Getting started with generative AI in healthcare and life sciences | Databricks Blogの翻訳です。
本書は抄訳であり内容の正確性を保証するものではありません。正確な内容に関しては原文を参照ください。
ChatGPTの爆発的成長は、すべての業界が自分たちの人工知能(AI)戦略を見直すような影響を与えました。ヘルスケア＆ライフサイエンスでは、数年に渡って患者ケア、医療研究、診療での意思決定を改善するために、データとAIの活用を探索してきていますが、大規模言語モデル(LLM)は、AIをヘルスケアのリーダーがもはや無視できない戦略的なイニシアチブ二まで引き上げました。
なぜ今なのでしょうか？ヘルスケアは混乱の極地にいます。
ヘルスケアにおいてはケアのコストを引き上げる非効率性が存在します
現在、アメリカでは他の国以上にヘルスケアにお金を費やしており、コストは国民総生産(GDP)の18%にまで達しようとしています。この値には、年間$760Bから$935Bの無駄な支出によるコストが含まれています。
それらの年間コストと無駄な要素の上位の要因は以下の通りです:
- 管理の複雑性: $265.6B
- 不正、無駄や乱用: $58B
- ケア調整の失敗: $27.2B
LLMは万能薬ではありませんが役に立ちます
膨大な量のデータを解放することで、処理を自動化し、分散したチームをつなぎ合わせ、新たな洞察を導き出すことで、ヘルスケアに革命をもたらすために位置付けられた技術である人工知能(AI)のポテンシャルに踏み込む機会を得ることができます。
フォーカスすべき最初の領域として、無駄な支出を見てみましょう。無駄の削減によって推定されるコスト削減は、$191Bから$286Bの範囲にあると言われています。LLMは医療コーディングや請求を自動化し、処方のコストを削減し、診療文書を改善し、医療のエラーを検知することができます。経済的なメリットに加えて、経済的以外のメリットには患者やメンバーの優れた体験が含まれます。
メリットは明確です。組織がアクションを起こすのに何が妨げとなっているのでしょうか？
まず、そこに到達するには適切なデータプラットフォームが必要となります
新たなイノベーション、医療研究の前進、患者の成果の改善において、ヘルスケアデータの取り込み、変換、分析、共有できる能力が重要な役割を担います。IDCによると、世界のそれぞれの人物は毎年270GBのヘルスケア、ライフサイエンスのデータを生成し、このデータすべての潜在能力を活用できる組織は重要な結果を目撃しています。
ヘルスケアにおいて過去10年を通じて生成されたデータのボリュームと種類の成長は非常に大きなものですが、データ分析や共有の従来の手法はこれについてこれておらず、組織がこれらのデータを完全に活用する妨げとなっています。
様々なソースからのデータの統合は、ヘルスケア企業に大きな課題を突きつけます。サイロ化したデータリポジトリ、様々なデータフォーマット、互換性のないレガシーシステムは、全体的な洞察を得ることを困難にします。手動のデータ転送や厳密なETL(Extract、Transform、Load)プロセスのような従来のデータインテグレーションの手法は、多くの場合不適切であり、遅延やエラー、患者や人口動態の不完全なビューを生み出すことになります。さらに、データ品質、プライバシー、コンプライアンスの懸念は統合プロセスにさらなる複雑性をもたらし、細心の注意を払う必要が出てきます。
これを正しく行うには、LLMの探索が最初の重要なステップとなります。これは、患者の広範な文脈に合わせた提案を生成するように、LLMをトレーニングする際により広範で多岐にわたるデータセットを統合することを意味します。
ヘルスケア、ライフサイエンスにおけるLLMのユースケース
ヘルスケアとライフサイエンスのリーダーは、他の業界がLLMの技術をどのように導入しているのかに基づいて、LLMがもたらす変化を目撃しており、彼らは自分たちの組織にどのように適用するのか、この技術を安全に実装するステップを知ることに苦戦しています。
ヘルスケアはリスクを許容せず、高度に規制された領域です。個人健康データがどのように使用されるのかに関する高度な検査が存在します。ChatGPTのような公開されているLLMに保護健康情報(PHI)を入力することは、HIPAAに違反する恐れがあります。ご自身のモデルをご自身のデータでトレーニングできるオープンソースLLMモデルの出現が、これらの懸念に対応する際に重要な役割を担います。
これらの課題が存在していても、生成AIは存在し続けます。この技術は、現在でも多くのお客様で活用されています。以下のように、オペレーションや患者対面の取り組みにおいて大きな威パクトをもたらしているユースケースをスタートしています。
患者/メンバーエンゲージメントの改善
ヘルスケア組織のウェブサイトやモバイルアプリケーションにチャットbotやバーチャルアシスタントがデプロイされており、患者のコミュニケーションやガイドを改善するためのインタラクティブかつリアルタイムの手段を提供しています。ケアチームに対しては、患者ポータルの受信箱に届いたメッセージを要約し、レスポンスの作成を円滑にするためにLLMが役立ちます。
診療文書作成、転写の削減
医者のオフィスに立ち寄ったことがあるのであれば、電子健康記録(EHR)には馴染みがあることでしょう。あなたのバイタルサイン、治療履歴、治療指示などが来院の度に記録されます。ヘルスケアプロバイダーは診療時間の8時間に対して最大5時間(あるいは年間1億時間)をEHRの操作に費やしています。その後、人間の医療複写担当者によって複写され、年間数百万ドルを要します。大規模言語モデルは患者データの解析の助けとなり、パターン識別や治療の提案を通じて、情報に基づく意思決定を可能とします。
生医学文献の合成
LLMは公開されている膨大な量の科学文献を処理、合成することができます。このデータと内部のナレッジベースを組み合わせることで、LLMは研究者に最新の発見を提供し続けることができ、大規模なテキストコーパスに対する新たな研究仮説を識別することができます。組織はLlama 2のようなオープンソースかつファインチューニングされた大規模言語モデルからスタートし、こちらのソリューションアクセラレータにあるようにLangChainのようなオープンソースのオーケストレーションフレームワークを活用することができます。
臨床試験の最適化
通常の薬品のトライアルは数年と数十億ドルのコストを必要とします、LLMは臨床試験に適した患者グループを特定し、試験の設計を最適化し、募集を加速し、臨床研究の効率と成功率の改善の助けとなります。さらに、R&DにおいてContract Research Organizations (CROs)から得られるレポートの要約や、規制のレビューや承認のためのGlobal Medical Affairsへの提出をスピードアップするためにLLMを活用します。
薬品の目的の再設定
既存の薬品の属性や様々なターゲットとの相互作用を分析することで、LLMは承認済み薬品の新たな治療法を特定し、創薬のタイムラインを短縮し、コストを削減します。
経済効率性を高めるネクストベストアクション
LLMは、セールスとヘルスケア専門家(HCP)の電話やヘルスケアプロバイダーとのメールのやり取りを要約し、ネクストベストステップを提案することができます。
HLSでLLMを使い始めるのにどのようにDatabricksが役に立つのか
LLMはヘルスケア、ライフサイエンス企業が洞察を発見し、患者の成果にインパクトをもたらす方法に革命をもたらす可能性を秘めています。しかし、まだ早期の段階です。ヘルスケア企業がこの新たな技術の波に備えるために重要なことななんでしょうか？ヘルスケア企業は以下のことで備えることができます:
- 企業データ戦略を開発する。 LLMのすべての活用においては、トレーニングやファインチューニングの両方でモデルによって活用される膨大なデータを必要とします。ヘルスケア企業では、達成したい成果が何であるのか、念頭にある成果に対してどのデータが重要なのか、期待する成果に到達する時間を削減するためにどのように自動化技術(AI)を活用できるのかを特定し、これらの要件に合致するように技術を割り当てる必要があります。戦略設定において鍵となる要素は、「自分たちはどのようにしてデータセントリックになり、それから意思決定を行うのか？」 という質問をすることです。企業では、レコメンデーションのパーソナライズ、サプライチェーンとインベントリ管理の改善、予兆分析の推進を行うためにどのようにAIを活用できるのかを説明できなくてはなりません。
- 民主化されたデータで成果を実現する。 すべての後段のAI、BIユースケースをサポートしつつも、すべてのタイプのデータ(構造化、半構造化、非構造化)を収集、蓄積、管理できる統合データアーキテクチャの構築に投資します。汎用化される傾向がある大規模言語モデル(LLM)において、それらをパワフルかつ適正なものにするのは、みなさまのデータチーム向けのdata-as-a-serviceの作成を含む組織固有のデータです。企業では、これらの生成モデルの期待を持ってデータの収集やアノテーションに投資しなくてはなりません。重要なことですが、(HIPAAのような)コンプライアンスに準拠した方法でデータを共有するには、強力なガバナンスや監査可能性を提供するデータプラットフォームを探す必要があります。例えば、HealthVerityでは、患者のセキュリティに悪影響を与えることなしに医療のイノベーションを加速するために、ある大規模な利用者が、公開ポリシー機関と研究者とセキュアな共有を行うために、DatabricksのUnity CatalogとDatabricksクリーンルームを活用しています。
- パイロットを行う。 ヘルスケアにおける生成AIは、薬品の処方のような規制のある多くのワークロードにレディになっていませんが、情報収集、テキスト要約、マーケティング向けコンテンツ作成のように多くの管理的タスクやルーチン的な言語処理を必要とするワークロードに活用することができます。
より詳細を知りたいですか？Lakehouse for Healthcare and Life Sciencesが、データ、分析、AIのすべてを統合することで、企業が今の場所から目的の場所に到達する助けとなるのかを学ぶために、我々のサイトに来てみてください。
そして、LLMを使い始める準備ができたら、ソリューションアクセラレータBiomedical Literature Q&A with LLMsをチェックしてみてください。