翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
最新の医療データ戦略の実装例
AWS は、医療組織がデータに対するアジャイルアプローチをサポートするデータプラットフォームを理解して構築するために使用できるリファレンスアーキテクチャを提供します。次のリファレンスアーキテクチャは、医療分野向けのデータメッシュアーキテクチャ
アーキテクチャ図には、以下のコンポーネントが含まれます。
-
データは外部データソースと内部データソースから取り込まれます。これらのソースには、電子医療記録 (EHR) システム、ラボ、シーケンス施設、画像センターが含まれますが、これらに限定されません。 は、AWS Data Exchange
、Amazon Kinesis 、、AWS Transfer Family 、、AWS DataSync AWS Migration Hub AWS HealthLake 、AWS Glue 、 (ETL) などの一連のサービス AWS を提供します。これらのサービスを使用して、内部データセットを移行し、内部データセットと外部データセットの両方をサブスクライブできます。 -
データドメイン 1 は、臨床データ、オミクスデータ、画像データなど、マルチモーダルな患者指向データを処理するための包括的なワークフローで構成されています。EHR の臨床データは、臨床データ専用のマネージドサービスである HealthLake のデータストアに取り込まれて保存されます。AWS HealthOmics
は、オミクスデータ専用のサービスであり、シーケンスとバリアントのストアとワークフローを処理します。イメージングデータは AWS HealthImaging に取り込まれて保存されます。その後、このデータは利用可能な製品に変換され、幅広いアクセシビリティと活用のためにエンタープライズデータマーケットプレイスで公開されます。 -
データドメイン 2 では、Amazon Kinesis AWS Glueは AWS Data Exchange raw データをデータパイプラインに取り込みます。データのソースには、パブリックレジストリ、リモート患者モニタリング、エンタープライズリソースプランニング (ERP) プログラムなどがあります。パイプラインは、生データを Amazon Simple Storage Service (Amazon S3)
のバケットにロードします。このデータは、データ製品として公開するために、クリーンアップ、キュレーション、変換され、保存されます。Amazon Athena は、データプロデューサーが SQL を使用してデータを変換するために使用できるインタラクティブなクエリエンジンを提供します。AWS Glue DataBrew は、視覚的なデータ変換、正規化、プロファイリングの機能を提供します。 -
Amazon DataZone
は、メタデータ、共同データプロジェクト、データ製品ライブラリを中央ビジネスカタログに公開する処理を行います。 -
統合データ分析ポータルは、フェデレーテッドガバナンスを通じてデータ製品のビューを提供することで、データを中心としたコラボレーションを可能にします。Amazon DataZone では、 によって AWS Glue Data Catalog バックアップされたセルフサービスワークフローが可能になり AWS Lake Formation、ユーザーはデータを共有、検索、検出し、使用許可をリクエストできます。
-
データコンシューマーは、データにアクセスし、ダウンストリームビューを作成し、Amazon Athena、Amazon Quick
、Amazon Redshift 、Amazon SageMaker AI 、Amazon Bedrock などの専用ツールを使用して以下を実行できます。 -
運用の分析
-
臨床インフォマティクス
-
リソース
-
患者と臨床のエンゲージメント
データコンシューマーは、生成 AI を活用して革新的なアプリケーションを開発し、データ製品をビジネスカタログに公開することもできます。
-
データメッシュアーキテクチャの詳細については、「データメッシュとは何ですか?
生成 AI
医療機関では、生成 AI を活用して、医療画像の自動解釈から、画像データとテキストデータの両方に基づく診断支援や治療計画の生成まで、幅広いアプリケーションに対応しています。生成 AI の導入は、ケアの全過程におけるイノベーションを加速し、効率を向上させています。生成 AI への新たな注目により、医療分野では、より多様な非構造化データを取り込み、AI が適用可能なユースケースの数と種類を拡大する必要が生じています。一般的に、組織はユースケースに応じて、生成 AI ソリューションを実装するための 4 つのパターンから選択できます。
-
プロンプトエンジニアリング – プロンプトエンジニアリングでは、ユーザーは関連するデータをコンテキストとして提供し、生成 AI モデルを意図したコンテンツの生成へと導きます。最新の医療データ戦略を持つ組織は、関連するデータを簡単に検出、共有、および活用できるようににすることができます。
-
検索拡張生成 (RAG) – RAG パターンはプロンプトエンジニアリングに基づいています。ユーザーが関連データを提供する代わりに、プログラムがユーザーの質問や入力を受け取り、データリポジトリを横断的に検索して、質問や入力に関連するコンテンツを取得します。プログラムは、見つけたデータを生成 AI モデルにフィードしてコンテンツを生成します。最新の医療データ戦略により、エンタープライズデータのキュレーションとインデックス作成が可能になります。このデータは、プロンプトや質問のコンテキストとして検索および利用でき、大規模言語モデル (LLM) が回答を生成する際に役立ちます。
組織は、次の 2 つのパターンを使用して、生成 AI モデルの出力をデータのコンテキストに適したコンテンツの生成に集中させることができます。
-
ファインチューニング – このパターンを使用すると、組織は生成 AI モデルして、さらに一歩進んだ最適化を行えます。これには、組織固有の少量のデータサンプルを使ってモデルをファインチューニングすることが含まれます。サンプルサイズが小さいため、このパターンはコストとカスタマイズのバランスを保ちます。モデル出力のバイアスを回避するには、できるだけ多様で組織のデータパターンを表す少量のサンプルデータセットを使用します。最新の医療データ戦略は、サンプルデータセットを準備するために、さまざまなデータへの効率的なアクセスをサポートします。
-
独自モデルの構築 – 組織が、高度に専門化された大量のデータにわたってコンテンツを生成する必要があり、前述の 3 つのパターンでは不十分な場合は、独自のモデルを構築できます。
最新のデータ戦略は、データが次の特性を備えていることを確実にすることで、生成 AI ソリューションにおいて重要な役割を果たします。
-
精度を支える高品質なデータ
-
モデル出力の関連性を確保するためのリアルタイムまたはほぼリアルタイムのデータ
-
コンテンツ生成のためにモデルが強化されたデータセットへアクセスできるよう、多様なデータソースにわたる複数のデータモダリティ
次の図は、データメッシュアーキテクチャを使用して生成 AI ソリューションをサポートする、最新の医療データ戦略の実装を示しています。
-
データは、臨床インフォマティクス、臨床研究、収益管理ドメインのさまざまなデータソースから取り込まれ、医療組織で利用できるようになります。
-
フェデレーテッドデータガバナンスにより、データ共有と統合アクセスのための厳格なアクセスコントロールを確保できるようになります。
-
データコンシューマーには以下が含まれます。
-
生成 AI アプリケーション、特にデータを使用して LLM をトレーニングおよびファインチューニングするもの。これらのアプリケーションは、エンタープライズデータを活用した Q&A チャットボットによって、運用効率や患者と医療提供者の体験を向上させます。
-
EHR 統合チャットボット、生産性ダッシュボード、文書作成支援などのツールを備えた臨床アプリケーション。
-
患者体験を向上させるための患者中心のアプリケーション。これらのアプリケーションは、チャットボットとの対話、臨床レポート、効率的な紹介およびスケジューリングプロセスを備えています。
-
研究プロジェクトリポジトリおよびコホート分析や規制報告向けに設計されたアプリケーションを備えた臨床研究。
-
このアーキテクチャにより、組織内のステークホルダーは、他のソースから収集したデータのキュレーションと管理に集中しながら、自身のデータを組織全体で利用できるようにできます。フェデレーテッドデータガバナンスレイヤーで提供されるツールを使用して、メタデータの定義、アクセス承認ワークフローの管理、ポリシーの定義と適用を行うことができます。さらに、このフェデレーテッドデータガバナンスレイヤーは、一元的なアクセスコントロールを提供します。これにより、さまざまなデータソースをキュレートし、高品質のデータアセットを指定された頻度で更新して関連性を維持する環境が作成されます。 は、生成 AI のニーズに対応するための包括的な機能セット AWS を提供します。Amazon Bedrock
