 2021년 7월에 Amazon SageMaker Studio를 사용하기 시작했습니다. Cabading은 "이 서비스에는 배포, ML 운영, 모델 레지스트리, SageMaker 특성 저장소, 다양한 단계 또는 환경에 모델을 배포하는 기능이 포함되어 있습니다. 많은 수동 프로세스를 생성하는 대신, Amazon SageMaker Studio 내에서 간단하게 대부분의 기계 학습 개발 프로세스를 자동화할 수 있습니다."라고 말합니다.

Advanced Insights Generator(AIG)라는 AstraZeneca의 ML 솔루션은 분석가가 상업적 모델링을 수행할 수 있도록 지원합니다. 미국의 상업 부문에서 AIG는 100여명의 데이터 사이언티스트로 구성된 과학 팀에서 사용되고 있습니다. 데이터 사이언티스트는 바이오 의약품 또는 종양학 데이터 등 액세스하고자 하는 데이터와 환경을 요청합니다. 이러한 요청을 관리하기 위해 Cabading 팀은 조직이 정보 기술 서비스 카탈로그를 중앙에서 관리할 수 있는 단일 인터페이스를 제공하는 AWS Service Catalog를 사용합니다. Cabading은 "데이터 과학 팀의 이름을 입력하고 액세스하려는 데이터의 확인란을 선택합니다."라고 말합니다. 그러면 새 환경이 자동으로 실행됩니다. 한 달 이상 걸리던 전체 프로세스가 5분밖에 소요되지 않으므로, 데이터 사이언티스트는 보다 가치 있는 작업에 집중하고 신속하게 인사이트를 제공할 수 있습니다.

이 상업 팀은 AIG를 사용하여 이전에 6개월 이상 걸리던 것에 비해 훨씬 단축된 2.5개월 만에 인사이트를 도출할 수 있게 되었습니다. 즉, 인사이트를 확보하는 데 걸리는 시간이 약 150% 단축된 것입니다. Cabading은 "이 솔루션은 코드형 인프라를 기반으로 하므로 반복하기가 쉽습니다. 따라서 프로젝트를 진행하기 위해 무언가를 새로 만들어낼 필요가 없습니다. 그리고 이 솔루션을 가장 합리적인 방식으로 내부 및 외부 파트너 간에 공유할 수 있다"고 말합니다.