【AWS Innovate】「ヘルスケア・ライフサイエンス業界におけるAWSサービスの活用」を視聴してみた

AWS Loft好きなKyoです。

AWS DevDay 盛りあがりましたね。 DevDayも面白かったのですが、10/1〜11/5までオンラインで開催されているAWS Innovateも非常に興味深いです。 今回はInnovateでヘルスケア・ライフサイエンス特集を視聴したのでレポート致します。

タイトルと講師

タイトル

• ヘルスケア・ライフサイエンス業界におけるAWSサービスの活用

講師

• アマゾン ウェブ サービス ジャパン
• 技術統括本部 エンタープライズ本部 ソリューションアーキテクト
• 小泉 秀徳　様

AWSが定義するヘルスケア・ライフサイエンス領域

• 医療機関（ヘルスケア）
• 保険者（ヘルスケア）
• ベンダー（ライフサイエンス・ヘルスケア）
• 政府（ヘルスケア・ライフサイエンス）

ヘルスケア領域での活用事例

ヘルスケア領域に置ける課題

• 医療データの分析
  • 画像や医療データなど大量の医療データを分析し、そこから洞察を得る
• 医療情報の連携
  • 組織内、医療提供者、保険者でのデータの連携
• 患者とのエンゲージメント
  • Webやモバイルで患者と繋がり、価値ある情報を提供

Deep Learningでパーソナライズされた心臓3Dモデルの作成

課題

• 冠動脈疾患の範囲と血流への影響を洞察することが難しい
• 検査は高額＆危険性を伴うが、半数以上の患者には優位な結果が得られない

AWSの導入効果

• DLとスケーラビリティで大量の計算を迅速に計算、洞察を得ることができた
• 患者ごとに個別の治療計画を立てることができ、不要な検査を減らすことができた
• HIPPA準拠のサービスで病院のセキュリティレベルの承認までの時間も短縮

GE Health Cloudで医療データ共有によるコラボレーション

課題

• データ不足により患者の症例の最大35%が誤診される
• 医療従事者が必要な時に必要な情報にアクセスできる環境が必要

AWSの導入効果

• システム間の相互運用とヘルスケアエコシステムの確率
• 医療画像データの共有とコラボレーションが可能に（S3, Cognito etc)
• AI/MLの活用により医療診断・治療の改善

ヘルスケアプラットフォーム「HealtheIntent」に AWSを採用

課題

• 電子カルテを中心に10PBのデータを1日に11万回処理
• データ分析で新たな洞察を得るために半年が必要
• 外部パートナーとオープンに協業したい

AWSの導入効果

• AI/MLの利用で期間は4週間以内に、コストも80% OFF
• データの匿名化で外部のデータサイエンティストも活用可能に

深層学習を利用したドクターマッチング

課題

• アメリカの保険は複雑で、自分に適したドクターを探すのが難しい（予約まで平均24日）

AWSの導入効果

• DLで患者とドクターのマッチングにより24時間以内に予約可能になった
• 保険範囲をリアルタイムで確認、自己負担金を予測可能になった

ライフサイエンス領域での活用事例

ライフサイエンスのワークロード

• 創薬・基礎研究
• 臨床試験
• 製造
• マーケ・調査

すべてのプロセスでAWSは活用されている

（創薬・基礎研究）CRISPR gRNA検索高速化とスケール化

課題

• 毎月数百万件の検索に対してスケールしたい
• 検索時間の向上
• サーバメンテの削減

AWSの導入効果

• Lambdaで検索時間を90% OFF。コストそのものも削減
• サーバレスなので、サーバ管理不要

（臨床試験）臨床データの品質向上と医学的洞察の提供

課題

• NHS情報ガバナンス、HIPPAへの準拠
• 患者が簡単にモバイルデバイスにデータ登録できる
• スケーラビリティ

AWSの導入効果

• AWSサービスによりセキュリティ要件の担保（VPC, IAM etc.)
• 患者とのコミュニケーションにはSNS, SESを利用
• GPS情報を使った新たな洞察を得た

（製造）Merck Management Cloud (MMC) on AWS

AWSの導入効果

• GxP要件のCSV対応をAWS環境で実施
• 物理DCへの監査の代わりにAWSが提出するコンプライアンス、セキュリティレポートを活用

（マーケ）デジタルヘルスにより新技術・製品の価値を判断

課題

• どの技術や製品が実際に価値を提供しているかがわからない

AWSの導入効果

• モバイルアプリを利用して使用状況と予測データを提供
• バックエンドとしてLambda + API Gatewayによるマイクロサービス

ヘルスケア・ライフサイエンス領域で有用なAWSサービス

• データレイク
• ゲノミクス
• 医療情報の自然言語処理

データレイク

• データを構造化、非構造化問わずS3に入れておく
• 通常、データレイク作るの数ヶ月必要。Lake Formationなら素早く構築！
• Glue, S3, IAM
• Blueprints
• Grant/Revokeによりデータアクセス制御
• データカタログ探知でアクセス制御できる

ゲノミクス

• 2017年ごろまではちょっと複雑なアーキが必要だった（SWF, Dyanamo, SQS, ECS etc.）。
• 2019からはStep FunctionsとAWS batchで楽々。

AWS Batch

• コンテナを利用したフルマネージドなバッチ実行
• スポットインスタンスも使える

Step Functions

• ワークフロー、分散アプリ、マイクロサービスの管理
• AWS Batchとの統合
• コードの削減
• 履歴も残る

ParallelCluster

• HPC cluterのデプロイと管理、オープンソースのツール
• スケジューラor計算クラスタとして AWS Batchもサポート

自然言語処理

• 臨床情報とは、巨大な非構造化ドキュメント
• たとえばレントゲン画像は貴重な資料だが、個人情報が入っていると研究用に使いづらい
• SageMaker, Rekognition, Comprehendを使ってレントゲン画像から個人情報を抜き出し、その部分のみマスクする、というプロセスが自動化できる

(DEMO) SNSにある副作用情報を分析し洞察をえる

• ツイッターの情報をLambdaでクローリング
• Lambdaが情報をTranslateに渡し、Comprehend Medicalで情報を抽出
• これらをKinesis FirehoseでS3へ
• AthenaとGlueでデータカタログ化
• ユーザはQuickSightで可視化

所感

思った以上に多くのヘルスケア・ライフサイエンスの事例がありました。ライフサイエンス分野の出身者（ウェットの方ですが。）としては嬉しい限りです。また、個人的に気になったキーワードは、以下あたりでしょうか。

• サーバレス
• AWS Batch
• Step Functions
• Comprehend Medical

サーバレスやコンテナが使われているのはちょっと意外でした。これらについてまた深堀りできればと思っています。なお、視聴は11/5まで可能ですので、興味を持たれた方は是非ご覧いただければと思います。

AWS Innovate

以上、何かの参考になれば幸いです。