ヘルスケア、ライフサイエンス

ライフサイエンスの研究開発向けに構築できる 4 つのエージェントワークフロー

Wed, 03 Dec 2025 01:01:00 +0000

※この投稿は米国時間 2025 年 11 月 22 日に、Google Cloud blog に投稿されたものの抄訳です。

生成 AI を活用した AI エージェントは、目標を解釈し、複数のステップから成るアクションを計画し、システム全体で独立して動作できるインテリジェントなコラボレーションパートナーとして機能することで、業界を急速に変革しています。これにより、企業がデータを見つけ、理解し、行動する方法に大きな変化がもたらされています。最近のブログでは、AI エージェントが複数の業界をどのように変革しているかを概説しています。

以下では、マルチエージェントシステムを通じて、新しい治療薬候補の発見と前臨床最適化を加速するモジュール型のエンドツーエンドプラットフォームを作成する方法について説明します。このシステムは、どのような疾患や治療法であるかにかかわらず、疾患概念の概要から、成功の可能性が高い有力候補群を導き出せるように設計されています。

Google の専用オープンウェイトモデルを基にした特化型 AI エージェントが、少数ですが重要な役割を果たしています。こうしたエージェントは、より特化した用途に合わせてさらにチューニングやトレーニングを施すことができます。以下のエージェントはすべてオープンウェイトモデルをベースとしているため、モデルに対してさらにチューニングやトレーニングを施し、強力なエージェントを構築することもできます。

ライフサイエンス向けに構築できる 4 つのエージェント

1. MedGemma: 「戦略的インテリジェンスエージェント」

専門知識: 非構造化生物医学テキスト、医療画像、臨床データ、科学文献の深い理解と統合。
機能: 専門知識を持ったエージェントとして機能します。認知オーケストレーターの指示に従って、生物医学コーパス（例: PubMed、テキストの患者記録、胸部 X 線などの他のモダリティ）をディープ検索して統合してから、所見を抽出し、コホートを構築して、知識を要約します。MedGemma が特に有効なのは、厳格なバージョン管理（規制対象製品など）や推論費用の削減が必要なユースケースです。特定のユースケースへの適応に大幅な変更が必要な場合にも特に有効です。また、高速でコスト効率も優れているため、速度とコストが重要なボリュームが多い医療のユースケースに非常に適しています。これらのユースケースの多くは、ライフサイエンスで非常に一般的です。

2. TxGemma: 「前臨床アナリスト」

専門知識: 治療用分子の機能性特性と安全性特性の予測
機能: 新薬候補の薬物動態、透過性、毒性、有効性などの前臨床特性をコンピュータを利用して予測します。
TxGemma ブログ

3. Gemini 2.5 Pro: 「認知オーケストレーターエージェント」

専門知識: 高度なマルチステップの推論、動的プラニング、コンテキストの理解によって創薬ワークフロー全体を管理。
機能: 目標の概要を解釈し、タスクを順序付け、結果を評価し、ワークフローを動的に適応させることで特化型 AI エージェントに指示を出し、科学者が最終的な治療目標を達成できるようにします。このオーケストレーターは、さまざまなツールにもアクセスします。ツールは特化型の完全なエージェント（MedGemma など）や特定のモデルのエンドポイント（AlphaFold など）になる場合があり、その機能に関する明確な自然言語の説明が付けられます。たとえば、MedGemma ツールは「与えられた病状に基づいて、潜在的な疾患の標的を特定するために、生物医学文献を検索して統合するツール」として使用できます。
注: バージョンがロックされたモデルや変更管理が必要なユースケースでは、このオーケストレーションに Gemma（オープンソース）を使用できます。

4. AlphaFold-2 と分子ドッキングツール: 「分子アーキテクト」

専門知識: 分子標的の正確な 3D 構造を予測し、候補分子が物理的にどのように相互作用（ドッキング）するかをシミュレートします。
機能: 薬物と標的の相互作用に関する基本構造のブループリントを作成し、構造ベースの設計、バーチャルスクリーニング、特異性分析を可能にします

手順は次のとおりです。

フェーズ 1: 標的を見つける

科学者がシステムにプロンプトを入力します（例: 「パーキンソン病の新しい標的を見つけて」）。MedGemma エージェント（「AI リサーチアナリスト」）は、数百万件の出版物と臨床データを瞬時にスキャンして、有望な生物学的標的を特定します。オーケストレーターが簡潔なレポートを生成し、科学者が最終的なターゲットを承認します。

フェーズ 2: 候補を生成する

AlphaFold エージェント（「分子アーキテクト」）は、ターゲットの 3D モデルを構築します。次に、TxGemma エージェントがバーチャルスクリーニングを実施し、数千もの潜在的な薬剤の「鍵」をテストして、ターゲットの「錠」にどのように「適合」するかを確認し、最終候補のリストを作成します。

フェーズ 3: 「設計、テスト、改良」のループ

これは、候補を迅速に改善するための要です。

予測: TxGemma（「前臨床アナリスト」）は、各候補についてバーチャルシミュレーションを実行し、実際のパフォーマンス（効力、毒性など）を予測します。
トリアージ: オーケストレーターがそれらを分類します: 「促進する」（非常に優れている）、「アーカイブする」（行き詰まり）、「最適化する」（有望だが欠陥がある）。
改良: 「最適化する」候補は、特定の欠陥を修正するために自動的に改良され、すぐにループに戻されます。

この設計 -> ドッキング -> 予測 -> 改良のサイクルは、Google Cloud のハイパフォーマンスコンピューティングで数千回実行され、物理的なラボでは不可能な速度で薬物設計を繰り返します。

フェーズ 4: ラボでテスト可能な有力候補を選定する

ループの後、オーケストレーターは、最適化された最終的な有力候補を人間の科学者に提示します。科学者が最終的な選択を行い、MedGemma が再び関与して、実際のラボテストに最適な戦略を設計します。

発見のために「試行錯誤する」という費用のかかる部分を、この迅速なコンピュータを利用したワークフローに移行することで、ラボのリソースを成功の可能性が最も高い候補に集中させることができ、新しい治療法へのより迅速でインテリジェントな道が開かれます。

リファレンスアーキテクチャ

この図は、基盤となるサービスと、サービス間のデータの流れ、サービスの連携方法を示しています。

この高度で反復的なワークフローを実行するには、堅牢でスケーラブルかつ安全なクラウドプラットフォームが必要です。Google Cloud は、各 AI エージェントのニーズとワークフロー全体に直接対応する包括的なサービススイートを提供し、データの完全性、コンプライアンス、コンピューティング能力を確保します。

Google Cloud の使用を開始する方法

Vertex AI Search は、このエージェントの機能のコアサービスです。内部の研究ドキュメント、PubMed の文献、臨床試験データなど、非公開の生物医学データのコーパスに対して、高度な検索拡張生成（RAG）システムを構築できます。これにより、エージェントは自然言語のクエリに回答し、引用付きで情報を統合できるようになります。

Vertex AI。Google Cloud は、最適化されたマネージドの AlphaFold 環境と統合機能を提供します。GPU または TPU のアクセラレーションを備えた Vertex AI Training を使用することで、数千ものタンパク質のフォールディングとドッキングのシミュレーションを並行して実行でき、高スループットのニーズにも対応できます。エージェントを作成するには Vertex AI Agent Builder を使用します。

^{ご協力いただいた Ryan Ye Min Thein 氏（Google Cloud、カスタマーエンジニア）と Justin Chen 氏（Google Health、医療従事者スペシャリスト）に感謝いたします。}

-Google Cloud、GTM およびパートナーシップ責任者 - ニューフロンティア担当、Pranav Mehrotra
-Google Health JAPAC 担当、Joe Ledsam

シアトル小児病院で医師の作業を迅速化、効率化する AI 搭載アシスタントの舞台裏

Wed, 08 Oct 2025 01:00:00 +0000

※この投稿は米国時間 2025 年 9 月 19 日に、Google Cloud blog に投稿されたものの抄訳です。

名前からは想像できないかもしれませんが、シアトル小児病院は世界最大の小児医療システムです。

メインキャンパスはシアトルにありますが、シアトル小児病院はアラスカ、モンタナ、アイダホ、ワシントンに 47 のサテライト病院を擁し、ハワイからも患者が治療に訪れます。シアトル小児病院は 100 年以上にわたり、米国西部の子供たちが健康を回復し、健康を維持できるよう支援してきました。支払い能力は問いません。

広大な地域をカバーし、さまざまな患者を治療するシアトル小児病院は、患者と医療従事者に一貫した質の高いケアを提供するために、常に新しいテクノロジーを求めてきました。生成 AI は、医療ツールキットの最新の進化です。

その取り組みは、約 20 年前に始まりました。当時、シアトル小児病院は、臨床医が数十もの病状に対処する際に、より迅速かつ確実に意思決定できるよう設計された標準化されたプロトコルである小児臨床パスを作成しました。このような治療経路は医療分野全体で一般的になりつつあり、シアトル小児病院は、子どもの特有の医療ニーズに対応する治療経路をいち早く開発していました。

これらのツールは革新的でしたが、臨床医は特定の病状に必要な情報を見つけるために、索引や長いバインダーをめくって探す必要がありました。医療現場では、一刻を争う場合が少なくありません。

シアトル小児病院はすでに Google Cloud と協力して多くのプロジェクトに取り組んでいました。生成 AI によって臨床医の業務を簡素化できる可能性を探り始めたとき、まず臨床パスウェイから取り組むのが自然なステップだと考えました。Vertex AI と Gemini を使用して、Pathways Assistant を迅速に開発できました。これは、臨床パスウェイのドキュメントからトレーニングを受け、検索機能だけでなく会話機能も強化したものです。ページをめくる代わりに、臨床医が必要とする救命情報を迅速かつ確実に検索できる方法を大きく変えたのです。

医療の改善への道は Gemini を通じて「クリニカルパスウェイ」とは、特定の病状や病気に対するエンドツーエンドの治療プロトコルです。シアトル小児病院の小児臨床パスウェイは、診断基準から検査プロトコル、投薬の推奨事項まで、あらゆる情報を提供しており、世界中の病院で広く尊重され、使用されています。

以前は、これらの臨床パスウェイは PDF のみで文書化されており、その数は何十万ページにも及びます。必要な回答を得るためにコンテンツを従来の方法で検索すると、数分、あるいは数秒が重要な環境で、臨床医が治療を提供する能力が遅れてしまいます。

Google Cloud のエンジニアは、医療とテクノロジーの両方の世界にまたがるシアトル小児病院の情報医学の医師と協力して、Pathway Assistant を作成しました。新しいマルチモーダル AI chatbot は、PDF の情報を使用して、音声またはテキストの自然言語クエリに回答します。

質問を処理した後、Pathway Assistant は各 PDF のメタデータを検索します。メタデータには、Gemini によって PDF から抽出され、臨床医によってキュレートされた JSON 形式の半構造化データが含まれています。次に、最も関連性の高い PDF を選択し、埋め込まれている複雑なフローチャート、図、イラストなどの情報を解析して、わずか数秒で臨床医の質問に答えます。

正確な意思決定のためのインタラクティブな情報検索Pathway Assistant は、使用するほど精度が向上します。医療機関は、chatbot と臨床パスウェイについて「対話」することができます。chatbot は、質問に答える代わりに、説明が必要な場合は独自の質問を投げかけ、正確に回答できると確信できるまでやり取りを繰り返します。この chatbot は、回答の作成に使用した各 PDF の特定の部分を常に表示するため、臨床医は回答の正確性を確認できます。

インターフェースには、chatbot の分析と回答の正確性や適切性についてユーザーがフィードバックを提供できる機能も含まれています。フィードバックは、BigQuery テーブルに保存します。このテーブルは、自然言語を使用して情報をクエリできる臨床医と、フィードバックを処理して臨床医が混乱した点や今後の回答の精度を向上させる方法を要約する組み込みの Gemini モデルの両方によって、今後のフォレンジック分析に使用されます。

この反射的な機能により、Pathway Assistant は、不正確さが PDF のコンテンツに起因する場合、臨床医のフィードバックに基づいて PDF を更新できます。臨床医は、メタデータの精度が向上し、キュレーションの必要性が低下していることも確認しています。Pathway Assistant は、ドキュメントの誤字脱字も自動的に修正します。新しい臨床パスウェイが開発されると、最新情報を含む PDF が PDF ライブラリに追加されます。

この増え続けるコレクションは、Google Cloud Storage に安全に保管されており、データが増えるほどその有用性は高まります。以前は必ずしもそうではありませんでした。紙ベースのコレクションは情報量が増えるほど充実していましたが、その分読み込む手間も増え、特に緊急医療の現場では扱いが大変でした。Pathway Assistant は、この負担をほぼ完全に軽減し、いつでも数秒で最も完全な情報を合成して提供します。

結局のところ、Pathway Assistant は意思決定ツールではなく、情報検索ツールです。エビデンスに基づく重要なガイドラインの調査に数時間かかっていたのが、数分で済むようになりました。

このスピードと有効性により、臨床医はケアの現場でより迅速に適切な判断を下すことができ、研究時間を大幅に短縮し、患者の安全性と転帰を向上させることができます。最終的に、医療従事者は PDF の処理に追われるのではなく、より多くの患者と向き合う時間を確保できるようになります。

どの医師に聞いても、最良の医療技術はまさに患者に集中し、書類作業に追われないようにしてくれる、と答えるでしょう。

-Darren Migita 博士 、Seattle Children’s Hospital、臨床効果担当メディカルディレクター

-Jérôme Massot、 GenAI Cloud Architect、Google

Manipal Hospitals と Google Cloud が提携し、生成 AI で看護師の引き継ぎプロセスを変革

Tue, 29 Jul 2025 01:00:00 +0000

※この投稿は米国時間 2025 年 7 月 12 日に、Google Cloud blog に投稿されたものの抄訳です。

インド最大手の医療機関の一つである Manipal Hospitals は、37 の病院で年間約 700 万人の患者に対応しています。高い水準での医療と患者中心のケアを提供するために、私たちは常にテクノロジーを取り入れています。当院が抱えている最も大きな運用上の課題の一つは、看護師の引き継ぎプロセスです。これは重要な作業ですが、時間がかかります。看護師の引き継ぎをより効率的、安全、正確に行うために、私たちは Google Cloud コンサルティングチームと戦略的パートナーシップを結び、Google Cloud の力を活用して生成 AI ソリューションを共同開発しました。

時間がかかり、エラーが発生しやすい看護師の引き継ぎプロセスを見直す

患者の状態や治療計画に関する重要な情報を、退勤する看護師から出勤する看護師に引き継ぐプロセスは、一貫したケアと患者の安全を確保するうえで非常に重要です。しかし、病床数が 10,500 を超える当院では、包括的な引き継ぎに必要なデータの量が膨大で、看護師はこれらのレポートの作成と受領のために、シフトに 90 分を追加するのが日常的でした。こうした時間を要するプロセスは、疲労や潜在的なミスにつながったり、重要な看護スタッフの仕事に対する満足度を低下させたりする可能性があり、患者ケアに直接影響を及ぼしかねません。このプロセスをより迅速かつ正確に、そして負担を軽減する方法が必要でした。

Google Cloud で信頼できるソリューションを構築

Manipal と Google の共同チームは、5,000 人以上の看護師が使用することになる臨床ツールは、高速かつ信頼性が高いものでなければならないことを理解していました。医療における生成 AI アプリケーションの主な課題は、精度を確保し、AI の「ハルシネーション」のリスクを最小限に抑えることです。

Google Cloud コンサルティングチームが設計したソリューションのアーキテクチャは、複数の Google Cloud コンポーネントを活用することでこの問題に対処しています。TrakCare システムの患者データは、Google Cloud のデータレイクにほぼリアルタイムで安全に転送されます。看護師が引き継ぎ概要をリクエストすると、サーバーレスの Cloud Run アプリケーションがマルチステージプロセスをオーケストレートします。

重要なのは、システムが何ページもの未加工のデータを AI に直接渡すのではなく、まずインテリジェントな時間ベースのフィルタを使用して、特定のシフトに最も関連性の高い臨床情報のみを抽出することです。この構造化された前処理済みデータは、

Vertex AI の Gemini に送信されます。この「制御された生成」アプローチは大きなイノベーションでした。これにより、Gemini は最も関連性の高い事実のみを要約し、最終的な ISBAR（Identify: 特定、Situation: 病状、Background: 背景、Assessment: 評価、Recommendation: 推奨事項）レポートの精度と一貫性が大幅に向上します。Gemini は、専門的なファインチューニングなしで複雑な医学用語、医薬品名、臨床手順を理解できるため、結果として開発プロセス全体が加速しました。

パートナーシップによる成果

Manipal の深い臨床専門知識と Google Cloud コンサルティングの技術的リーダーシップを組み合わせた共同アプローチは、エンタープライズレベルの AI 実装への道筋を示します。

アイディエーションからプロダクションまで: Google Cloud コンサルティングチームは、最初のアイデア考案の段階から、現在数千人の看護師が毎日使用しているプロダクションレディなソリューションの実装まで、プロジェクトを主導しました。このプロジェクトは、スケーリング前にテクノロジーの価値を実証するため、焦点を絞った実用最小限の製品（MVP）から開始されました。
ユーザー中心のデザイン: このソリューションは、ユーザーのニーズを考慮して構築されました。Google のチームは、看護師との詳細なディスカッションと評価セッションを 8 回以上実施しました。これにより、最終的な ISBAR サマリー形式は技術的に優れているだけでなく、臨床的に有用なものになりました。
段階的かつ反復的なロールアウト: まず 1 つの病院でソリューションの試験運用を行い、実際の環境でのパフォーマンスと安全性をテストしました。試験運用の成功を受け、このソリューションは Manipal Hospitals の 23 施設で導入され、毎日 5,000 人以上が利用しています。本格的な導入により、看護師の業務時間を大幅に削減できると見込まれています。この段階的なアプローチを共同で管理することで、フィードバックを収集し、スムーズな導入を実現できました。

患者ケアの向上

導入した生成 AI ソリューションは、目覚ましい成果を上げています。引き継ぎ時間が 90 分から 20 分と 7 割近く短縮されたことで、看護師は患者の直接的なニーズとケアに集中できるようになりました。また、手書きのメモや人間の疲労から生じる可能性のあるエラーに対する脆弱性も低くなります。

Google Cloud コンサルティングとのパートナーシップによって実現したこのプロジェクトは、インドの医療の未来を切り拓く取り組みのモデルとして、インド全土に質の高い医療を広く届けるうえで役立っています。

ソリューションの設計と開発を担当した Google Cloud コンサルティングチームの Naveen Poosarla 氏、Gopala Dhar 氏、Rupjit Chakraborty 氏、Hem Anand 氏、Amit Dutta 氏、Nishant Welpulwar 氏、Preetam Dey 氏、Shikha Saxena 氏に感謝の意を表します。このプロジェクトを成功に導くために尽力してくれた Manipal Hospitals チームの Saroja Jaykumar 氏、Sunil Bhattacharjee 氏に感謝の意を表します。

-Manipal Hospitals、チーフナーシングマネージャー兼ビジネスリード、Saroja Jaykumar 氏

-Google Cloud コンサルティング、シニア AI コンサルタント Naveen Poosarla

aside_block: <ListValue: [StructValue([('title', 'Google Cloud を無料で試す'), ('body', <wagtail.rich_text.RichText object at 0x7f8af564b610>), ('btn_text', '無料で開始'), ('href', 'https://console.cloud.google.com/freetrial?redirectPath=/welcome'), ('image', None)])]>

Cloud CISO の視点: EU の医療機関が直面する世界的な脅威

Wed, 23 Jul 2025 02:00:00 +0000

※この投稿は米国時間 2025 年 7 月 1 日に、Google Cloud blog に投稿されたものの抄訳です。

2025 年 6 月、2 回目の投稿となる「Cloud CISO の視点」をご覧いただきありがとうございます。今回は、Google Cloud の CISO オフィスに所属する Thiébaut Meyer と Bhavana Bhinder が、ヨーロッパの医療機関をサイバー攻撃から守るための Google の取り組みについて説明します。

これまでのすべての「Cloud CISO の視点」と同様、このニュースレターのコンテンツは Google Cloud 公式ブログに投稿されます。このニュースレターをウェブサイトでご覧になっていて、メール版の配信をご希望の方は、こちらからご登録をお願いします。

aside_block: <ListValue: [StructValue([('title', 'Google Cloud で上級職向けの重要な情報を得る'), ('body', <wagtail.rich_text.RichText object at 0x7f8af5e63a30>), ('btn_text', 'Insights Hub を見る'), ('href', 'https://cloud.google.com/solutions/security/board-of-directors?utm_source=cloud_sfdc&utm_medium=email&utm_campaign=FY24-Q2-global-PROD941-physicalevent-er-CEG_Boardroom_Summit&utm_content=-&utm_term=-'), ('image', <GAEImage: GCAT-replacement-logo-A>)])]>

ヨーロッパの病院や医療機関が直面する世界的な脅威

CISO オフィス、ディレクター、Thiébaut Meyer / CISO オフィス、欧州ヘルスケアおよびライフサイエンス担当責任者、Bhavana Bhinder

Thiébaut Meyer, director, Office of the CISO

サイバー脅威の世界的情勢は進化し続けていますが、サイバー脅威アクターが真っ先に狙うのは今も変わらず医療機関です。欧州委員会はこのことを懸念して、医療機関をサイバー攻撃から守り、攻撃に直面しても重要な救命治療を継続できるように、病院や医療機関のサイバーセキュリティ向上を目指す「欧州医療セキュリティ行動計画」を立ち上げました。

この計画をサポートし、より広範な社会構造におけるレジリエンスを強化するためには、2 つの重要なステップが欠かせません。それは、サイバーセキュリティ投資の重要分野としてヘルスケアを優先することと、民間部門との連携を強化することです。サイバー脅威の多面性と医療システムの相互接続性を考慮したこのアプローチは、デジタル化が進む世界で公衆衛生を確保するためにまさに必要なものです。それゆえ、欧州委員会が最近、欧州の医療機関も対象に含めたサイバーセキュリティ向上のための資金援助を発表したことは、とても喜ばしいことです。

Bhavana Bhinder, European healthcare and life sciences lead, Office of the CISO

Google は、EU 全域で業界とのパートナーシップを広範に築き、デジタル化の成熟度や能力レベルを問わず、あらゆる医療機関がサイバー攻撃に対してレジリエンスを強化できるよう支援しています。

医療機関、規制当局、情報共有機関と、Google などのテクノロジープロバイダが横のつながりを深め連携することは、サイバー攻撃に対する予見的な対策の強化に不可欠です。

医療分野を標的としたサイバー攻撃、特にランサムウェアを利用した攻撃は、医療システムを乗っ取り、業務を完全に混乱させます。救命医療活動、重要なスケジュールや支払いの調整、輸血や臓器移植を含めた重要医療物資の手配を停止させるばかりか、医療施設を物理的に危険な状態に陥れる可能性があります。サイバー攻撃が原因で患者が死亡したケースもあり、統計が示す状況は次のとおり非常に深刻です。

2021 年から 2023 年の間に EU の医療分野で確認されたサイバーセキュリティインシデントのうち、ランサムウェア攻撃は全体の 54% を占め、そのうち 83% は金銭目的。
2024 年の欧州委員会の報告書によると、ランサムウェア攻撃の 71% が患者の治療に影響を及ぼし、患者データの侵害を伴う事例も多発。
データ漏洩サイトへの投稿のうち、医療関係のものが占める割合は過去 3 年間で倍増し、Google Threat Intelligence グループが追跡しているデータ漏洩サイトの数自体も 2024 年に 50% 近く増加。ヨーロッパの組織を標的とする悪意のあるアクターが、特に救急サービスを提供している病院からは 2～5% 大きい金額を取れると発言した事例も。
ランサムウェア攻撃の被害に遭った病院では、被害時に入院していた患者の死亡率が 35～41% も上昇。
英国の国民保健サービス（NHS）は、2024 年に発生した大規模サイバー攻撃により、患者の健康被害が 170 件にも及んだと確認。

Google Cloud の CISO オフィスでヘルスケア / ライフサイエンス担当ディレクターを務める Taylor Lehmann は次のように述べています。「レジリエンスを実現するには、あらゆる脅威に対処できる適合型アプローチが絶対に必要です。安全性を重視した設計の最新テクノロジーを活用したプロアクティブな予防措置、堅牢な検出・インシデント対応、厳格なサプライチェーン管理、包括的な人的要因の軽減策、AI の戦略的活用、ヘルスケア特有の脆弱性を保護に的を絞った投資を組み合わせ、医療機関、規制当局、情報共有機関と、Google などのテクノロジープロバイダが横のつながりを深め連携することは、サイバー攻撃に対する予見的な対策の強化に不可欠です。」

この脅威に対抗するには思い切った行動が必要で、医療機関のモダナイゼーション、つまり設計段階はもとより、使用中も安全性を重視した最新テクノロジーに移行できるよう医療機関を支援することも当然ながらこれに含まれています。セキュリティは後付けではなく、最初から組み込まれ、その後も継続的に維持されるべきだと、Google は考えています。安全性を重視して設計された Google のプロダクトとサービスは、ランサムウェアなどのサイバー攻撃がもたらす広範なリスクへの対処において、ヨーロッパ全域の病院や医療機関を支援してきました。

「安全性を重視した設計」とは、Google Cloud、Google Workspace、Chrome、ChromeOS などのコアテクノロジーに、設計段階から以下のような保護機能を組み込むプロアクティブなアプローチです。

Google Cloud ユーザーの保存データをデフォルトで暗号化し、物理的な境界を越えて転送されるデータも暗号化して、暗号鍵の管理や Key Access Justifications のオプションを提供。
セキュリティファーストの原則に沿って Google Workspace を設計し、スパム、フィッシング、マルウェアの 99.9% 以上をブロックする AI 防御機能とクライアントサイド暗号化を完備。
Chromebook に搭載されている ChromeOS にセキュリティとコンプライアンスを組み込み、ランサムウェア攻撃から保護。ChromeOS では、これまで一度もランサムウェア攻撃は報告されていません。そのアーキテクチャには、確認付きブート、サンドボックス化、実行可能ファイルのブロック、ユーザー空間の分離などの機能に加え、自動でシームレスにアップデートを実施して脆弱性をプロアクティブに修正する機能も含まれます。
患者の治療に不可欠なインターネットベースのリソースや院内 IT リソースに医療システムからアクセスする場合に、Chrome Enterprise ブラウザと ChromeOS が安全な代替手段を提供。
堅牢な技術的、組織的、物理的なセキュリティ対策を実装および維持し、Google Cloud と Workspace のお客様の NIS2 コンプライアンスの取り組みを支援することを契約に明示。

Google のプロダクトとサービスには、ヨーロッパの医療機関のモダナイゼーションとセキュリティ保護に貢献してきた実績がすでにあります。以下はその一部の例です。

ドイツのヘルスケアスタートアップ Hypros は、Google Cloud と連携し、病院が患者のプライバシーを損なうことなく院内で発生したインシデントを検出できるようにしました。Hypros の革新的な患者モニタリングシステムは、Google の AI とクラウドコンピューティング機能を活用して、ベッドからの転落、せん妄の発症、褥瘡（床ずれ）など、入院患者の緊急事態を検知してスタッフに通知します。このシステムは、ヨーロッパ最大級の医療センターであるシュレースヴィヒ=ホルシュタイン大学病院をはじめとする主要機関で本番環境に試験導入され、技術テストを完了させています。
19 の病院とクリニックを擁するポルトガル最大の医療機関、CUF は、Google Chrome とクラウドアプリケーションを導入して、エネルギー効率の向上と IT オペレーションの合理化を実現しました。ChromeOS は、エネルギー消費の少ないマシンでの運用を可能にし、現場でのハードウェアメンテナンスの必要性を減らして IT 管理を簡素化する点で、その効率性が業界で評価されています。
カナリア諸島の 112 番緊急安全コーディネーションセンターは、Google Cloud への移行を進めています。カナリア諸島の公開会社 Gestión de Servicios para la Salud y Seguridad en Canary Islands（GCS）が主導し、Google Cloud と共同で展開したこの移行プロジェクトは、公共の救急サービス管理がパブリッククラウドに移行した最初の事例の一つです。GCS は、Google Cloud の Sovereign Cloud ソリューションを使用して、通話録音や個人データなどの重要な情報を法執行機関や司法機関と安全に共有しています。

パートナーシップの構築と情報の共有

進化するサイバー脅威から医療分野を保護するうえで、情報の共有は必要不可欠です。Google は、10 以上の重要インフラ分野の情報共有分析センター（ISAC）と積極的にパートナーシップを構築しています。これには、Health Information Sharing and Analysis Center（Health-ISAC）や European Union Agency for Cybersecurity（ENISA）との強力なアンバサダーシップも含まれます。

情報共有は、脅威インテリジェンスにとどまらず、効果的な手法、対策、成果について、データに裏付けられた結論を網羅する必要があると、Google は考えています。高度で迅速なインテリジェンス共有への障壁を取り除き、検証可能な対応と組み合わせることで、実効性のある防衛策を確立できるのであり、これが脆弱な防衛策との決定的な違いとなります。

Health-ISAC や ENISA などの国際組織との連携を通じて、多くのコミュニティをまたいで信頼を築くという Google Cloud のコミットメントを強化しています。このコンセプトは、欧州の Health-ISAC はもちろん、米国を拠点とする Health-ISAC の EU における活動を支援する点で、EU の目標と合致するものです。

Sovereign Cloud と Confidential Computing で欧州の医療データを保護

Google Cloud は、EU のデジタル主権を確保し、医療機関がセキュリティや患者のプライバシーを損なうことなく、クラウドと AI の変革力を活用できるよう支援することに尽力しています。

私たちは常に、設計段階から安全性を重視するという原則をデジタル主権ソリューションの開発方針に取り入れてきました。データの場所、処理、アクセスをきめ細かく制御できるスケーラブルなクラウドインフラストラクチャを、欧州の医療機関に安心して導入していただき、その上に高度な AI ソリューションをデプロイすることで、機密性の高い患者データの保護と、GDPR、欧州医療健康データスペース（EHDS）、ネットワークおよび情報システムの安全に関する指令など、欧州の各種規制の遵守を確実にすることができます。

さらに、Google が世界に先駆けてその開発に携わった Confidential Computing 技術は、使用中のデータを保護することで、重大なセキュリティギャップを埋める役割を果たしています。

Google Cloud のお客様である AiGenomix は Confidential Computing を活用して感染症の監視やがんの早期発見を可能にしています。Confidential Computing は、ゲノムデータや関連する健康データといったアセットのプライバシーとセキュリティを確保するのに役立ち、データを活用して医療の提供と成果を改善するという EHDS のビジョンにも合致しています。

グローバル規模で医療のレジリエンスに対する信頼を構築

Google が提供するこれらの分析情報と機能は、欧州医療セキュリティ行動計画の成功に大きく貢献できると確信しています。Google は、欧州委員会、EU 加盟国、すべての関係者と継続的に協力し、医療分野におけるより安全でレジリエントなデジタルの未来を構築することに使命感を持って取り組んでいます。

世界中の医療機関を保護し、サポートするための Google の取り組みについて詳しくは、CISO オフィスまでお問い合わせください。

aside_block: <ListValue: [StructValue([('title', 'Google Cloud CISO Community にご参加ください'), ('body', <wagtail.rich_text.RichText object at 0x7f8af5e63790>), ('btn_text', '詳細'), ('href', 'https://rsvp.withgoogle.com/events/ciso-community-interest?utm_source=cgc-blog&utm_medium=blog&utm_campaign=2024-cloud-ciso-newsletter-events-ref&utm_content=-&utm_term=-'), ('image', <GAEImage: GCAT-replacement-logo-A>)])]>

その他の最新情報

セキュリティチームからこれまでに届いた今月のアップデート、プロダクト、サービス、リソースに関する最新情報は以下のとおりです。

オープンソースの認証情報を一斉に保護: オープンソースのパッケージやイメージファイルをデフォルトでスキャンして、Google Cloud の認証情報の漏洩を検出する強力なツールを開発しました。その使用方法について、詳細はこちら。
監査をスマートに: Google Cloud の Recommended AI Controls フレームワークのご紹介: AI 監査の効果を高めるために、エビデンスに基づくスケーラブルな Recommended AI Controls フレームワークを開発し、AI 監査へのアプローチを改善しました。詳細はこちら。
Google、The Forrester Wave: Security Analitytics Platform レポートで「Strong Performer」に選出: Google は、初めて参加した The Forrester Wave™: Security Analytics Platforms, Q2 2025 で「Strong Performer」に選出されました。詳細はこちら。
多層防御戦略でプロンプトインジェクション攻撃を軽減: Google のプロンプトインジェクションに対するセキュリティ戦略は包括的で、Gemini の全体的なセキュリティフレームワークを強化します。敵対的データを使ったモデルトレーニングにより、Gemini 2.5 モデルにおける間接プロンプトインジェクション攻撃に対する防御が大幅に強化されました。詳細はこちら。
拒否する力: IAM の拒否ポリシーと組織のポリシーで多層防御を構築: IAM の拒否ポリシーと組織のポリシーは、重要かつスケーラブルなセキュリティレイヤを提供します。これらのポリシーを使用して、IAM セキュリティを強化する方法をご紹介します。詳細はこちら。

今月公開されたその他のセキュリティ関連の記事については、Google Cloud 公式ブログをご覧ください。

aside_block: <ListValue: [StructValue([('title', '新しいことを学ぶ'), ('body', <wagtail.rich_text.RichText object at 0x7f8af5e63e80>), ('btn_text', '今すぐ見る'), ('href', 'https://www.youtube.com/watch?v=t_roGtOtlDE'), ('image', <GAEImage: GCAT-replacement-logo-A>)])]>

脅威インテリジェンスに関するニュース

ASP を悪用した、著名なロシア研究者やロシア批判者を標的にした巧妙なフィッシング攻撃: Google Threat Intelligence グループ（GTIG）と外部パートナーの調査に基づき、2 つの異なる脅威アクターの攻撃活動について詳しく説明しています。これらは、ロシアの国家支援型サイバー脅威アクターが米国国務省になりすまし、著名なロシア研究者やロシア批判者を標的にした攻撃です。この脅威アクターは多くのケースで、徹底した工作とカスタマイズしたおとりを使用して相手の信頼を獲得し、アプリケーション固有のパスワード（ASP）を設定するよう誘導していました。詳細はこちら。
Aviatrix Controller でのリモートコード実行: Mandiant のレッドチームのケーススタディで「初期アクセスブローカー」アプローチをシミュレートしたところ、Aviatrix Controller で 2 つの脆弱性が発見されました。Aviatrix Controller は、異なるクラウドベンダーとリージョンの間でリンクを作成できるソフトウェア定義ネットワーキングユーティリティです。詳細はこちら。

今月公開されたその他の脅威インテリジェンス関連の記事については、Google Cloud 公式ブログをご覧ください。

注目の Google Cloud ポッドキャスト

AI レッドチームが得た驚き、戦略、教訓: Daniel Fabian が、ホストの Anton Chuvakin と Tim Peacock とともに、Google での 2 年間の AI レッドチーム活動から得た教訓について語ります。ポッドキャストを聴く。
企業における実践的な「コードとしての検出」:「コードとしての検出」は、単なるミームフレーズなのでしょうか。Google Cloud のスタッフ導入エンジニアである David French が、ホストの Anton Chuvakin と Tim Peacock と対談し、「コードとしての検出」がセキュリティチームにどのように役立つかについて語ります。ポッドキャストを聴く。
Cyber-Savvy Boardroom: Phil Venables が現場で聞いたこと: Google Cloud の戦略的セキュリティアドバイザーである Phil Venables が CISO オフィスの Alicja Cade と David Homovich と対談し、サイバーセキュリティ、デジタルトランスフォーメーションなどの最新情報について、取締役会や経営幹部の生の声を伝えます。ポッドキャストを聴く。
Beyond the Binary: 北朝鮮のサイバー脅威を白日のもとに: 世界で最も悪名高い APT は、誰がどのように特定、分析し、名付けているのでしょうか。Google のリバースエンジニアである Greg Sinclair が、ホストの Josh Stroschein とともに、北朝鮮の APT である Lazarus Group のようなマルウェアや脅威アクターをどのように追跡し、特定しているかについて語ります。ポッドキャストを聴く。

月 2 回発行される「Cloud CISO の視点」のメール配信をご希望の方は、ニュースレターにご登録ください。次回も Google Cloud からセキュリティ関連の最新情報をお届けします。

ー CISO オフィス、ディレクター、Thiébaut Meyer

ー CISO オフィス、欧州ヘルスケア / ライフサイエンス担当責任者、Bhavana Bhinder

AI と IoT を利用した医療機関における患者のプライバシー保護とインシデント検出の両立

Thu, 10 Jul 2025 01:00:00 +0000

※この投稿は米国時間 2025 年 6 月 25 日に、Google Cloud blog に投稿されたものの抄訳です。

医療機関は私たちの健康維持に不可欠な存在ですが、ストレスや不安の原因となる可能性もあります。医療機関を、患者だけでなく、患者ケアに取り組んでいる献身的なスタッフにとっても、より安全かつ効率的な場にできれば……？テクノロジーによって、転倒の予測や、異変が表れる前の未然の察知など、安全措置がさらに強化された医療機関を想像してみてください。

現在、多くの医療機関は、重要情報をデジタルシステムに変換するまでのプロセスが、依然として「紙」頼みです。その結果、非効率性が散見され、時には驚くほど非合理的な事態が発生することもあります。対面での患者モニタリングは標準的なプロセスですが、時間がかかり、不完全で、人為的なミスやバイアスが発生する場合があります。医療機関のスタッフによると、ある患者が午前 5 時にベッドから起き上がった直後に転倒し、午前 6 時 30 分の定期巡回まで発見されなかったという深刻な事例があったそうです。このような事例に鑑みれば、病室内を 24 時間 365 日モニタリングし、リスクの高い状況や緊急事態が発生した際にスタッフに即座に通知するソリューションが必要であるのは明白です。

医療イノベーターの Hypros と Google Cloud は、患者ケアの向上という共通のビジョンのもとに協力し、AI を活用した患者モニタリングシステムを開発しました。このシステムは、ベッドからの転落、せん妄の発症、褥瘡（床ずれ）など、入院患者の緊急事態を検知してスタッフに通知します。この革新的なソリューションではプライバシーが保護され、侵襲的なカメラを使用せずに、ケアの優先順位付けを改善し、臨床意思決定のための強固な基盤を実現できます。

aside_block: <ListValue: [StructValue([('title', '300 ドル分の無料クレジットで Google Cloud の AI と ML を試用'), ('body', <wagtail.rich_text.RichText object at 0x7f8adaf10490>), ('btn_text', '新規のお客様は、300 ドル分の無料クレジットを使用して概念実証を構築し、テストしていただけます。さらに、すべてのお客様に、AI API を含む 20 以上のプロダクトで毎月無料の使用枠をご利用いただけます。'), ('href', 'http://console.cloud.google.com/freetrial?redirectPath=/vertex-ai/'), ('image', None)])]>

AI を活用したプライバシー保護と患者モニタリングの両立

患者を 24 時間 365 日モニタリングする必要があるのは明白とはいえ、このようなソリューションを開発するうえでは、プライバシーと医療従事者の行動に関する重要な懸念が生じます。いかなる患者モニタリングテクノロジーでも、最重要視されるのはケアを受ける患者とケアを提供する医療従事者の両者のプライバシーです。患者の身の回りの環境を調整するといった一見単純なことでさえも、医療機関の衛生ポリシーを厳守する必要があります。これは、COVID-19（新型コロナウイルス感染症）のパンデミック中に再認識された教訓です。

個人を特定することなく、あらゆるミスをモニタリングして修正することが重要です。低解像度センサーなどのツールを使用すれば、患者の匿名性の維持と、不公正な判断のリスク軽減が可能になり、ケアの改善に集中できるようになります。このアプローチは特に価値があります。なぜなら、ミスの根本原因は、個人の域にとどまらないことが多いからです。こうしたことから、モニタリングや AI といったテクノロジーの倫理的な導入では、それによって実現する効率性や得られる分析情報が、基本的権利や福祉を決して損なわないようにすることが重要です。

図 1: Hypros の患者モニタリングデバイス。

患者を継続的にモニタリングするこのアプローチは、2 つの重要なイノベーションが基盤となっています。

非侵襲的な IoT デバイス: Hypros は、天井に取り付けられる、これまでにないバッテリー駆動型 IoT（モノのインターネット）デバイスを開発しました。このデバイスは、低解像度センサーで最小限の光学データと環境データを取得し、極めて低い解像度でその場面を画像化します。このデバイスは非侵襲的で、匿名性を維持しながらも、患者の環境や状態に関する有意な変化を検出するために必要な重要情報を収集するよう設計されています。
2 段階の AI ワークフロー: Hypros は 2 段階の ML ワークフローを使用しています。まず、Vertex AI の AutoML を利用してカメラベースのビジョンモデルをトレーニングし、これを使って模擬的な病院環境のシナリオで収集したセンサーデータにラベル付けを行いました。次に、このラベル付きデータセットを使用して、低解像度のセンサーデータを解釈する 2 つ目のモデルをトレーニングします。

次のセクションでは、Hypros がこれらのイノベーションを患者モニタリングソリューションに実装した方法と、その際の Google Cloud による支援について説明します。

低解像度で有益な情報: 患者のプライバシーを保護

Hypros は、効果的な病床モニタリングを行いながら、患者のプライバシー保護という重要なニーズに対応するために、低解像度の光学センサーと環境センサーを搭載した、取り付け可能な小型 IoT デバイスを開発しました（図 1 を参照）。この革新的なソリューションはバッテリー駆動型なので、必要に応じてベッド周辺のさまざまな位置に、簡単に設置したり移動したりできます。

図 2: ベッドに横たわる患者が低解像度のセンサーデータで抽象化される様子。

低解像度の光学センサーは患者のプライバシーの保護には効果的ですが、データの解釈と分析を困難にすることもあります。さらに、低いサンプリングレートや環境要因によってデータにノイズやスパース性が発生し、施設内での人の行動を十分に把握できなくなる可能性があります。低解像度の画像、限られたサンプリングレート、環境ノイズによってデータ環境が複雑化するため、有意義な分析情報を抽出するには高度なアルゴリズムと解釈モデルが必要になります。

図 3: 実際のデータ: スタッフがベッドシーツを交換し、患者がベッドに横になる場面。これは「単純」なシナリオである。

こうした課題はあるものの、Hypros のデバイスは、プライバシーを確保した患者モニタリングにおける大きな進歩であり、個人のプライバシーを侵害せずに、医療機関のワークフローの効率と患者ケアを向上させる可能性を秘めています。

AI を使用した患者モニタリング: 低解像度データの課題を克服

カスタマイズされたパラメトリックアルゴリズムでもセンサーデータを部分的に解釈できますが、複雑な関係性やエッジケースの処理は困難です。一方、ML アルゴリズムには明確なメリットがあり、AI は患者モニタリングシステムに不可欠なツールです。

しかし、センサーデータが複雑であることから、AI が患者の重篤な状態の検出方法を自ら学習することは難しく、教師なし学習手法では有用な結果は得られません。また、手動でのデータラベル付けは費用がかさむ可能性があります。厳密なモニタリングでは数秒ごとに測定値が送信され、すぐに大量のデータが生成されるからです。

これらの問題を解決するために、Hypros は、最小限のラベル付け作業で、AI がモニタリングデバイスから各種シナリオを検出する方法を学習できる革新的なアプローチを採用しました。同社は、事前トレーニング済み AI モデルを使用すれば、新しい画像ベースのタスクを学習するのに必要なサンプル数が少なくなり、画像データのラベル付けを簡易化できることを発見しました。しかし、これらのモデルで低解像度センサーデータを直接解釈することは困難でした。

そこで、同社は 2 段階のプロセスを使用することにしました。まず、カメラデータを使用してカメラベースのビジョンモデルをトレーニングし、より大きなラベル付きデータセットを作成しました。次に、これらのラベルを、同時に記録されたセンサーデータに転送し、患者モニタリングモデルのトレーニングに使用しました。この独自のアプローチにより、患者のプライバシーを侵害することなく、転倒やせん妄の初期兆候などの注視すべき事象を確実に検出できるようになりました。

Google Cloud で医療イノベーションを推進

Hypros は、患者モニタリングシステムを構築するうえで、特にデータと AI サービスに関して Google Cloud を積極的に利用しました。最初の重要なステップは、AI モデルをトレーニングするための有用なデータの収集でした。

同社はまず、オフィス内に実際の病室環境を再現し、この管理された環境で、さまざまな現実的なシナリオをシミュレートし、データ収集と動画の記録を行いました。この段階でも、各ユースケースに固有の特性が正確に判別されるように、医療機関と緊密に連携しました。

次に、Vertex AI の AutoML を使用して、センサーデータのラベル付けができるようカメラベースのビジョンモデルをトレーニングしました。このプロセスは非常に簡単かつ効率的でした。ラベル付けに使用された最初のカメラベースの AutoML ビジョンモデルは、約 2 週後に、信頼度のしきい値すべてで平均適合率 91% 超を達成しました。すでに注目に値する成果でしたが、ラベル付けの相違によって見かけ上の評価が下がっていたため、実際のパフォーマンスはこれをさらに上回っていました。

その後、病床周辺で録画されたさまざまな動画をラベル付けし、これらのラベルとデバイスデータを関連付けてモデルをトレーニングしました。このアプローチにより、モデルは対応する動画を観察して学ぶことで、センサーデータシーケンスを解釈する方法を学習しました。動画情報を利用しなかったトレーニングユースケースでは、パートナーとなった医療機関から得たデータやシミュレーション手法を活用しました。

開発サイクルの速度も、重要な競争上の優位性です。Hypros は、ワークフローおよびモデル開発サイクルのすべてのステップ（図 4 を参照）を、以下の Google Cloud サービスに対応させました。

Cloud Storage: すべての元データを保存し、簡単にロールバックできるようにし、継続的な改善のための明確なベースラインを確立します。
BigQuery: ラベル付けされたデータを保存し、クエリと分析を容易にします。これにより、適切なデータに簡単にアクセスできるようになり、モデルの反復処理、分析、デバッグ、改良をより効率的に行うことができます。
Artifact Registry: ETL とトレーニングパイプラインで使用されるカスタム Docker イメージをホストします。ダウンロード回数の削減、ビルド時間の短縮、ソフトウェア依存関係管理の改善が可能になるため、運用が最適化され、よりスムーズになります。
Dataflow ランナーで使用する Apache Beam: 大量のデータを高速で処理することで、パイプラインの速度を維持し、開発時間を最大限に活用します。

Vertex AI: モデル登録、テスト追跡、TensorBoard での結果の可視化を行うための統合プラットフォームを提供します。トレーニングは TensorFlow と TFRecords で行われ、GPU などのカスタマイズされたリソースが使用されます。新しいモデルバージョンを簡単に展開できる、使いやすいデプロイオプションも用意されています。

図 4: 使用されているテクノロジーとワークフローを矢印で示したシンプルなグラフ

Google Cloud はペタバイト規模のデータを処理できるため、ワークフローの拡張性は非常に高いと Hypros は考えています。強力かつ柔軟なプラットフォームを利用することで、同社はインフラストラクチャを心配することなく、データ分析情報から価値を引き出すことに集中できます。

さらなる可能性: きめ細かい情報を抽出する

このシステムの開発により、医療機関がセンサーデータと AI を活用することで得られるメリットについて、さらに多くのアイデアが生まれました。継続的な患者モニタリングが役立つ主なケアの領域は、より良い転帰につなげるための患者中心のケア、勤務時間を最適化するためのスタッフ中心のサポート、より安全な空間を確保するための環境モニタリングの 3 つだと Hypros は考えています。

想定されるユースケースには、次のようなものがあります。

人の検出: 人を匿名で検出することで運営を改善します。たとえばベッド占有率を患者フローの管理に利用します。
転倒の防止と検出: 患者の転倒や落ち着きのない行動を検知してスタッフに警告し、転倒を防ぎます。
褥瘡: 24 時間 365 日、患者の動きをモニタリングし、医療従事者が褥瘡（床ずれ）の発生を防ぐために患者の体位を効果的に変えられるようにします。
せん妄リスクの指標: せん妄リスクの潜在的な指標となる、光や騒音などの睡眠障害要因を追跡します（最終的な相関関係を把握するには、他のソースからの追加データが必要です）。
全般的な環境分析: 温度、湿度、騒音などの環境データをモニタリングして、将来のよりスマートな建物の対策（暖房の最適化による省エネなど）や、患者のより効果的な回復を実現します。
手指衛生の遵守: 手指消毒の遵守状況を匿名で追跡し、Hypros の手指衛生モニタリングソリューション NosoEx などと組み合わせて衛生管理を改善します。

同社のシステムは、センサーデータを蓄積する代わりに、高度な AI モデルを使用して複数のストリームからのデータを解釈して関連付けています。こうして、シンプルな元データを、より良い意思決定を導くための実用的な分析情報に変換しています。リアルタイムのアラートにより、緊急事態に対する迅速な対応もできるため、患者は必要な集中ケアをすぐに受けられ、スタッフは最善のケアを提供できます。

患者ケアの今後の方向性

Hypros の患者モニタリングシステムは、ドイツのシュレースヴィヒ=ホルシュタイン大学病院（UKSH）をはじめとする主要機関で、すでに試験的に導入されています。同大学病院の最近のプレスリリースに記載されているように、UKSH は、このソリューションには患者ケアを変革し、運用効率を向上させる可能性があると考えています。さらに、臨床パートナーであるグライフスヴァルト大学医療センターは、アーリーアドプターとしてそのメリットを直接体験しています。

同センターの管理上級医師兼副医療ディレクターである Robert Fleishmann 博士は、その有用性を確信し、次のように述べています。

「せん妄の予防は、患者の安全を確保するうえで非常に重要です。Hypros の患者モニタリングソリューションは、せん妄の発症に寄与するリスク要因（光の強さ、騒音レベル、患者の動きなど）を 24 時間 365 日分析するための重要なデータを提供してくれます。この革新的なパートナーシップに大きな期待を寄せています。」

こうした好意的なフィードバックと他のお客様の声が、倫理的かつデータドリブンなテクノロジーを通じて患者ケアに革命を起こすという、Hypros の継続的な取り組みを後押ししています。

Hypros は、Google Cloud と緊密に連携しながら、AI とクラウドコンピューティングの力を活用して、プライバシーが保護される患者モニタリングソリューションの開発に専念しています。このソリューションにより、スタッフ不足や、患者の安全性の向上に対するニーズの高まりなど、医療における重要な課題に直接対処できます。

同社はこれを基盤にして、AI を活用した患者モニタリングソリューションが世界中の医療システムにシームレスに統合される未来を描いています。そして医療従事者がリアルタイムの実用的な分析情報を活用できるようにすることで、最終的には患者の転帰の向上、リソースの割り当ての最適化、より持続可能で患者中心の医療エコシステムをすべての人に提供することを目指しています。

-Hypros、Marcel Walz 氏、Erlandas Norkus 氏

-Google Cloud、ML スペシャリストカスタマーエンジニア、Michael Menzel 博士

GKE 上の NVIDIA BioNeMo Framework と Blueprint を使用してヘルスケアにおける AI を加速

Tue, 15 Apr 2025 01:03:00 +0000

※この投稿は米国時間 2025 年 3 月 19 日に、Google Cloud blog に投稿されたものの抄訳です。

医療における新しい治療法の開発は、10 年にわたる開発サイクルで数十億の分子化合物をスクリーニングするという、時間のかかる困難なプロセスでした。治療薬候補の大半は、臨床試験をクリアすることさえできません。

そうした状況の中、AI がこのタイムラインを劇的に加速させようとしています。

NVIDIA と Google Cloud は、幅広い業界にまたがるコラボレーションの一環として、生成 AI アプリケーションとプラットフォームの開発をサポートしてきました。NVIDIA BioNeMo は、医学および薬学研究者のニーズに合わせて特別に調整された、パワフルなオープンソースのモデルコレクションです。

あらゆる規模の医療機関やバイオ医薬品企業は、この分野に革新をもたらすために、予測モデルと AI 基盤モデルに注目しています。AI を活用して、潜在的な医薬品候補の特定と最適化を加速させ、開発のタイムラインを大幅に短縮するとともに、満たされていない医療ニーズに対応しようとしています。これは、DNA、RNA、タンパク質の配列や化学物質の解析、分子間相互作用の予測、新しい治療薬の設計を大規模に行ううえで重要な転換点となっています。

BioNeMo により、この分野の企業は、時間のかかる実験手法への依存を減らしつつ、データドリブンのアプローチで医薬品の開発を行うことができます。ただし、こうした飛躍的な進展には独自の課題が伴います。生成 AI による医療への移行には、堅牢な技術スタックが必要です。たとえば、モデルの構築、スケール、カスタマイズのためのパワフルなインフラストラクチャ、効率的なリソースの利用、より高速なイテレーションのためのアジリティ、フォールトトレランス、分散ワークロードのオーケストレーションなどです。

Google Kubernetes Engine（GKE）は、このような要求の厳しいワークロードの多くを実現するためのパワフルなソリューションを提供します。GKE を NVIDIA BioNeMo と組み合わせることで、プラットフォームでの作業を加速できます。BioNeMo を GKE で運用することにより、組織はこれまでにないスピードと効果で、医療のブレークスルーと新しい研究を達成できます。

このブログでは、GKE 上の NVIDIA BioNeMo プラットフォームを使用してモデルを構築、カスタマイズし、リファレンスブループリントを起動する方法をご紹介します。

aside_block: <ListValue: [StructValue([('title', '300 ドル分の無料クレジットで Google Cloud の AI と ML を試用'), ('body', <wagtail.rich_text.RichText object at 0x7f8af4fc63a0>), ('btn_text', '無料で構築を始める'), ('href', 'http://console.cloud.google.com/freetrial?redirectPath=/vertex-ai/'), ('image', None)])]>

GKE 上の NVIDIA の BioNeMo プラットフォーム

NVIDIA BioNeMo は、研究者が生物学的配列や構造をモデル化し、シミュレートできるようにする生成 AI フレームワークです。そのため、パワフルな GPU によるコンピューティング、大規模なデータセットや複雑なモデルを処理するためのスケーラブルなインフラストラクチャ、ストレージ、ネットワーキング、セキュリティのための堅牢なマネージドサービスが求められます。

GKE は、AI や ML、特にバイオ医薬品の研究開発に見られるような要求の厳しいワークロードに最適かつスケーラブルで柔軟なプラットフォームを提供します。GKE の自動スケーリング機能は、リソースの効率的な利用を保証し、他の Google Cloud サービスとのインテグレーションにより AI ワークフローを簡素化します。

NVIDIA の BioNeMo プラットフォームは、2 つの相乗効果のあるコンポーネントを提供します。

1. BioNeMo Framework: 創薬 AI の大規模トレーニングプラットフォーム

ESM-2 や Evo2 などの生体分子 AI モデル向けのスケーラブルなオープンソースのトレーニングシステムであり、生体分子 AI モデルのトレーニングとファインチューニングに最適化された環境を提供します。NVIDIA NeMo と PyTorch Lightning を基盤として構築されており、次のような機能を備えています。

ドメイン固有の最適化: 創薬ワークフローに合わせた CUDA アクセラレーテッドツールで構築された代表的なモデル例（ESM-2、Geneformer など）とともに、数十億のパラメータにスケールできる高性能な生体分子 AI アーキテクチャ（BERT、Striped Hyena など）を提供します。
GPU による高速処理: NVIDIA GPU とのネイティブかつ大規模なインテグレーションにより、大規模言語モデルや予測モデルのトレーニング時間を短縮し、業界をリードする速度を実現します。
包括的なオープンソースリソース: プログラミングツール、ライブラリ、パッケージ化済みデータセット、そして研究者やデベロッパーの生体分子 AI ソリューションの導入をサポートする詳細なドキュメントを含みます。

詳細については、こちらのプレプリントをご覧ください。

2. BioNeMo Blueprint: 創薬のための本番環境対応ワークフロー

BioNeMo Blueprint は、タンパク質バインダーの設計、仮想スクリーニング、分子ドッキングなどのタスクにすぐに使用できるリファレンスワークフローを提供します。このワークフローには、AlphaFold2、DiffDock 2.0、RFdiffusion、MolMIM、ProteinMPNN などの高度な AI モデルが統合されており、創薬プロセスを加速させます。こうしたブループリントは、他の業界のユースケースで識別されたパターンに対するソリューションを提供します。科学分野のデベロッパーは、build.nvidia.com で NVIDIA 推論マイクロサービス（NIM）を試用し、NVIDIA デベロッパーライセンスを通じて NIM にアクセスしてテストできます。

次の図は、BioNeMo プラットフォームで使用される GKE のコンポーネントと機能を示しています。このブログでは、NVIDIA のドメイン固有の AI ツールと Google Cloud のマネージド Kubernetes インフラストラクチャを組み合わせて、以下を実現するために GKE 上にこれらのコンポーネントをデプロイする方法を示します。

NVIDIA GPU クラスタ全体にわたるモデルの分散型事前トレーニングとファインチューニング
NIM を使用したブループリント主導のワークフロー
GKE の動的なノードプールとプリエンプティブル VM によるコスト最適化スケーリング

図 1: GKE 上の NVIDIA BioNeMO Framework と BioNeMo Blueprint

BioNeMo Framework のソリューションアーキテクチャ

ここでは、ESM2 の事前トレーニングとファインチューニングを実行するために、GKE で BioNeMo Framework を設定する手順を説明します。

図 2: GKE 上の BioNeMo Framework

上記の図は、AI モデルの事前トレーニング、ファインチューニング、推論のために GKE に NVIDIA BioNeMo Framework をデプロイするアーキテクチャの概要を示しています。以下は、アーキテクチャの観点から見た各基本要素です。

GKE: BioNeMo Framework のデプロイとスケーリングを管理するコントロールプレーンを含むコアオーケストレーションプラットフォーム。これはリージョンクラスタとしてデプロイされ、ゾーンクラスタとして構成することもできます。

ノードプール: GKE クラスタ内のワーカーノードのグループ。AI ワークロードを高速化するために NVIDIA GPU で特別に構成されています。
ノード: ノードプール内の個々のマシンに NVIDIA GPU を搭載。
NVIDIA BioNeMo Framework: GKE 内で実行される AI ソフトウェアプラットフォーム。AI モデルの事前トレーニング、ファインチューニング、推論を可能にします。

ネットワーキング:

Virtual Private Cloud（VPC）: GCP 内の論理的に隔離されたネットワーク。リソース間の安全な通信を保証します。
ロードバランサ: GKE クラスタ内で実行されている BioNeMo サービスに受信トラフィックを分散し、可用性とスケーラビリティを向上させます。

ストレージ:

Filestore（NFS）: データセットとモデルのチェックポイントに高パフォーマンスのネットワークファイルストレージを提供します。
Cloud Storage: データセットやその他の大容量ファイルを保存するためのオブジェクトストレージ。

NVIDIA NGC Image Registry: BioNeMo と関連ソフトウェアのコンテナイメージを提供し、一貫性のある最適化されたデプロイを実現します。

ステップ

GitHub の「Pretraining and Fine-tuning ESM-2 LLM on GKE using BioNeMo Framework 2.0」リポジトリに、GKE 内で BioNeMo Framework を使用して ESM-2 モデルの事前トレーニング、ファインチューニング、推論を行う例を公開しています。以下に、事前トレーニングの手順の概要を示します。

1. GKE クラスタを作成する

code_block: <ListValue: [StructValue([('code', 'gcloud container clusters create "gke-bionemo-esm2" \\\r\n --num-nodes="1" \\\r\n --location="<GCP region / zone>" \\\r\n --machine-type="e2-standard-2" \\\r\n --addons=GcpFilestoreCsiDriver'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f8af5651490>)])]>

2. NVIDIA GPU を搭載したノードプールを追加する

code_block: <ListValue: [StructValue([('code', 'gcloud container node-pools create "gke-bionemo-esm2-np" \\\r\n--cluster="gke-bionemo-esm2" \\\r\n--location="<GCP region / zone>" \\\r\n--node-locations="<GCP region / zone>" \\\r\n--num-nodes="1" \\\r\n--machine-type="g2-standard-2" \\\r\n--accelerator="type=nvidia-l4,count=1,gpu-driver-version=LATEST" \\\r\n--placement-type="COMPACT" \\\r\n--disk-type="pd-ssd" \\\r\n--disk-size="300GB"'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f8af5651280>)])]>

3. Google Cloud Filestore をすべてのノードにマウントする

code_block: <ListValue: [StructValue([('code', 'kubectl apply -f create-mount-fs.yaml'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f8af5651dc0>)])]>

4. 事前トレーニング Job を実行する

code_block: <ListValue: [StructValue([('code', 'kubectl apply -f esm2-pretraining.yaml'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f8af56c0d00>)])]>

5. TensorBoard で結果を可視化する

code_block: <ListValue: [StructValue([('code', 'kubectl port-forward pod/<pod-bionemo> 8000:6006'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f8af01a5940>)])]>

ウェブブラウザで http://localhost:8000/#timeseries にアクセスして、損失曲線を確認します。ファインチューニングと推論の詳細は、GitHub リポジトリに記載されています。

BioNeMo Blueprint のソリューションアーキテクチャ

以下の図は、推論のために GKE にデプロイされた BioNeMo Blueprint を示しています。インフラストラクチャの観点から、コンピューティング、ネットワーキング、ストレージレイヤで使用されるコンポーネントは、図 2 と類似しています。

NIM は、ランタイムとモデル固有の重みを持つ 1 つのユニットとしてパッケージ化されます。ブループリントは、Helm チャートを使用して 1 つ以上の NIM をデプロイします。または、gcloud コマンドや docker コマンドを使用してデプロイし、kubectl コマンドを使用して構成することもできます。各 NIM には、GKE ノードプールからアクセス可能な NVIDIA GPU が 1 つ以上必要です。
3 つの NIM（AlphaFold2、DiffDock、MolMIM）は、個別の Kubernetes Deployment としてデプロイされます。各 Deployment は GPU と NIM コンテナイメージを使用し、モデルのチェックポイントとデータを保存するために Persistent Volume Claim をマウントします。サービスは、各アプリケーションを異なるポートで公開します。GPU の数は、スケーラビリティを高めるためにより大きな値に構成できます。

図 3: GKE 上の NIM Blueprint

ステップ

生成仮想スクリーニング用の BioNeMo Blueprint をデプロイする例は、GitHub リポジトリの「Generative Virtual Screening for Drug Discovery on GKE」にあります。GKE クラスタ、ノードプール、Filestore のマウントなどの設定手順は、BioNeMo トレーニングと似ています。以下の手順は、BioNeMo Blueprint をデプロイして推論に使用する際の概要を示しています。

1. BioNeMo Blueprint をデプロイする

code_block: <ListValue: [StructValue([('code', 'kubectl create -f nim-bionemo-generative-virtual-screening.yaml'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f8af01a5430>)])]>

2. ポート転送を使用して Pod を操作する

code_block: <ListValue: [StructValue([('code', 'kubectl port-forward pod/<molmim-pod> 8010:8000 &'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f8af53c9670>)])]>

3. curl ステートメントを使用して、MolMIM NIM をローカルでテストします。出力には生成された分子が含まれます。

code_block: <ListValue: [StructValue([('code', 'curl -X POST \\\r\n-H \'Content-Type: application/json\' \\\r\n-d \'{\r\n "smi": "CC1(C2C1C(N(C2)C(=O)C(C(C)(C)C)NC(=O)C(F)(F)F)C(=O)NC(CC3CCNC3=O)C#N)C",\r\n "num_molecules": 5,\r\n "algorithm": "CMA-ES",\r\n "property_name": "QED",\r\n "min_similarity": 0.7,\r\n "iterations": 10\r\n}\' \\\r\n"http://localhost:8011/generate"'), ('language', ''), ('caption', <wagtail.rich_text.RichText object at 0x7f8af53c9f40>)])]>

NVIDIA BioNeMo Blueprint ワークフローは、創薬以外のさまざまなドメイン固有のユースケースにも適応できます。たとえば、研究者は、RFdiffusion や ProteinMPNN などの生成 AI モデルをタンパク質工学に活用して、高い親和性を持つ安定したタンパク質バインダーを設計し、実験のイテレーションサイクルを大幅に削減できます。

モジュール式の NIM マイクロサービスを GKE のようなスケーラブルなプラットフォームと統合することで、バイオ医薬品から農業に至るまで、さまざまな業界が独自の課題に合わせて AI を活用したソリューションをデプロイし、より迅速な分析情報と効率的なプロセスを大規模に実現できます。

まとめ

このブログ投稿で説明したように、GKE は、NVIDIA BioNeMo Framework と NVIDIA BioNeMo Blueprint の両方をデプロイして実行するための、堅牢で汎用性の高いプラットフォームを提供します。GKE のスケーラビリティ、コンテナオーケストレーション機能、Google Cloud のエコシステムとのインテグレーションを活用することで、ライフサイエンスやその他の分野における AI ソリューションの開発とデプロイを効率化できます。

BioNeMo で創薬を加速させる場合や、NIM で生成 AI モデルをデプロイする場合でも、GKE は AI の力を最大限に引き出し、イノベーションの推進に貢献します。両方のプラットフォームの長所を活用することで、デプロイプロセスの合理化とパフォーマンスの最適化を実現し、AI ワークロードをシームレスにスケールできます。

Google Cloud で NVIDIA BioNeMo のパワーを体験してみませんか？BioNeMo Framework と NIM カタログで、今すぐ GKE に最初の生成 AI モデルをデプロイし、アプリケーションの新しい可能性を解き放ちましょう。

^{このガイドの作成に協力してくれた NVIDIA チームのメンバー、ソリューションアーキテクトの Juan Pablo Guerra 氏とシニアソリューションアーキテクトの Kushal Shah 氏に感謝の意を表します。}

-パートナーエンジニアリング、スタッフソリューションアーキテクト Sujit Khasnis
-Neel Patel 博士NVIDIA、テクニカルマーケティングエンジニア

サイバー公衆衛生: サイバーセキュリティへの新しいアプローチ

Tue, 13 Aug 2024 00:00:00 +0000

※この投稿は米国時間 2024 年 7 月 20 日に、Google Cloud blog に投稿されたものの抄訳です。

Google では、クラウドインフラストラクチャへのアプローチに、インターネットの相対的な「健全性」に対する理解を生かしていくべきと考えています。このような動態統計情報を定義、測定することで、インターネットの健全性や安全性、セキュリティを脅かす状況の特定や対応を、積極的かつ体系的に行うことができます。さらに重要なのは、この情報は公衆衛生の考え方や手法をサイバーセキュリティに応用し、インターネットの全体像を把握するためにも使用できる点です。これがサイバー公衆衛生（CPH）と呼ばれる新しい分野です。

本日は、CPH の取り組みに対する Google のサポートについてお伝えします。CPH は、各組織がそれぞれのシステムを保護するためにとっている個々の対策が、全体的なサイバー公衆衛生に貢献しているのかを理解するのに役立ちます。CPH はインターネットが直面するリスクを管理することです。これは、全体像を見ることでのみ可能なことです。そのため、脆弱性やインシデントにとどまらず、インターネットに接続されたシステムの安全性とセキュリティの維持に効果的な方法を実践することを意味します。

たとえば、CPH を測定する方法の一つとして、脆弱なシステムにパッチを適用することが、マルウェア拡散の抑制や世界的なシステム稼働時間の改善に、どの程度の累積的な影響があるのかを確認できます。このような測定を行うには、公衆衛生分野のレポートで現在行われているように、公共の健康データに相当するものまたは動態統計情報を各組織が定義、測定し、一般に公開する必要があります。このデータコンテキストの拡大によって、インターネット全体の健全性を理解し、その情報を使用してシステムの安全性維持に有効な方法を採用できます。

より良い包括的なデータの入手

従来のサイバーセキュリティモデルは個々の脅威に対応するものが多く、組織は新たに進化した攻撃には脆弱なままです。多くの場合、既存のデータは断片化、サイロ化され取得が難しいため、トレンド、パターン、リスク要因を集団レベルで特定することは困難です。

多くのセキュリティ侵害は開示されないため、特定の脆弱性がどのように発生し、不正利用され、何が解決策となり、どうすれば今後同じような脆弱性を防ぐことができるのかについて、集合的に学べることはほとんどありません。

コミュニティとして、インターネット全体の健全性に関する包括的なデータが不足している状態です。CPH は、サイバーリスクを軽減した実績がある方法の測定、報告を主な目的としていることから、インターネットの健全性に対する理解を広げてくれるものと確信しています。

事後対応から予測へのシフトでインターネットを保護

CPH はサイバーセキュリティにおけるパラダイムシフトとなります。データに基づく分析情報を使用し、関係者間のコラボレーションを促進することで、セキュリティとレジリエンスに優れたデジタルエコシステムの構築に役立ちます。Google Cloud は、研究への投資、革新的なツールの開発、サイバーセキュリティコミュニティ全体での情報共有の促進といった形で、この新しいアプローチを積極的にサポートしています。

Google Cloud は最近、CyberGreen Institute とともにワークショップを共同開催しました。CyberGreen Institute は CPH 推進の旗手として、インターネットの健全性の測定を専門的に行っている組織です。CyberGreen Institute は、脅威への対応、攻撃への対処に事後的に注力するのではなく、サイバーセキュリティの問題を未然に防ぎ、軽減するための予防策を講じることを人々や組織に促しています。ワークショップレポートの筆頭執筆者である Adam Shostack 氏は次のように述べています。「こうしたアプローチは、たとえばマラリアを投薬で治療する一方で、蚊が生息する近くの沼地はそのままにしておいたり、がん治療のテクノロジーを発展させる一方で、国民の喫煙状況にはほとんど注意を払わないのと同じようなものです。」

今回が初開催となったサイバー公衆衛生ワークショップでは、さまざまな分野の専門家が集まり、CPH の未来について議論しました。そして、今後の研究分野として下記が挙げられました。

CPH における基本的な測定単位の定義（デバイス、アカウント、ユーザーなど）
信頼できるデータソースの特定とプライバシーに関する懸念への対応
標準化されたインシデントレポートフォームや指標の開発
AI を含む新しいテクノロジーがサイバーセキュリティに与える影響の調査

「日常生活におけるデジタル活動（DADL: Digital Activities of Daily Living）」というコンセプトも議題になりました。人が日常的に行う基本動作の能力を評価することで身体的健康の低下を測定するアプローチに対して、DADL はこのコンセプトをデジタル生活まで拡大するものです。

「DADL は健全で安全なサイバーエコシステムを維持するために、個人や組織、そして国家も実施する必要がある、重要なデジタルタスクを表します。日常生活動作（ADL: Activities of Daily Living）が身体の健康のために重要であるのと同様に、DADL は現代のデジタルウェルビーイングに不可欠です」と、Trail of Bits の戦略的イニシアティブ担当ディレクター Josiah Dykstra 氏は最近の CyberGreen のブログに書いています。

Google Cloud は、CPH 分野の発展を目指して、こうした研究に積極的に関わり、主要な組織や研究者と連携しています。

次のステップ

サイバー公衆衛生は今後が期待される新しいアプローチであり、大統領科学技術諮問会議（PCAST）のサイバー空間と物理空間のレジリエンス戦略が提唱する概念などとともに、サイバーセキュリティを大きく変革する可能性を秘めています。Google Cloud は、この活動の一翼を担えることを誇りに思っています。より健全で安全なインターネットの構築に皆様もご協力ください。

サイバー公衆衛生と CyberGreen Institute の取り組みについては、詳細をご確認ください。ワークショップレポートはこちらでご覧いただけます。

力を合わせて、誰にとっても安全なデジタル環境を作っていきましょう。

-Google Cloud、CISO オフィス、セキュリティアドバイザー Bill Reid
-Google Cloud、CISO オフィスディレクター Taylor Lehmann

医療分野における分析情報の活用: 安全な AI によるデータ分析

Wed, 24 Jul 2024 02:00:00 +0000

※この投稿は米国時間 2024 年 7 月 12 日に、Google Cloud blog に投稿されたものの抄訳です。

フィットネス用ウェアラブルデバイスやヘルストラッカーが普及するにつれ、どうすればこの大量のデータから分析情報を取得して医療現場で効率的に活用できるのかが、生物医学研究者の課題となっています。最新の AI ツールとクラウドコンピューティングを使用すると、膨大な量のデータを安全かつ迅速に処理できるため、分析情報の収集と分析が加速されます。ワルシャワ大学コンピュータサイエンス学部の助教授で、カリフォルニア大学ロサンゼルス校デヴィッドゲフィン医科大学院の研究員も務める Neo Christopher Chung 氏は、「医療画像処理と電子医療記録は、科学者と臨床医に疾患の分類および予後をより深く理解するための新たな機会を与えてくれるでしょう」と述べています。また、オランダのライデン大学メディカルセンターの博士研究員兼イノベーションマネージャーで、スタンフォード大学医科大学院の客員研究員も務める Marieke van Buchem 氏は、「医療現場へのクリニカル AI の導入はここ数年ペースが落ちていましたが、膨大な量の電子医療記録から分析情報を得られる可能性が生まれています。重要なのは、AI を研究の場から医療現場に移行させることです」と述べています。

Chung 氏と van Buchem 氏はいずれも、さまざまな組織に属する研究者が集まり、Google Cloud によって科学的なブレークスルーを促進するグローバルコミュニティ、Google Cloud リサーチイノベーターの 2022 年コホートのメンバーです。両氏はリサーチイノベーターとして、Google Cloud のリサーチクレジットやテクニカルサポート、そして、いずれ共同研究者になる可能性もある他のメンバーとの交流機会を活用することができます。van Buchem 氏は「他のリサーチイノベーターや Google のスペシャリストとアイデアを交換しながら、Google Cloud によって医療をどのように変革し、これらのアイデアを病院の実際のプロジェクトにどのように応用できるか考えることを楽しんでいます」と話し、Chung 氏は「他の研究者のプロセスを見るのも興味深いですし、他のディープラーニング関連の問題からインスピレーションを得ています」と話しています。両氏は、AI とクラウドコンピューティングをどのように活用すれば、最先端のがんリサーチツールをすべての研究者にとって利用しやすいものにし、がん患者の病状や予後の診断を改善できるのかを模索しています。

がん診断を改善するためにアルゴリズムをトレーニング

Chung 氏は、生物医学的な予測の改善を目指して解釈可能なディープニューラルネットワークを開発およびトレーニングしている欧州のコンソーシアム INFORM（Interpretability of Deep Neural Networks for Radiomics）のリード AI / ML 主任調査員でもあり、AI を活用して CT スキャンや PT スキャンなどのがんの病理画像を検証しています。The Cancer Imaging Archive（TCIA）や米国立衛生研究所（NIH）の大規模なデータセットは、数百ギガバイトから数十ペタバイトに及ぶ場合もあります。Chung 氏によると、現在の AI モデルはトレーニングに使用された一般的な画像の処理には力を発揮するものの、プライバシー保護や規制上の理由から、医療画像を収集して分析することはより困難です。同氏の目標は、自然画像データセットでトレーニングされたディープラーニングアルゴリズムを使って医療画像を処理できるようにすることです。「AI の内部構造を理解するのは難しいことです。アルゴリズムの予測が正確だったとしても、なぜ正確だったのかは私たちにはわかりません。このため、医者も患者もその予測を信じていいかどうかわからないのです。ブラックボックスのようなものですね」と話す Chung 氏は、医療分野で AI の精度と信頼度を高める鍵は透明性にあると考えています。

Chung 氏は、ワルシャワ大学計算生物学および機械学習グループの Lennart Brocki 氏とともに、Google Compute Engine の画像処理装置（GPU）を利用して大規模なモデルトレーニングと推論を実行するプロジェクトを立ち上げました。両氏は、腫瘍を正確に判別し、同時にその意思決定プロセスを説明できる AI ツールを開発しました。Google Colab を使って、アイデアの小規模なプロトタイプ作成やテストを短時間で行っています。「導入の障壁が低い点がすばらしいです。オーバーヘッドコストを削減できるほか、待ち時間もメンテナンスも不要ですから。さらに GPU 使用率を上げたり下げたりする柔軟性もあります。Google Research のクレジットは、新しいアイデアを試すうえで非常に有難いです」と、Chung 氏は述べています。

自然言語処理を使って患者とのコミュニケーションを分析

ライデン大学の CAIRELab（Clinical AI Implementation and Research Lab）での研究の一環として、van Buchem 氏は、自然言語処理ツールを応用して、病院へのクリニカル AI の導入を加速および拡大しています。現在取り組んでいるプロジェクトでは、危険な状態にある患者を特定してリソースを割くために、患者が生成したデータを活用する方法はないか検討しています。スタンフォード大学医科大学院 Boussard Lab での 6 か月の研究期間で、同氏は Tina Hernandez-Boussard 氏による監督の下、同僚の Anne de Hond 氏とともに、うつ病を発症する危険性があるがん患者を特定するパイロットプロジェクトを開始しました。同氏は治療プロセスを理解するために、ソーシャルワーカー、がん専門医、精神科医に、それぞれが患者と関わるワークフローについて聞き取り調査を行いました。次に、Google Cloud のストレージとコンピューティング機能、およびオープンソースの Bidirectional Encoder Representations from Transformers（BERT）を使い、大規模言語モデルを一般公開データでトレーニングした後に微調整することで、スタンフォード大学の患者ポータルを通じて送信されたメッセージの中から、配慮が必要なものを特定できるようにしました。

van Buchem 氏のパイロットプロジェクトでは、配慮が必要なメッセージとそれ以外のメッセージをこのモデルで区別できることが確認されました。また、この結果は、複数の人口統計学的サブグループにわたり正確でした。「このプロジェクトをノートパソコンで実施していたら、数週間はかかっていたでしょう。Google Cloud 上では、事前トレーニングにかかった時間はたった数日でした。このスケールとスピードが大きなメリットです。より迅速なイテレーション、追加の GPU、メモリなど、必要なものすべてが 1 か所で利用できるのです」と同氏は話します。

医療の将来に関するビジョン

Chung 氏と van Buchem 氏は、それぞれのプロジェクトを引き続き改良して精度を高めながら、クラウドコンピューティングと AI によって医療研究と臨床診療が変革される未来を思い描いています。2 人に見えている未来では、クラウドコンピューティングによって、世界中の研究者がデータとリソースにアクセスできるようになっています。また、AI によって患者一人ひとりに合わせた治療やより良いサポートが可能になり、予後が改善されています。そして、ビッグデータから得られた分析情報を、医療従事者がそれぞれの重要任務に活用できています。van Buchem 氏は最後に次のように述べました。「使われないままのマルチモーダルデータが膨大にあります。このデータを活用することで、医療従事者の管理上の負担の削減、診断精度の向上、病院内でのフローの改善が期待できます。」

高等教育機関で生成 AI の使用を開始する方法についてご関心をお持ちの方は、公共部門向けの新しい 10 ステップのガイドをダウンロードしてご確認ください。各分野のユースケースや、教育テクノロジーを革新している Varsity Tutors や IBL Education などの事例が掲載された、生成 AI の取り組みを開始するための包括的なガイドとなっています。

-Google Cloud、カスタマー エンジニアリング マネージャー Keith Binder

Cloud CISO の視点: 地方の医療サイバーセキュリティ向上を支援する Google の取り組み

Mon, 22 Jul 2024 02:00:00 +0000

※この投稿は米国時間 2024 年 6 月 29 日に、Google Cloud blog に投稿されたものの抄訳です。

2024 年 6 月、2 回目の投稿となる「Cloud CISO の視点」をご覧いただきありがとうございます。今回は、地方の医療ネットワークがサイバー攻撃に対するセキュリティとレジリエンスを強化できるよう支援するために Google が取り組んでいることについて、今月の国家安全保障会議で CISO オフィスディレクターの Taylor Lehmann が発言した内容を取り上げます。

これまでのすべての「Cloud CISO の視点」と同様、このニュースレターのコンテンツは Google Cloud 公式ブログに投稿されます。このニュースレターをウェブサイトでご覧になっており、メール版の受信をご希望の方は、こちらからご登録ください。

-- Google Cloud、TI セキュリティ担当 VP 兼 CISO、Phil Venables

aside_block: <ListValue: [StructValue([('title', 'Google Cloud で重要な CISO インサイトを取得'), ('body', <wagtail.rich_text.RichText object at 0x7f8af578cf10>), ('btn_text', 'ハブを見る'), ('href', 'https://cloud.google.com/solutions/security/leaders?utm_source=cloud_sfdc&utm_medium=email&utm_campaign=FY23-Q2-global-PROD418-email-oi-dgcsm-CISOPerspectivesNewsletter&utm_content=ciso-hub&utm_term=-'), ('image', <GAEImage: GCAT-replacement-logo-A>)])]>

地方の医療サイバーセキュリティ向上を支援する Google の取り組み

Google Cloud、CISO オフィス ディレクター Taylor Lehmann

医療機関は何十年もの間、患者の回復を助けるという主要な使命にとって不可欠な、複雑かつ極めて重要な技術の保護に取り組んできました。私たちの社会が正しく機能するかどうかは、適切なタイミングで人々に医療サービスを提供できるのかにかかっています。しかし、医療機関に対するサイバー攻撃がそれを困難にしており、攻撃は激しさを増しています。

今年の上半期だけでも、病院や医療系サプライヤーへの攻撃により決済システムの障害発生や、患者が必要な治療を受けられない状況、場合によっては、影響を受けた治療施設内に滞在する患者の安全を確保できない状況が生まれています。病院や診療所は非常に厳しい経営状況に追い込まれ、閉業を余儀なくされたところもあります。

Taylor Lehmann, director, Office of the CISO, Google Cloud

米国の地方コミュニティはこうした脅威にとりわけ脆弱です。推計によると、地方の病院および診療所 1,800～2,100 か所で医療サービスを受けた人は 6,000 万人を超えていると示唆されています。そうした施設の多くは小規模病院（CAH: Critical Access Hospital）で、他の入院施設から 35 マイル以上も離れています。

35 マイルと聞くとそれほど遠く感じないかもしれませんが、突発的な脳損傷に苦しむ人がサイバー攻撃のせいで最寄りの病院から遠く離れた病院に移ることを強制されるようなことが起こりえるのです。怪我など健康上の緊急事態が発生してから最初の 60 分間は、患者の生存に極めて重要になる場合があります。診断や迅速な医療介入を行えるからです。この「ゴールデンアワー」に必要な処置を受けられなかった場合、最寄りの病院から別の施設への転送中に患者が死亡してしまう可能性が高まります。

影響を受けた病院内に留まって移動できない患者やスタッフが経験することも変化します。治療の提供や調整を担っているコンピュータが突然動作を停止し、他のサービスについても品質が低下します。脳卒中の診断に必要な放射線サービス、重篤な病状の乳幼児を常時監視下（かつ暖かい状態）に維持する NICU の各種装置、適切な投薬処置と投薬量を徹底する臨床投薬管理装置、さらには患者用の基本となる電子診療録（EMR）のすべてが、サイバー攻撃によって品質低下または停止に追いやられてしまうのです。

現在、Google はこれらの「セキュア・バイ・デザイン」技術を医療機関にお届けしています。一部は大幅に割引し、その他の多くは無料で提供しており、医療機関がサイバー脅威に対抗する能力を向上させると同時に、放置するとそうした機関の稼働率を阻害するサイバーリスクを緩和できるよう支援します。

サイバー攻撃によって EMR システムがダウンしている間、医療従事者は紙とペンを使ってすべてを把握しようと全力を尽くしますが、患者の医療記録を利用できないことで簡単な救命処置でさえ遅れてしまう場合や、中断させられることもあります。医療に対するサイバー攻撃が現実世界でどのような結果となるのかは想像するまでもありません。そうした出来事を何度も目にしているからです。

これらのすべてからは、サイバー攻撃は同一の近隣地に位置する複数の医療施設に影響している訳ではない点、そして希望的観測ではありますが、患者の転送先となる病院が同一水準の治療を患者に提供できる点が推定されます。

ホワイトハウス、米国保健福祉省、米国医療・公衆衛生セクター調整委員会などは、組織的課題の特定にかなり力を入れており、Google を始めとする各組織と協力して地方における医療施設のサイバーレジリエンス向上に向けた現実的かつ明確な解決策を検討しています。こうした新展開を目にして嬉しく思いますし、Google もコミュニティと医療システムを支援していきます。

6 月 10 日、バイデン / ハリス政権はこの種の攻撃に関するホワイトハウスの対応を要約したファクトシートを公開しました。ホワイトハウスはコミュニティ、地域、国全体で医療組織が果たしている唯一無二の役割を認識し、病院など医療組織のセキュリティを強化するには官民連携が必要であると強調しました。

Google はセキュア・バイ・デザイン技術のアーリーイノベーターでありその提唱者として、Google 自体をあらゆる種類の組織にとって安全なサービスとして維持しているセキュリティツールと手法、およびそれらの実装に関わるオンボーディングのサポートを提供すべく、あらゆる業界を横断して活動してきました。現在、Google はこれらの技術を医療機関にお届けしています。一部は大幅に割引し、その他の多くは無料で提供しており、医療機関がサイバー脅威に対抗する能力を向上させると同時に、放置するとそうした機関の稼働率を阻害するサイバーリスクを緩和できるよう支援します。

医療分野のセキュリティにおいて、情報共有は必要不可欠な要素です。脅威インテリジェンスを含み、それにまさる情報を取得して共有できる、より優れた仕組みが求められます。

Google はそのような成果の実現を目指すホワイトハウスの取り組みを支持しています。Google 自身を含むさまざまな組織が、少し異なるユニークかつ有効性の高い手段で協力できると考えており、貢献できる機会を歓迎しています。

1.セキュア・バイ・デザイン、セキュア・バイ・デフォルト

多くの医療システムは、相互運用性を得られるよう構築された技術を採り入れて運用する一方で、強力なセキュリティ対策は意識していないことがわかっています。

Google は、セキュリティを後付けではなく最初から組み込むよう設計されたセキュア・バイ・デザイン技術を開発しています。幸運にも、米国政府や世界各国の政府は安全性を重視して設計された技術およびデフォルトでセキュリティを確保する技術への移行を奨励し、一部においては義務化しています。医療技術のセキュリティとレジリエンスに不可欠なセキュア・バイ・デザインおよびセキュア・バイ・デフォルトは、以下に示す 4 つの必須原則を促進します。

顧客が実際にソリューションを使用する方法（意図せず危険を伴う使用方法だった場合も含む）
デベロッパーエコシステムが脆弱性および障害の発生予防を促進できる方法
攻撃を受けている間も一貫性を保つ特性において基盤となるソフトウェアがレジリエンスを強化できる方法
こうした基盤となる特性をわかりやすさと確実性によって（大規模であっても）検証できる方法

病院内で利用される技術は、セキュア・バイ・デザインかつセキュア・バイ・デフォルトであることが必要です。必要に応じた管理、更新、パッチ適用、最終的には交換がますます容易になっていかねばならず、すでに複雑な環境をさらに複雑にしてはなりません。攻撃を受けた後や攻撃の最中であっても、安全に動作することが求められます。こうした技術のメーカーは、保護機能を最初から組み込むよう徹底することが上記の成果を実現する唯一の方法であると理解しています。

2. 脅威、対策、成功例に関する情報共有

医療分野のセキュリティにおいて、情報共有は必要不可欠な要素です。脅威インテリジェンスを含み、それにまさる情報を取得して共有できる、より優れた仕組みが求められます。これには、どのような手法が有効なのかに関するデータに裏付けられた結論のほか、インシデントや障害に関する情報を得る一方でその情報のみで行動を起こさないように徹底することが含まれます。

この目標を追求する中で、Google は 10 分野を超える重要インフラストラクチャ分野において Health-ISAC など複数の情報共有および分析センターとパートナーシップ関係を構築しており、今後もさらにパートナーシップ関係を拡大する計画です。Health-ISAC やセクター調整委員会などの組織がそれぞれの重要機能である情報共有を実施する能力を引き続き強化していけるよう、意欲的に支援していきます。

Google は、自社のコラボレーションソリューションおよびセキュリティソリューションを、それらを必要とする病院や医療組織に対して、その大半を無料あるいは大きく割引した価格で提供します。

情報共有の障壁を減らすことも必要です。より高度な水準で情報を共有する組織が増えるべきです。単に情報を消費するだけではもはや十分ではないのです。系統立った迅速なインテリジェンスの共有と検証可能な対応は、適切な防衛策と脆弱な防衛策の違いを意味します。

3.Google のセキュリティ ツールを病院に提供

Google は、自社のコラボレーションソリューションおよびセキュリティソリューションを、それらを必要とする病院や医療組織に対して、その大半を無料あるいは大きく割引した価格で提供しています。具体的には、ソリューション、実装サービス、対象組織の導入サポートを提供しています。下記の提案ソリューションについて詳細を確認されたい場合は、rural-health@google.com までお問い合わせください。

医療組織向けに Google が提供を予定している内容を見てみましょう。

Chrome Enterprise ブラウザ および ChromeOS: 施設の運営や患者に治療を提供する際に医療システムが利用するインターネットベースまたは内部の技術リソースを安全に入手して使用できるようにします。Chrome と ChromeOS を連携させると、他のブラウザやオペレーティングシステムの組み合わせよりも安全な代替手段となります。

Google Workspace Enterprise Essentials Plus は、本プログラムに含まれています。Google Workspace は HIPAA の遵守に対応しているコラボレーションプラットフォームです。このプラットフォームは、生産性向上アプリケーション（Google ドキュメント、スライド、スプレッドシート、ドライブなど）、メッセージングアプリケーション（Gmail、Chat など）、アイデンティティプラットフォーム（Cloud Identity Premium）、高度なセキュリティツールスイートと連携してデータの安全を維持します。Workspace は、組織が管理者、医療従事者、患者の間で交わされるコミュニケーションを安全に簡素化する際に役立ちます。

4.教育を通じてサイバーセキュリティの専門知識を養う

より多くのサイバーセキュリティ専門家をトレーニングしたいと考えている Google は、Google.org を通じて総合大学や単科大学のサイバーセキュリティに対応した診療所へ資金援助を行い、地方などのサービスが行き届いていないコミュニティに存在する病院を支援しています。現在は、サイバーセキュリティに対応した米国の診療所 25 か所に 2,500 万ドルを提供するプロセスを展開中です。

また、サイバーセキュリティへの関心が高い学生や教職員をコミュニティに巻き込んでいる総合大学や単科大学が追加の診療所を開設する際も支援しており、こうした組織が IT システムのセキュリティを強化できるようにしています。東ワシントン大学、マサチューセッツ工科大学、ロチェスター工科大学、トゥガルー大学、タートルマウンテンコミュニティ大学、テキサス大学などの教育機関がこれらのプログラムを通じて、小規模でサービスが行き届いていない地方の医療システムや公衆衛生機関のセキュリティ確保に取り組んでいます。

教育およびトレーニングに向けた取り組みを支援するために、Google は Mandiant Academy プログラムで参加可能なコースを作成中です。

Google Cloud と Mandiant は、医療業界および主要な業界のパートナーのレベルアップを可能にするプログラムを構築しました。提供内容には以下のものが含まれます。

Mandiant 教育およびトレーニング コース

地方などサービスが行き届いていない地域の病院や診療所でセキュリティを確保するためには、教育とトレーニングが必要不可欠です。教育およびトレーニングに向けた取り組みを支援するために、Google は Mandiant Academy プログラムで参加可能なコースを作成中です。

Health-ISAC に対する 20 種類のオンデマンドトレーニングコースの無料提供を予定しています。これは、同機関のメンバーに対しても広めることができます。また、Health-ISAC に対しては、スケジュール設定された 10 種類の公開クラスルームコースも提供予定で、メンバーはこれらも利用することができます。メンバーは、トレーニング参加後または個々の自己学習を通じて、インシデント対応および脅威インテリジェンスに関する認定資格を獲得するチャンスを得られます。

また、Mandiant Academy では、3 種類の人気コースを割引価格で提供する予定です。

Health-ISAC 向け AIM: Health-ISAC とのパートナーシップにおいて、Google は応用知能に関するメンターシッププログラム（AIM）を提供します。Mandiant Intelligence で提供される AIM プログラムは 4 週間におよぶ没入型メンターシップであり、直接的なコーチングと実践的スキルの応用を通じてサイバー脅威インテリジェンス（CTI）に精通した実務担当者を育てることを目的としています。
ThreatSpace: Mandiant Consulting でも没入型の教育エクスペリエンスである ThreatSpace を作成中です。ThreatSpace は、実際の影響が発生しない環境でインシデント対応チームが現実的な APT レベルの攻撃に対するスキルを磨くために利用できます。
デジタル フォレンジックおよびインシデント対応ブートキャンプ: この 10 日間の集中型ブートキャンプでは、現代の脅威アクターや侵入シナリオに対応するために求められる基礎的な調査手法を学びます。8 日間の座学の後、受講生は 2 日間の実践型演習を通じて不正行為や国家レベルの脅威への対応プロセスを体験します。

今後も、必要に迫られている組織を対象とした、これらの技術やサービスの無料または割引提供サービスを企画していきます。詳しくは、rural-health@google.com までお問い合わせください。

aside_block: <ListValue: [StructValue([('title', 'Google Cloud CISO Community に参加する'), ('body', <wagtail.rich_text.RichText object at 0x7f8af578c190>), ('btn_text', '詳細'), ('href', 'https://rsvp.withgoogle.com/events/ciso-community-interest?utm_source=cgc-blog&utm_medium=blog&utm_campaign=2024-cloud-ciso-newsletter-events-ref&utm_content=-&utm_term=-'), ('image', <GAEImage: GCAT-replacement-logo-A>)])]>

その他の最新情報

セキュリティチームからこれまでに届いた今月のアップデート、プロダクト、サービス、リソースに関する最新情報は以下のとおりです。

Project Naptime: LLM の不適切なセキュリティ機能の評価: Google の Project Zero に携わるセキュリティ研究者が、基盤モデルの試験方法を改良することを目的としてそれらモデルの機能を評価したところ、脆弱性の検出を「大幅に」改善できることが判明しました。詳細はこちら。
ハイブリッド デプロイが安全な PQC の移行で重要となる理由: ポスト量子暗号の世の中におけるハイブリッドデプロイの利点について説明します。私たちの推奨事項の背後にある根拠を詳しく取り上げ、ハイブリッドスキームを実装する手法に関するガイドを提供します。詳細はこちら。
空席: サイバーセキュリティの机上演習で見当たらない人物とは: 机上演習は、サイバー攻撃に立ち向かう組織が体制を整えるのに役立ちますが、OT や ICS の専門家を招待することを忘れていませんか？詳細はこちら。
即断即決: AI でサイバーセキュリティにおける OODA ループの効果が高まる仕組み: 取締役会で長年使われてきた OODA ループは、リーダーがより良い意思決定を迅速に行うために役立ちます。AI を活用して OODA ループをさらに効果的にしましょう。その方法をご紹介します。詳細はこちら。
Cloud KMS Autokey はリソースをすばやく効率的に暗号化する際に役立つ: CMEK 構成をより効率的にするために、CMEK 鍵管理オペレーションを自動化する Cloud KMS Autokey をリリースしました。詳細はこちら。

今月公開されたその他のセキュリティ関連のストーリーについては、Google Cloud 公式ブログをご覧ください。

aside_block: <ListValue: [StructValue([('title', '新しいことを学ぶ'), ('body', <wagtail.rich_text.RichText object at 0x7f8af578c160>), ('btn_text', '今すぐ見る'), ('href', 'https://www.youtube.com/watch?v=J4Naxhm9y5g'), ('image', <GAEImage: GCAT-replacement-logo-A>)])]>

脅威インテリジェンスに関するニュース

諜報活動と秘密工作: UNC3886 のスパイ活動を暴く: Mandiant は、世界規模で主要な戦略的組織を標的にしてきた、中国の関与が疑われるサイバーエスピオナージ組織である UNC3886 に関する新たな調査結果を公表しました。詳細はこちら。

Google Cloud セキュリティおよび Mandiant のポッドキャスト

不正 IP から違法取引の摘発まで、脅威インテリジェンスの人間的側面に踏み込む: 脅威インテリジェンスは、聞き手によって意味が変わる言葉の一つです。Google Threat Intelligence のプロダクトマネージャーである Brandon Wood は、人々が TI について誤解している点について、ホストを務める Anton Chuvakin と Tim Peacock に説明しています。ポッドキャストを聴く。
Cloud インシデントに関する告白: 侵害を招く失敗トップ 5: Mandiant のコンサルタントである Omar ElAhdan と Will Silverstone が、ハイブリッドクラウドのセキュリティ確保と組織が攻撃対象領域において誤解していることについて話し合っています。ポッドキャストを聴く。

月 2 回発行される「Cloud CISO の視点」をメールで受信するには、ニュースレターに登録してください。また 2 週間後に、Google Cloud からセキュリティ関連の最新情報をお届けします。

ー Phil Venables Google Cloud、TI セキュリティ担当 VP 兼 CISO

ー Taylor Lehmann CISO オフィス ディレクター兼エンタープライズ ヘルス セキュリティ責任者

Isolator のご紹介: 医療データを使用した安全なマルチパーティコラボレーションの実現

Tue, 23 Apr 2024 03:30:00 +0000

※この投稿は米国時間 2024 年 4 月 12 日に、Google Cloud blog に投稿されたものの抄訳です。

Google Cloud は、10 年以上にわたって AI モデルと ML モデルを構築してきた経験から、これらの新しいテクノロジーの活用を検討している皆様に待ち受けるメリットと課題の両方を理解しています。世界中の組織は現在、厄介な問題を解決するために AI ソリューションに注目しています。問題解決のためには、重要なデータを使用してプロダクトのテストや開発を行う際に、安全かつセキュアな方法が必要です。

特に医療とライフサイエンスの分野では、生成 AI が大きな影響を及ぼす可能性が明らかになっています。これには、情報や分析情報へのアクセスの改善、医療従事者の管理負担の軽減、創薬や臨床試験のペースの加速などが含まれます。

本日 Google Cloud Next で、Isolator のリリースを発表いたします。Isolator は安全なインフラストラクチャとデータ処理のためのソリューションであり、関係者間のコラボレーションで使用される医療データに重要な保護レイヤを追加します。Isolator を使用すると、分離され、コンプライアンスを確保した Google Cloud 上のプライベート環境で、未処理の元データ、機密データ、規制対象データの処理を伴う作業において、マルチパーティのコラボレーションが可能になります。

Isolator により、センシティブデータのコラボレーションにおいて複数の関係者がこれまで以上に簡単に連携できるようになります。そのため、Isolator がクリエイティブなテクノロジーソリューションの促進にどのように役立つかについて、あらゆる業界から関心が寄せられることが予想されます。Isolator は次のようなユースケースで役立ちます。

カスタムモデルの構築: Isolator は、退院サマリーの作成など、労力がかかる管理タスクを自動化する基盤モデルや Vertex AI を使用したカスタムモデルの開発をサポートできます。
複雑なデータの活用: Isolator は Medical Image Suite の導入を促進できます。これにより、研究者やデータサイエンティストが効率的にワークフローを改善し、オンプレミスでデータを保持するよりも費用を削減できるようになります。
新しい治療法の発見: Isolator を Multiomics Suite と併用することで、ワークフローの効率化、安全なマルチパーティコラボレーション、開発タイムラインの短縮が可能になり、創薬と臨床試験が簡素化されます。
高度なデータ分析のスケーリング: Isolator は、サイロ化されたオンプレミスデータベースから、Healthcare Data Engine や BigQuery などの機能豊富で高度にスケーラブルな分析およびデータ処理サービスにデータを移行、変換することで、費用の削減と結果の改善を支援します。
研究でのコラボレーション: Isolator は、モデルの研究開発で使うデータセットの構築、パッケージ化、共有をサポートすることを特に得意とします。データの完全性を保証し、データセットに対して行われるすべてのアクションに透明性をもたらすことができます。

お客様とそのパートナーは Google Cloud のコンサルティングサービスを通じて利用できる Isolator により、IT 環境内に分離されたインスタンスを設定して、プライバシー、セキュリティ、完全性、トレーサビリティを維持しながら機密性の高い医療データのワークロードを処理できるようになります。

また、Isolator は、お客様がワークロードを Google Cloud に移行する際にも役立ちます。データをエンドツーエンドで保護することで、強固な AI モデルと ML モデルの作成に必要となる安全な境界を確立しやすくなります。

Isolator の中核となっているのは、業界初で広く普及している Google のゼロトラストテクノロジーである Chrome Enterprise Premium で構築された環境です。Isolator は、VPC Service Controls、Chrome Enterprise、保存中、使用中、転送中の暗号化など、Google Cloud に組み込まれている他の機能と組み合わせることで、安全な Isolator 環境からのデータ流出を防ぐ ID ベースのアクセスを提供できます。特別なデバイスや、データ損失防止（DLP）制御、VPN 接続を設定、デプロイする必要はありません。

Isolator は Google Confidential Space などのテクノロジーと連携することもできます。Confidential Space は、強固なハードウェア分離とリモート認証機能によって使用中のデータを暗号化し、さらに優れた制御を実現します。

重要な点として、Isolator には、データアクセスアクティビティのログ記録や、セキュリティに関する構成ミスの検出、違反の報告を行う検出機能とアラート機能も組み込まれています。これにより、お客様のセキュリティチームは、機密性の高い医療データに対するアクセス権が付与されているユーザーを完全に制御できるようになります。

お客様は、組織のセキュリティポリシーが常に満たされている限り、数回クリックするだけで、世界中のどこにいても、どのデバイスからでも、Google Cloud 上のデータと ML リソースへの安全なアクセスをあらゆる共同編集者に提供できます。Isolator で保護された環境のセキュリティが変更された場合、必要な保護が復元されるまでデータへのアクセスは一時停止されます。Isolator は Google Cloud サービス上に構築されており、コンプライアンスのページに記載されている制御と保証を継承します。

Google Cloud は、AI を大胆かつ責任を持って構築するための知識と能力を共有することが、組織と社会全体に利益をもたらすと信じています。こうしたアプローチは、Isolator のようなソリューションを構築する原動力となっています。安全かつセキュアなコラボレーションが、医療をはじめとするさまざまな業界の組織にもたらす効果は革新的であり、医療従事者、保険者、研究者が Google Cloud に信頼を寄せる主な理由の一つとなっています。

今すぐ Isolator の利用を開始する方法の詳細については、Google Cloud コンサルティングサービスを通じて Google Cloud セールススペシャリストまでお問い合わせください。

-CISO オフィスディレクター兼エンタープライズヘルスセキュリティ責任者 Taylor Lehmann

-Google Cloud コンサルティング、プラットフォームセキュリティ、コンプライアンス担当マネージャー Jaffa Edwards

AI による医療の変革はすでに進んでいる

Thu, 21 Mar 2024 03:00:00 +0000

※この投稿は米国時間 2024 年 3 月 13 日に、Google Cloud blog に投稿されたものの抄訳です。

AI は私たちの生活に大きな影響を与えていますが、医療ほど大きな恩恵を受けている分野はまずないでしょう。医師や看護師はすでに AI を有能なアシスタントとして使い始めています。たとえば、医療記録の作成に活用したり、医療画像処理に AI を使って病気の発見に役立てたりしています。こうした取り組みは、最終的に私たち全員がより健康になるための変革の始まりにすぎません。

研究から現実世界での実用まで: Google Cloud の医療 AI ツールが進化

Google Cloud は、医療従事者の負担を減らし、患者のエクスペリエンスを変革する AI を構築しています。このミッションを加速するため、このたび、3 つの重要な進展（MedLM および Healthcare Data Engine（HDE）と統合された医療向け Vertex AI Search の一般提供開始、HDE の世界各国への提供、MedLM の新機能のユーザーテスト）を発表しました。

新機能とその重要性:

医療検索がよりスマートになり、時間を節約: 医療向け Vertex AI Search は、医療従事者やその他の従業員が医療記録や医療文書の重要な情報を検索する方法を大幅に改善します。従来、医療に関する情報には複雑な語彙や略語が使われているため、検索が困難でした。このツールを使えば、それらの微妙な違いを理解し、インテリジェントな検索が可能になります。さらに、医療業界向けにファインチューニングされた Google Cloud のモデルファミリーである MedLM と統合されたことで、医療向け Vertex AI Search は、患者の記録に関する質問への回答を生成し、情報の検索や理解を容易にします。医療従事者に余力がない状況下で、AI が記録を要約し、臨床医が知る必要のある情報を正確に示して、すべての時間が節約されるところを想像してみてください。無駄な時間が減るということは、患者に集中できる時間が増えるということです（医療向け Vertex AI Search は本日 HDE と統合され、MedLM とのインテグレーションは一部の早期アクセスユーザーに提供されます）。
大規模言語モデルを使用しながら、検索だけでなく事実性も向上: Vertex AI Search では、組織のデータを検索に使用し、このデータを生成 AI 出力の基盤にして、ハルシネーションや不正確な回答が生じるリスクを低減します。さらに、このツールは元の内部情報源を引用、リンクすることができるため、ユーザーは情報の出所を信頼できます。
医学的理解の深化: Vertex AI Search は Google Cloud の MedLM と統合されました。MedLM は、複雑な医療用語を理解するために設計され、医療用にチューニングされた AI モデルとツールのファミリーです。このパワフルな組み合わせにより、医療従事者の質問に対してさらにコンテキストリッチな回答を得ることができます。
医療に特化したデータ プラットフォームがグローバルに: 医療機関やライフサイエンス企業が医療データをより有用なものにするために必要なプラットフォームである Healthcare Data Engine（HDE）が、世界各国で利用可能になりました。HDE は、患者データの相互運用できる長期的な記録を可能にし、医療業界標準の FHIR 形式で臨床分析情報を提供します。AI の品質は使用するデータによって決まるため、これは世界中の企業が活用できる重要なツールとなります。
高品質なデータ基盤の構築が容易に: HDE では、ユーザーがプラットフォームから得る価値に応じた、シンプルな従量課金制モデルが採用されています。また、プロダクトのマネージドサービス版を作成し、HDE のデプロイ、アップグレード、管理を容易にしました。さらに、HDE へのデータの取り込みを容易にするため、Google Research と連携して、プロダクトにグラフィカルなマッピングインターフェースを提供する新しいデータマッピングツール Data Mapper を導入しました。
Google Research の機能を Google Cloud ユーザーにさらに提供: 早期アクセスユーザーによるテストのために、2 つの新機能が MedLM に追加されます。1 つ目は MedLM for Chest X-ray で、運用、スクリーニング、診断のユースケースにおける胸部 X 線写真の分類を支援します。2 つ目は、Condition Summary と呼ばれるタスク固有の API で、許可リストに登録されているユーザーに対し、近日中に提供される予定です。

誇大広告ではありません: 医療業界のリーダーたちはこのテクノロジーで変革を実現

HCA Healthcare、Highmark Health、MEDITECH、Oscar Health、Telus Health などの組織は、すでに Google Cloud の生成 AI ツールを活用して有意義な変革を推進しています。

HCA Healthcare は Google Cloud と提携して文書化プロセスを効率化し、医師や看護師の作業負担を軽減しています。Highmark Health は、AI を活用した分析情報により、会員向けにパーソナライズした医療提供の拡充方法を探っています。MEDITECH は、EHR システムに AI を統合してデータ検索機能と要約機能を向上させ、現在は Google Cloud と連携して、臨床ワークフローの重要なポイントでの臨床文書の自動生成をサポートしています。

一方、Oscar Health は AI を活用して混乱を減らし、対応を簡素化して、消費者とサービス提供者の満足度を高めています。これには、請求の拒否や照会といったよく摩擦が生じる部分を含む、これまで医療体験を煩雑にしてきたプロセスの効率化も当てはまります。また、Telus Health は、強固なデータ基盤と検索やその他の生成 AI ツールを組み合わせ、世界中の約 7,000 万の人々のために医療データを活用しています。

Vertex AI Search はライフサイエンス企業にも大きな影響を与えています。グローバルなバイオ医薬品企業である Insmed Incorporated は、深刻な希少疾患に苦しむ患者の暮らしを変えるという使命を担っています。2023 年に Google Cloud と提携を始めた同社は、生成 AI の力を活用して、待ち望まれている医薬品の開発と提供にかかる時間を短縮し、効率を高めています。

Insmed は、Vertex AI Search と外部データを使用することで、ライフサイエンス文献の検索と取得を支え、広く利用されている無料リソースの PubMed の使い方を変革しました。疾患や治療分野に関する情報を検索する場合、通常は複数の検索結果に目を通すため、確認にかなり時間がかかります。Vertex AI Search 対応の機能を使うことで、Insmed のユーザーは、Vertex AI Search によって生成された最も関連性の高い情報をキュレートした回答や、探している情報についての根拠のある要約を受け取ることができます。その結果は従来の検索で得られる情報よりはるかにパーソナライズされたもので、具体的な記事やリンクも含まれています。このようなコンテキストに基づく検索へのアプローチには、研究開発プロセス全体を効率化する可能性が秘められています。

さらに、Insmed の市場調査グループは、Vertex AI Search を使用して、プレゼンテーションや確定した調査レポートの情報を迅速に検索、取得、要約しています。チームは、特定の質問に答えるために膨大な量の社内データを素早く検索し、適切なリファレンスを簡単に参照できるようになりました。市場調査の枠を超え、Insmed は Vertex AI Search を活用して、全社規模のデータを使用したエンタープライズ検索を可能にする概念実証に着手しています。

これらの例は、生成 AI がいかに理論上の利点以上に、医療業界を具体的に改善しているかを示しています。こうした進歩がグローバルに展開されていけば、世界中の医療組織や医療システムが変革される可能性があります。

最も重要なことに集中する

研究から現実世界での実用まで、Google Cloud の進歩は医療従事者の負担を軽減し、患者の転帰を改善する可能性があります。AI 搭載ツールを使って人間の専門知識を支えることで、パーソナライズされたデータドリブンな医療を誰もが利用し、医療従事者が最も重要なこと、つまり患者の健康に集中できる未来に、私たちは近づいているのです。

-Google Cloud、業界プロダクトおよびソリューション担当シニアディレクター Lisa O'Malley
-Google Cloud、医療戦略およびソリューション担当グローバルディレクター Aashima Gupta

タンパク質フォールディングの解明を支援: AlphaFold 推論を利用しやすく

Tue, 19 Mar 2024 01:20:00 +0000

※この投稿は米国時間 2024 年 3 月 12 日に、Google Cloud blog に投稿されたものの抄訳です。

オープンソースツールである Vertex AI AlphaFold Inference Pipeline は、バイオテクノロジー企業によるタンパク質フォールディングの研究を合理化させ、市場投入までのタイムラインを短縮することを可能にしました。このツールは並列処理の力を引き出し、コンピューティングリソースを最適化して、スケーリングにより高スループットの要求に対応することで、タンパク質構造予測の主要な課題に対処します。さらに、再現性、リネージ解析、柔軟性、適応性、アップストリームシステムとダウンストリームシステムのシームレスな統合を、すべて Vertex AI をワンストッププラットフォームとすることで実現しています。このツールを使用して、研究者は新たな可能性を切り開き、画期的な発見をこれまでよりも迅速に成し遂げて、バイオテクノロジーによる創薬の取り組みをエンドツーエンドで効率化できます。

Google Cloud は、AlphaFold のアルゴリズムをバイオテクノロジー企業が利用しやすくするため尽力してきたものの、多くのバイオサイエンス機関にとっては、このテクノロジーをシームレスに研究者のワークフローに統合することが難しいのが現状です。

最大の課題は、タンパク質の形状で頭がいっぱいになっている科学者は、コーディングやクラウドの達人ではないことです。タンパク質の様子を見るためだけに科学者が複雑な設定と悪戦苦闘するよう求めるのは、シェフが料理を始める前にオーブンを一から組み立てるのを期待するようなものです。成功（あるいは美味しい料理）のための最適解とは言えません。

ソリューションの概要

こうした非効率性を低減するため、Google は、初心者のためのタンパク質モデリングともいえるユーザーフレンドリーな AlphaFold Portal を導入などして、Vertex AI AlphaFold Inference Pipeline を使いやすくしています。クラウドコンピューティングの使用経験にかかわらず、科学者は最小限の労力でタンパク質の構造を割り出すことができます。ポータルがあれば複雑なコーディング作業（Jupyter ノートブックで Python を記述するなど）に関わる必要がなくなり、ユーザーはタンパク質の推論結果の反復処理に集中できます。

このたび、Google Cloud AlphaFold のリポジトリに、このサーバーレスなポータルをデプロイするオプションが新たに追加され、安全かつ合理化された一元的な方法でタンパク質フォールディングの実験を管理できるようになりました。ワンクリックで新しい実験を開始し、ワークフローを簡素化して貴重な時間を節約できます。

一元化されたパイプライン

ポータルは、以下のような方法で研究者の仕事を効率化します。

一元化されたアクセス: 複数の研究者が 1 つのウェブアドレスからポータルにアクセスできるため、各自が Jupyter ノートブックのインスタンスを実行したり、プロジェクトごとにインフラストラクチャをデプロイしたりする必要がありません。
合理化されたタンパク質フォールディング: 研究者は、タンパク質フォールディングのパイプラインジョブを自分のユーザー名で実行し、他の研究者の作業に基づいてシミュレーションの結果をフィルタリングできます。これにより、比較と微調整が容易になります。
コラボレーションの強化: 以前は、研究者はタンパク質フォールディングジョブそれぞれについて独自の Jupyter ノートブックインスタンスを実行する必要がありました。現在は、一元管理されたシミュレーション結果にアクセスして比較することで、簡単にコラボレーションできるようになりました。

1- AlphaFold Portal のダッシュボード

このダッシュボードは、タンパク質フォールディング研究の一元的なハブであると考えてください。ユーザーは表示をカスタマイズして、結果を効果的にフィルタリングし、指定されたリンクボタンを活用してタンパク質のリソースに直接アクセスできます。これにより、求められる複雑な構成や実行手順がシンプルになりました。

タンパク質フォールディングに取り組む準備ができたら、たった 2 回クリックするだけで、配列（FASTA 形式）の生成およびシミュレーションが実施されます。対象のタンパク質の種類と大きさに基づいて、推奨される最適な GPU マシン構成を UI が自動的に選択します。もし提案された設定を変更したい場合は、高度な設定を開いて、必要な仕様に応じてカスタマイズすることもできます。

2 - 新しいタンパク質フォールディング

さらに、Google はタンパク質モデルのプレビュー機能を統合しました。オープンソースの可視化ツールを活用して、同じインターフェースを使って複雑な分子構造をシームレスに調査できます。

3 - タンパク質構造の可視化

このツールを使えば、バイオテクノロジー企業の誰もが、クラウドやコーディングの経験に関わらずタンパク質フォールディングの力を活用できます。この非常に複雑でコンピューティング負荷の高いワークロードは、合理的かつ最適化されたインフラストラクチャ上でシームレスに実行され、効率性と使いやすさを保証します。

使ってみる

Google Cloud を初めてご利用の方も、心配ありません。ぜひスタートガイドのページをご覧になり、Google Cloud についての理解を深めてください。次に、あらゆるタンパク質フォールディングの魔法を格納するためのプロジェクトを作成して、しましょう。

オープンソースの Google Cloud AlphaFold リポジトリ（こちらのリンクからアクセスできます）で提供されている案内に沿って、次の手順に進んでください。このリポジトリには、便利な事前構築済みのテンプレートが含まれており、すべての必要なコンポーネントを設定するのに役立ちます。このプロセスには、ある程度の専門知識が必要です。課題に直面や、ガイダンスが必要な場合は、GCP の専任担当者が複雑なクラウドを操作するお手伝いをします。

ー Google Cloud、ソリューション アーキテクト Yudy Hendry

ー ML 担当カスタマー エンジニア Alfonso Miranda

Google Cloud における医療テキストの処理

Thu, 15 Feb 2024 01:25:00 +0000

※この投稿は米国時間 2024 年 2 月 8 日に、Google Cloud blog に投稿されたものの抄訳です。

FDA には、医薬品承認プロセスの不可欠な要素としてリアルワールドエビデンス（RWE）を使用してきた歴史があります。さらに、一部の臨床試験では、RWE によりプラセボの必要性を軽減できます。しかし、RWE を有用なものにする臨床記録は、医師のメモなどの非構造化形式で存在することが多く、それらの臨床データを構造化形式に「抽象化」する必要があります。クラウドテクノロジーと AI を利用すると、このプロセスを加速させることができるため、その期間が大幅に短縮化し、拡張性も高まります。

第一線の医薬品研究者は、FDA への試験申請に向けて、リアルワールドデータで臨床試験を補強することを始めています。時間の節約になり、費用対効果も向上するためです。ですが、患者の治療が終了すると、患者がこれまでに受けた医療データが、膨大な量で構造化されていない形で残ることになり、ストレージニーズの増加につながります。非構造化データは、臨床意思決定支援システムにとって重要であり不可欠です。元の非構造化形式から分析情報を得ようとすれば、人がその非構造化データをレビューしなければなりません。分析情報を迅速に引き出せる個別のデータポイントがないため、構造化されていない医療データは、治療のギャップや差異の増幅につながる可能性があります。単純に考えても、この患者データすべてを抽象化するのに、人の手だけに頼った作業では速さも正確性も不十分であることはわかります。Google Cloud 上のサーバーレスソフトウェアコンポーネントを使用した応用自然言語処理（NLP）は、優先すべき患者医療文書を特定してリスト化し、臨床データの抽象化担当者をこのリストへと効率よく誘導します。

Google Cloud における医療テキスト処理の実行方法

Google Cloud の Vertex Workbench Jupyter ノートブックを使用すると、未加工の臨床テキストドキュメントを取得して、Google Cloud の Healthcare Natural Language API を通じて処理し、構造化された JSON 出力を BigQuery に取り込むデータパイプラインを作成できます。そこから、ラベルの数や関係など、臨床テキストの特性を表示できるダッシュボードを構築できます。ここから、テキストを抽出でき、また人がラベル付けすることで時間とともにさらに改良できる、トレーニング可能な言語モデルを構築できるようになります。

このソリューションがこれらの課題にどのように対処するかについて理解を深めるために、医療テキストエンティティの抽出ワークフローを確認してみましょう。

データ取り込みのための Document AI: このシステムは、医師の手書きのメモやその他の非構造化テキストなど、匿名化された医療テキストを含む PDF ファイルから始まります。この非構造化データは、まず光学式文字認識（OCR）技術を使用して Document AI によって処理され、テキストと画像がデジタル化されます。
自然言語処理: Cloud Natural Language API には、医療テキストの抽出と分類のためのモデルなど、事前トレーニングされたモデルのセットが含まれています。このサービスの出力の一部として生成されるラベルは、Vertex AI AutoML サービスの「正解」ラベルとして機能し、Vertex AI AutoML サービスにドメイン固有のカスタムラベルが追加されます。
Vertex AI AutoML: Vertex AI AutoML は、Google モデルを使用して、人間参加型のデータセットのラベル付けと自動ラベル分類のための機械学習ツールセットを提供します。Google モデルは、チームメンバーがコーディングやデータサイエンスの専門知識をほとんど持っていない場合でも、データを使用してトレーニングできます。
BigQuery テーブル: NLP 処理されたレコードは、さらなる処理と可視化のために BigQuery に保存されます。
Looker ダッシュボード: Looker ダッシュボードは、臨床テキストの抽象化プロセスの中心的な「頭脳」として機能します。ここでの可視化により、チームはタグやコンセプトの「密度」などの指標を使用して最も優先度の高い臨床文書を特定できるようになります。
Python Jupyter ノートブック: Colab（無料）ノートブックまたは Vertex AI（エンタープライズ）ノートブックを使用して、テキストデータを探索し、取り込みと NLP 用のさまざまな API を呼び出します。

Healthcare Natural Language API

Healthcare Natural Language API を使用すると、次の最適化に重点を置くことで、医療テキストエンティティの処理を大規模かつ効率的に実行できます。

スケーラブルな Cloud Functions を使用してドキュメント処理を並列実行することにより、ドキュメント OCR とデータ抽出を最適化します。
完全にサーバーレスなマネージドサービスを使用して、コストと製品化までの時間を最適化します。
ML による人間参加型の抽象化を組み込んだ、柔軟で包括的なワークフローを促進します。

次の図は、ソリューションのアーキテクチャを示したものです。

Jupyter ノートブックまたは Google Cloud Functions から実行でき、NLP 処理パイプラインのさまざまな段階を動作させる再利用可能な Python スクリプトのセット。医療テキストを構造化患者データに変換して、Looker ダッシュボードに表示し、これが臨床データの抽象化担当者チームの意思決定支援インターフェースとして機能します。
データ処理のさまざまな段階をサポートする一連の Google Cloud Storage バケット（下図参照）。

「エンティティ」というデータセット内に「Entity」と「Document」という 2 つの BigQuery テーブルが、Looker ダッシュボードのデータモデルとして作成されます。

臨床データの抽象化担当者が人間参加型のラベル付けに使用する Vertex AI データセット。これを使用して Google Vertex AI Labeling チームにラベル付けのリクエストを送信することで、柔軟性と拡張性が高まります。

カスタムの「密度」指標（ドキュメント内で見つかったデータ要素（ラベル）の数）に基づいて抽象化担当者が処理すべきドキュメントの順番をスタックランキングで表示する Looker ダッシュボード。このダッシュボードでは、抽象化担当者はまずスパース（低密度）にラベル付けされたドキュメントに注目でき、Google の NLP に面倒な作業を任せることができます。

密度スコア別のドキュメントのリストを見ることで、抽象化担当者は、多くの作業が必要なドキュメントと、軽いレビューのみで済むドキュメントを判別できます。

この Look（ビュー）は、Google Healthcare Natural Language API によって UMLS 臨床オントロジーにマッピングされた、コード化された医療テキストを示しています。

この Look（ビュー）は、エンティティへの言及を示しており、各言及の主題とその信頼度スコアといった情報も表示されます。これにより、生物医学ナレッジグラフに読み込んで、詳細な下流分析を行えます。

この Look（ビュー）は、未加工のドキュメントテキスト内で見つかったエンティティへの言及を示しています。

今後のトピックと次のステップ

このデモでは、エンティティとドキュメントのメタデータを BigQuery と Looker に読み込みましたが、Healthcare Natural Language API からすぐに使える豊富な関係は読み込んでいません。これらの関係を使用すると、生物医学ナレッジグラフを作成して、疾患・治療・コホートの道筋をたどり、これらの事実を結び付ける新しい仮説を立てられるようになります。

Looker を使用して作成したダッシュボードは、必要最低限の機能しか備えていませんが、Looker には、ドキュメントのレビューが可能なときにチャットなどのチャネルにプッシュする機能や、関連エンティティの医療ナレッジグラフとして患者を可視化する機能、ML 予測を Looker LookML 自体に直接埋め込む機能など、豊富な機能があります。このダッシュボードは、Looker を活用した臨床情報科学の出発点と考えてください。

Healthcare Natural Language API の詳細については、プロダクトページをご覧ください。ご自身で試してみるには、こちらのデモのリンクをご覧ください。

この医療テキストの例をラベル付けのために Vertex AI データセットに読み込む方法については、Google Cloud バイオテクノロジーチームにお問い合わせください。

^{データのプライバシー}^{このブログ投稿には実際の患者データは一切使用されていません。データを制御しているのは、Google Cloud のお客様です。医療現場において、患者データへのアクセスとデータの利用は信頼性の高い Google Cloud のインフラストラクチャと安全なデータ} ^{ストレージの実装により保護されます。このインフラストラクチャとストレージは HIPAA コンプライアンスに準拠しており、お客様ごとに異なるセキュリティ、プライバシー管理、プロセスの要件にも対応できます。Google Cloud のデータのプライバシーの詳細については、}^{こちらのリンク}^{をご覧ください。}

-カスタマー エンジニア - データ、分析、ML スペシャリストAlex Burdenko

-カスタマー エンジニア - データ、分析、ML スペシャリストJoan Kallogjeri

MedLM で拡張された臨床ナレッジグラフを使用して臨床インテリジェンスエンジンを構築

Fri, 02 Feb 2024 01:40:00 +0000

※この投稿は米国時間 2024 年 1 月 24 日に、Google Cloud blog に投稿されたものの抄訳です。

AI は、患者データと医療情報を統合して価値あるインサイトを提供することで、臨床医を支援できる大きな可能性を秘めています。Google は、AI が臨床医コミュニティにもたらすメリットについて理解しており、このたび、インド最大のマルチチャンネルデジタルヘルスケアプラットフォームである Apollo 24|7 と協力して、臨床インテリジェンスエンジン（CIE）を構築しました。この CIE を使用すると、数百万もの匿名化された臨床インタラクションデータポイントでキャプチャした豊富な情報から、根拠に基づくインサイトを生成できます。このソリューションは、臨床医が自身の能力を強化し、患者により優れた治療を提供できるように支援するための補助ツールとして設計されています。

Apollo 24|7 のソリューションにはさまざまなアプローチが含まれており、Google が新たにリリースした MedLM の一部となった Med-PaLM 2 や、臨床ナレッジグラフをベースとしたモデルも使用されています。

使用したデータセット

MIMIC IV データセットを使用しました。これは一般公開されている電子医療記録データセットで、フリーテキストの退院記録も含まれています。

評価指標

テストの評価に使用した 3 つの主な指標は次のとおりです。

Top-K の調整済み MAP: Recommender のようなシステムを評価するために、上位 K 個の候補の平均適合率（MAP）を計算します。最大 K 個の値それぞれの平均適合率を反復処理で計算します。
適合率スコア: この指標によって、真陽性と比較して、予測に存在する偽陽性の数を判断しやすくなります。
キャプチャ率: この指標によって、グラウンドトゥルースに実際に存在する値のうちモデルで正確に特定された値の数を経験的に判断しやすくなります。いわば、これは再現率に似ています。

テスト

MedLM と呼ばれる Google Research の大規模言語モデル（LLM）から、Personalized PageRank などのグラフモデルや、kNN（k 最近傍）モデル、Two-Tower モデルといった従来のモデルまで、さまざまなモデルでテストを実施しました。

このブログでは、MedLM によって拡張された Personalized PageRank を使用したアプローチについて説明します。

ステップ 1: 臨床ナレッジグラフを構築する

グラフデータベースである Neo4j で、包括的な臨床ナレッジグラフを構築しました。
まず、Google の PaLM 2 モデルと Vertex Healthcare Natural Language API を使用して、退院記録の形式をとった非構造化医療テキストから医療コンセプトを抽出します。

これらの臨床エンティティには、投薬、投与量、投与頻度、投与期間、症状が含まれます。これらのエンティティをリンクして、適切な関係を作成します。抽出したエンティティは、グラフデータベースとして Neo4j に取り込まれます。

Fig 1: Clinical knowledge graph

「入院」と「UMLS」の 2 種類のノードだけを持つ二部ナレッジグラフを作成します。UMLS（統一医学用語システム）コードは、Healthcare NL API のレスポンスによって生成されます。
エンティティのコンテキストを維持するために、退院サマリーからセクション（「症状」、「アレルギー」、「病歴」など）を抽出します。薬剤「パラセタモール」が「投薬」セクションと「アレルギー」セクションに存在することは、UMLS コードが同じでも 2 つの異なるものであることを示しています。そこで、UMLS と Section（セクション）を組み合わせた中間ノード「SUMLS」を作成しました。

Fig 2: Section Details in clinical knowledge graph

このナレッジグラフを作成したうえで、さまざまなグラフアルゴリズムでテストを実施しました。

ステップ 2: GraphSage と Optuna の最適化を使用して Personalized PageRank モデルを構築する

Neo4j で作成した臨床ナレッジグラフに基づいて、PageRank ベースラインモデルを構築しました。
ノード属性を考慮するために、ノードエンベディングを使用して近接ベクターで類似ノードを表し、kNN アルゴリズムを使用して類似性の高い上位 10 件の入院を関連付けました。
利用率の高いノードのエッジについては、混雑の影響を軽減するために、利用率に基づいて重みを軽くしました。
次に、GraphSage モデルをトレーニングして、二部ナレッジグラフに存在するノードの近接エンベディングを作成しました。
エッジの重みを最適化するために、Optuna を使用しました。

ステップ 3: MedLM によって結果を拡張する

MedLM は、Google の MedLM の機能を活用しています。また、医療分野向けに調整されており、医療に関する質問に対してより正確な回答を提供します。さらに、有益で充実したディスカッションの促進、医療に関する複雑な質問への回答、複雑な非構造化医療テキストでのインサイトの発見に活用できます。ほかにも、短い回答と長い回答の作成、内部のデータセットや科学知識体系から得たドキュメントやインサイトの要約に役立てることができます。

Google が行ったテストでは、Personalized PageRank モデルの出力を MedLM にコンテキストとしてフィードして、最終的な回答を生成することによって、精度を高めることができました。

MedLM と臨床ナレッジグラフを使用したこのアプローチによって生成された最終的な回答が事実に基づいていることが確認され、偽陽性を削減し、真陽性を増加させることでさらに精度が上がることがわかりました。

「臨床ナレッジグラフと MedLM による拡張を基盤として構築されたこのソリューションは、患者の病歴を分析して、関連する投薬、検査結果、治療内容、考えられる診断に対するインサイトを生成して臨床医が確認できるようにします。このような根拠に基づくインサイトを生成することで、この生成 AI ソリューションは、臨床ワークフローの強化、エラーの削減、患者の転帰の改善を目指しています。また、非常に強力であるとともに、常に臨床医を補助する AI の機能に関して、これはほんの一例であると理解しておくことがきわめて重要です」と、Apollo 24|7 のエンジニアリングリードである Abdussamad M 氏は述べています。

このソリューションは、臨床医の専門知識に置き換わることではなく、臨床医のスキルと経験を増強することを目的としています。

Google Cloud コンサルティング（GCC）によるエンドツーエンドの迅速な導入

Google Cloud と Apollo 24|7 のパートナーシップは、組織が望ましい成果を上げられるよう支援するために、複雑な問題を解決する AI 搭載ソリューションを提供している最新の例のひとつです。Apollo は Google Cloud コンサルティング（GCC）の協力の下、繰り返しのイテレーションとテストを実施し、最終的なソリューションを構築できました。そして、これはビジネスの強化につながっています。GCC は Apollo から、Apollo チームと共同でビジネス要件に合わせてワークフローの環境を構築することを託されました。GCC ポートフォリオは、さまざまなサービスやプロダクトを 1 つに統合し、複数の専門分野にまたがるさまざまなサービスを 1 か所にまとめて提供します。学習サービス、テクニカルアカウントマネジメント、プロフェッショナルサービス、カスタマーサクセスなど、Google Cloud コンサルティングサービスの具体的なサービスの全ポートフォリオはこちらでご確認いただけます。

^{免責条項: MedLM はインドではまだプレビュー段階であり、本番環境での使用は承認されていません。}

Apollo 24|7、クリニカル AI プロダクト責任者 Chaitanya Bharadwaj 氏
Google Cloud、AI プログラム リード Sharmila Devi

Apollo24|7: 複雑なマイクロサービスアプリケーションを Google Cloud にゼロダウンタイムで移行

Thu, 18 Jan 2024 01:00:00 +0000

※この投稿は米国時間 2023 年 12 月 9 日に、Google Cloud blog に投稿されたものの抄訳です。

Apollo 24|7 は、インドのチェンナイに本社を置く医療法人 Apollo Hospitals のデジタル事業を展開している会社です。医療を誰にでも手ごろで利用しやすいものにすることを目標に掲げ、オンライン診察や、在宅臨床検査、オンライン薬局などの総合的なサービスを提供しており、インド国内の医療システムとしては最大規模を誇ります。

このブログ投稿では、インド国内で 24 時間 365 日利用されている重要なアプリケーションとそれに含まれる 97 種類のサービスおよび 40 超の SQL データベースを、Google Cloud にゼロダウンタイムで移行した方法を紹介します。

パフォーマンス、セキュリティ、信頼性を向上させて成長を後押し

パンデミックの直前に設立された Apollo 24|7 では、COVID-19（新型コロナウイルス感染症）の感染拡大によって経営陣は成長に伴う新たな課題に直面していました。高まる需要に応えるために、機能やその他もろもろの開発を猛スピードで進める必要がありました。Apollo 24|7 アプリケーションのデプロイ環境には、VM とコンテナベースが混在しています。このアプリケーションには、SQL および NoSQL の各種データベースや、Redis、VM、Kubernetes、ロードバランサ、WAF が含まれるほか、さまざまなサードパーティのパブリックエンドポイントが統合されています。

エンジニアリング部門のリーダー陣は、パンデミック後の成長にも対応するために Apollo 24|7 を見直す良い機会と捉え、特にパフォーマンス、セキュリティ、信頼性に改善の余地を見出していました。また、最新の自動化と Infrastructure as Code（IaC）を取り入れて、堅牢性とスケーラビリティを高めたいと考えました。さらに、費用効率を全体的に改善し、大衆に手ごろな価格で医療を提供する重要性も高まっていました。ただし、当社のアプリケーションは数百万のアクティブユーザーを抱えているため、ダウンタイムをゼロにして、ユーザーエクスペリエンスに影響が出ないようにしなければなりませんでした。

これらの要件やニーズにスムーズに応えるため、受賞歴のある Google Cloud パートナーの Searce 社と緊密に連携して一大プロジェクトに取り組みました。プロジェクト全体を通じて、Apollo 24|7、Searce、Google Cloud の各チームが相互に協力し、開発、テスト、デプロイ、モニタリングにあたったことが、移行の成功に大きく貢献しました。

Searce 社は当社の拡張チームとして、貴重な専門知識やサポートを一貫して提供してくれました。

ゼロダウンタイムでフルスタック移行を達成

プロジェクトの目標は、アプリケーション全体を Google Cloud にゼロダウンタイムで移行することでした。移行の対象には、品質保証（QA）、本番前環境、本番環境が含まれます。

プロジェクトは以下の手順で進めました。

DORA の調査に続いて CAST の評価を実施
移行ウェーブと依存関係グラフを作成、脆弱なライブラリを修復
Google Cloud 上にエンタープライズグレードのランディングゾーンを作成、セキュリティ体制の管理を有効化
VM、GKE クラスタ、Cloud SQL、Redis インスタンスをデプロイ
全サービス用の CI / CD パイプラインを作成
Google Cloud 上にサービスおよびその依存関係をデプロイ
Google Cloud Marketplace を介して ISV サービスを有効化
ソースデータベース（DB）と Cloud SQL 間に変更データキャプチャ（CDC）を設定
Google Cloud へのトラフィックをサービス間で分割してから、Google Cloud に最終的にカットオーバー

QA 環境は、CI / CD パイプライン、Terraform スクリプト、その他さまざまな必須リソースを作成した後で、Google Cloud 上に直接デプロイしました。

次の環境に移る際には本番前環境を使用しました。これは、本番環境のレプリカで、本番環境よりもトラフィックと容量が少ない環境です。このレプリカを使って本番環境への移行シミュレーションを行うことで、アプリケーションに含まれるサービスごとに適切な標準作業手順書（SOP）を作成できます。さらに、サービスの詳細な依存関係を作成し、旧ロケーションと Google Cloud の間でトラフィックを分割して、サービスに応じて 1～10% 程度のトラフィックを Google Cloud に送信して機能のエンドツーエンドテストを実行しました。最後に、Google Cloud 上のソースとターゲットのデータベース間に CDC を設定し、全トラフィックを Google Cloud に切り替えて、移行のカットオーバーを完了しました。

本番前環境ではさまざまな学びがあり、それを活かして本番環境への移行に臨みました。しかし移行当日は、支払いなどのサードパーティサービスと統合している少数のサービスで Identity and Access Management（IAM）関連の問題が発生しました。GKE で部分的にサービスをデプロイしている間、サービスの Pod とソースロケーションの DB 間の通信は、インターネットや VPN トンネル経由で行いました。そのため、パケットドロップを回避するために、帯域幅のモニタリングと NAT ゲートウェイのポート割り当てを注意深くモニタリングする必要がありました。トラフィックを分割する利点は、なんらかの問題が発生した場合、すべてのトラフィックを Google Cloud から迂回できることです。これにより、真にゼロダウンタイムの移行を達成することが可能となりました。

この移行プロジェクトの主な成果は以下のとおりです。

ゲートウェイと Ingress コントローラの両方を備えた 3 つの GKE クラスタ上に、97 種類のサービスを移行
22 個の Redis インスタンス、Cloud Functions、Pub/Sub、Kafka をデプロイ
静的コンテンツを Cloud CDN に移行
Cloud Armor を実装して WAF、DDoS、Security Command Center Premium に対応
Aiven マネージド Kafka や MongoDB などの Marketplace サービスを選定
本番環境のトラフィックを旧ロケーションと Google Cloud の間で分割し、ゼロダウンタイムを達成
CDC を使って、40 超のデータベースインスタンス（MySQL、PostgreSQL）を CloudSQL に移行
2 TB 以上のオブジェクトを Google Cloud に転送

アジリティとセキュリティを向上させながら運用費用を削減

Google Cloud へのアプリケーション移行は成功を収め、GKE や Cloud SQL へのアクセス時のパフォーマンスやレイテンシの改善など、数々のメリットがもたらされました。モノリシックなコードから脱してアーキテクチャを根本的に改善したほか、確約利用割引（CUD）料金、Google Cloud の秒単位の課金、オンデマンドリソース、カスタムサイズの VM によって、費用削減を達成しました。

Terraform を使って Infrastructure as Code（IaC）を導入することで、サービスを効率良くデプロイするとともにエラーの余地を大幅に減らし、アジリティとパフォーマンスを改善できました。さらに、このデプロイ方法では既存の IAM ポリシーの不備を特定し、セキュリティを改善できます。このプロジェクトを通じて、Google のセキュリティ原則に基づいた徹底的なクリーンアップを実施できました。

今後の展望

Apollo 24|7 は Google Cloud のコンサルティング AI チームと共同開発した臨床決断支援システム（CDSS）に続いて、AI によるソリューションでのパートナーシップをさらに拡大しています。現在、Ask Apollo およびそれに続くシステムに Med-PaLM 2 の生成 AI モデルを組み込んでいるところです。

Google と Apollo 24|7 は今後もパートナーシップを継続し、インドの医療変革を推進していく所存です。また、Apollo 24|7 のコアアプリケーションで威力を発揮してくれた Google Cloud を、マーケティング、サプライチェーン、カスタマーサービスなどの分野にも取り入れていきたいと考えています。

-Google Cloud インド、カスタマー エンジニア Nishu Saxena

-Apollo 24|7、エンジニアリング担当アシスタント バイス プレジデント Prabhat Sharma 氏

Nuclera: Vertex AI 上の Google DeepMind AlphaFold2 を使用して創薬の高速化を目指す

Wed, 10 Jan 2024 02:00:00 +0000

※この投稿は米国時間 2023 年 12 月 19 日に、Google Cloud blog に投稿されたものの抄訳です。

英国と米国に本拠を置くバイオテクノロジー企業である Nuclera は、ライフサイエンスコミュニティにサービスを提供するために Google Cloud と協力しており、Nuclera のラピッドプロテインアクセスベンチトップシステムと、Google Cloud の Vertex AI ML プラットフォームで提供される Google DeepMind の先駆的なタンパク質構造予測ツール AlphaFold2（資料 1）を組み合わせています。

タンパク質が創薬標的の 95% を占めるため、創薬を支援するために複数の活性タンパク質のバリエーションを取得する需要が常に増加しています。特に、信頼性の高いタンパク質構造予測は、化合物 / 生物製剤リード開発の前提条件です。

画期的な AI ツールである AlphaFold2（2021 年に DeepMind によってリリース）は、タンパク質構造の予測精度を飛躍的に向上させ、近年、構造生物学コミュニティや創薬コミュニティを大いに沸かせてきました（資料 2）。

Nuclera と Google のテクノロジーを統合することにより、医薬品開発者がタンパク質構築物の設計を最適化し、創薬プロセスを高速化するための新しい統合システムが実現します。まもなく、数分から数時間で高品質の構造を得られるようになり、レーザー誘導タンパク質設計が可能になる予定です。さらに、実験的に特徴付けることが「不可能」と考えられていたタンパク質向けの信頼できる構造も利用できるようになります。

重要なタンパク質を作る

ラボベースの研究でタンパク質を利用できることは創薬の基礎と言えます。しかし、達成が困難かつ費用がかかることで知られており、研究の可能性には時間とリソースの制限が課せられます。

Nuclera は、タンパク質を利用しやすくすることで人間の健康を改善することを目指しており、そのベンチトップ eProtein Discovery システムを通じて DNA から活性タンパク質を取得できるようにライフサイエンス研究者を支援します（図 1 を参照）。Nuclera のテクノロジーは、スマートカートリッジ上で無細胞タンパク質合成とデジタルマイクロ流体工学を統合し、自動化された高スループットのベンチトッププロテインアクセスシステムを通じてタンパク質プロジェクトの迅速な進行を可能にします。

動画を見るにはこちらをクリック

AlphaFold2 が Nuclera にどのように適合するか - 誘導タンパク質設計

AlphaFold2 は DeepMind が開発した AI モデルで、タンパク質のアミノ酸の 1 次元配列情報に基づいて 3 次元構造を予測します。生物学的研究の突破口として幅広い分野で歓迎され、ワクチンや合成物質の開発を飛躍的に発展させると期待されています。

Google Cloud の Vertex AI 上で動作する AlphaFold2 は、タンパク質の品質と入手可能性を向上させるために、Nuclera のクラウドベースのソフトウェアに不可欠な機能となる予定です。現在、Nuclera のクラウドソフトウェアでは、顧客は発現および精製スクリーニングの結果を基礎に、情報に基づいた意思決定を行い、スケールアップに最適なタンパク質構築物およびタンパク質のスケールアップに最適な条件を特定できます。AlphaFold2 を eProtein Discovery ソフトウェアに統合すると、実験設計段階で in silico フィルタが追加されるため、システム上でスクリーニングされる構造物の品質が向上します。これにより、創薬プログラムを構築する真に最適な標的タンパク質を特定する確率が高くなります。さらに、AlphaFold2 は、eProtein Discovery ユーザーが薬物相互作用、構造的特徴、折り畳みへの影響など、考えられる標的タンパク質構築物について深いインサイトを得るのに役立ちます。

Vertex AI パイプラインへの Alphafold2 の実装

AlphaFold2 アルゴリズムの計り知れない能力は否定できませんが、Alphafold2 にはサービスを提供するインフラストラクチャと運用モデルが必要であることに注意することが重要です。

タンパク質の構造予測を行うことは、コンピューティング集約的なタスクになります。推論ワークフローを大規模に実行するのは簡単なことではありません。推論にかかる経過時間の最適化、ハードウェアリソースの使用率の最適化、テストの管理などの困難な課題があります。

AlphaFold2 の Vertex AI ソリューションは、次のような最適化に焦点を当てて大規模な推論を行えるように設計されています。

独立したステップを並列化することによる推論ワークフローの最適化。
各ステップを最適なハードウェアプラットフォームで実行することによるハードウェアの使用率（および結果的にコスト）の最適化。このソリューションでは、最適化の一環として、各ステップに必要なコンピューティングリソースを自動的にプロビジョニングおよびデプロビジョニングします。
何百もの並列推論ワークフローの実行と分析プロセスを簡素化する、堅牢で柔軟なテスト追跡のアプローチについての説明。

Nuclera は、スケーラブルでリソース効率の高い AlphaFold パイプラインの基盤として Vertex AI プラットフォームを使用するほか、API を通じてパイプラインを公開し、eProtein Discovery システムと統合するために他の Google Cloud サービスも使用します。

実装のセットアップに関連するもの

AlphaFold2 と Nuclera が達成する最初の目標は、Google Cloud で AlphaFold2 の実行にアクセスするスケーラブルな API サービスを作成することから始まります。次に、ユーザーがタンパク質変異体の予測 3D 構造を視覚的かつ定量的に比較できるようにする分析ダッシュボードが構築されます。さらに、関心のあるタンパク質（POI）推奨機能は、コンピュータで生成されたスコアや保存されたドメインなどのさまざまな制約を考慮した、インテリジェントな選択アルゴリズムを使用して、考えられる合成タンパク質のバリアント（アイソフォーム、トランケーション、突然変異、オルソログ、または融合）を顧客に提案します。

eProtein Discovery / AlphaFold2 - その応用の重要性

AlphaFold2 が提供する 3D 構造の分析情報により、Nuclera とその顧客はタンパク質バリエーション合成プロセスを最適化し、残基とタンパク質の 3D 折り畳み構造間の相互作用についてより深いインサイトを得ることができます。

世界中の eProtein Discovery の顧客は、eProtein Discovery ソフトウェアの AlphaFold2 モジュールで提供される複合予測の恩恵を受けることで、タンパク質をより明確に理解し、情報に基づいた迅速な意思決定を行うことができ、最終的には学術研究の進歩と創薬の成功にかかる時間を節約できます。

Google Cloud ヘルスケア＆ライフサイエンスソリューション担当グローバルディレクターの Shweta Maniar 氏は次のようにコメントしています。「Nuclera の eProtein Discovery System と統合された AlphaFold2 は、創薬における実際の使用を示す非常にエキサイティングなデモンストレーションであり、目的の構造と機能を備えたタンパク質を迅速かつ効率的に設計および生産できるよう研究者を支援します。」

Google Cloud と AlphaFold2 の優れた機能との提携により、私たちは AI/ML 支援創薬ツールの先駆者となることに喜びを感じています。これにより、これまで以上のペースで次世代の治療法が生み出されるはずです。このソリューションに関する詳細と試用については、コンポーネントおよびユニバーサルパイプラインと単量体パイプラインについて記載されている GitHub リポジトリをご確認ください。リポジトリ内のアーティファクトは、カスタマイズできるように設計されています。さらに、このソリューションをアップストリームおよびダウンストリームのワークフローに統合して、詳細な分析を行うことができます。Vertex AI の詳細については、プロダクトページをご覧ください。

^参照

^{Jumper, J.、Evans, R.、Pritzel, A 他。AlphaFold による高精度なタンパク質構造予測。Nature 596, 583–589（2021）。}^{https://doi.org/10.1038/s41586-021-03819-2}^{2. Ghadermarzi, S.、Li, X.、Li, Mi 他。薬物標的および創薬可能性のあるヒトタンパク質の配列由来マーカー。Front. Genet., 10, 1-18（2019）。}^{https://www.frontiersin.org/articles/10.3389/fgene.2019.01075/full}

-Nuclera、共同創業者 / CTO Gordon McInroy 氏

-Nuclera、共同創業者 / CEO Michael Chen 氏

医療業界向け生成 AI「MedLM」を発表

Thu, 14 Dec 2023 01:00:00 +0000

※この投稿は米国時間 2023 年 12 月 14 日に、Google Cloud blog に投稿されたものの抄訳です。

医療およびヘルスケア分野は、AI の活用が最も期待されている業界の 1 つです。Google Cloud は 2022 年と2023 年に Med-PaLM で医学に特化した大規模言語モデル（LLM）の初期段階の研究を行って以来、飛躍的な進歩を遂げてきました。Google Research チームは現在、マルチモーダル機能の探求など、医療機関と共同で Med-PaLM 2 のテストを行っています。

本日 Google Cloud は、医療業界向けの基盤モデル群 MedLM を発表しました。MedLM は現在、米国の特定のお客様を対象に、Vertex AI のプラットフォーム上で公開しています。世界の特定の市場でもプレビュー版が利用可能です。

現在 MedLM には、Med-PaLM 2 を基盤に構築され、医療機関のあらゆるニーズに柔軟に対応する 2 つのモデルがあります。多くの医療機関は、基本的なタスクから複雑なワークフローなど、さまざまな用途で AI の活用方法を模索しています。このような組織に Google Cloud のツールを試用していただくことで、会話の要約にはこのモデルが役に立つが、薬の検索には別のモデルが最適など、ユースケースによって特定の業務に最も効果的なモデルが異なることがわかりました。MedLM の 2 つのモデルのうち 1 つは大規模で、複雑なタスクにおける活用を想定し設計されています。もう 1 つは中規模のモデルで、ファインチューンが可能で、さまざまなタスクのスケーリングに最適です。これらのモデルの開発は、医療従事者の医学的な質問への回答や要約のドラフトなど、特定のヘルスケアおよびライフサイエンス分野の顧客ニーズに基づいて行っています。今後数か月のうちに、Gemini ベースのモデルを MedLM にも導入し、より多くの機能を提供する予定です。

MedLM の試験にご参加いただいた企業の多くは現在、自社のソリューションにて MedLM を本番稼動させるなど、試用の幅を広げています。

HCA Healthcare は Augmedix のアンビエント医療文書に MedLM を活用

HCA Healthcare は 2023 年、4 つの救急病院にて、医師のメモを支援するソリューションを試験的に導入しました。医師は Augmedix アプリを使用することで、臨床医と患者の会話をハンズフリーデバイスで、正確に、かつタイムリーに医療保険の相互運用性と説明責任に関する法律 (HIPAA) に準拠したメモを作成できます。Augmedix プラットフォームは、Google Cloud の Vertex AI 上の MedLM を活用して、自然言語処理を使用し、即座にデータを医療メモのたたき台に変換、その後医師が確認の上、リアルタイムに病院の電子カルテ（EHR）へ転送されます。

MedLM を使用することで、Augmedix のアンビエント文書化製品の自動化パフォーマンスが向上されるほか、品質と要約が改善され続けます。これらの製品は臨床医の稼働時間を削減し、効率を向上させ、結果的に患者ケアを改善します。また MedLM により、Augmedix の製品を医療システム全体に手頃なコストでスケールすることが容易になり、プライマリケア、救急部、腫瘍科、整形外科など、拡大する医療のサブスペシャリティ領域をサポートすることができます。

前臨床研究開発を改善する BenchSci

医薬品の研究開発は時間がかかり、非効率的で、非常にコストがかかります。BenchSci は科学的発見に AI を導入し、医薬品開発の迅速化を推進しており、MedLM を同社の ASCEND プラットフォームに統合することで、前臨床試験や研究開発のスピードと質をさらに向上させています。

BenchSci の ASCEND プラットフォームは、AI を搭載したエビデンスエンジンであり、数百の異なるデータソースからデコードされた 1 億以上の実験より、忠実度の高いナレッジグラフを作成します。これにより科学者は、バイオマーカー、詳細な生物学的経路、疾患間の相互関連など、経験により検証され、かつオントロジーに基づいて導き出された関係を徹底的に把握し、生物学研究における複雑なつながりを理解できます。MedLM との統合により、精度、正確性、信頼性のさらなる向上、および ASCEND 独自の技術やデータセットとともに、科学的発見へとつながる新規バイオマーカーの同定、分類、ランク付け、発見の増加を目指します。

アクセンチュアとの協業体制の拡大による医療アクセス、体験、転帰の改善

Google Cloud は企業への導入と価値向上を促進するためアクセンチュアとの協業体制を拡大し、医療機関が生成 AI を活用して患者のアクセス、体験、転帰を改善できるよう支援します。アクセンチュアは、医療業界における卓越した経験、ソリューション、そして医療機関が Google のテクノロジーを人間の創意工夫で最大限に活用するために必要なデータと AI スキルを提供します。

医療プロセスの改善を目的としたアクセンチュアの Solutions.AI for Processing for Health は、複数のソースからの構造化データと非構造化データを識別し、登録、請求処理、臨床文書の読み取りなど、時間がかかり、ミスが発生しがちだった手動プロセスを自動化します。これにより、臨床医はより迅速に、十分な情報に基づいた意思決定を行うことができ、患者ケアのための時間とリソースを確保できます。Google Cloud の Claims Acceleration Suite、MedLM、アクセンチュアの Solutions.AI for Processing を使用することで、新たな洞察が得られ、最終的に患者の転帰改善につながります。

デロイトと協力し、保険プロバイダ検索を改善

ヘルスケア関連企業は、文書化、ケアナビゲーション、会員エンゲージメントに関連する管理業務やプロセスに頭を悩ませることがよくあります。デロイトと Google Cloud はお客様と協力し、対話型のチャットボットを通じて、医療保険の加入者が、加入しているプランでカバーされる医療機関の選択肢をよりよく理解でき、支援することで、生成 AIがどのように顧客体験を向上させられるか模索しています。

デロイト、Google Cloud、その他ヘルスケア分野のリーダー企業は、MedLM の機能を活用し、ケアチームが保険会社のディレクトリや補償内容から簡単に情報を発見できるよう試験的な取り組みを行っています。これらのインプットは、コンタクトセンターのエージェントが、プラン、症状、投薬、さらには過去の予約履歴に基づいて、最適なプロバイダを特定し、必要なケアに迅速にアクセスできるようにします。

MedLM、医療用生成 AI の未来

生成 AI は医療業界に大きな変革をもたらすことができるため、Google Cloud は専門家がこの技術を安全かつ責任を持って使用できるようにすることに注力しています。

Google Cloud は、医療従事者、研究者、ヘルスケアおよびライフサイエンス機関、その他医療の最前線で日々活躍する人々と緊密に連携しています。米国医師国家試験形式の問題で合格点（60％以上）を獲得した初の LLM を構築（Nature 誌に掲載）しただけでなく、エキスパートレベルのスコア（86.5％）を獲得するまでに発展させ、さらに実世界のシナリオへ応用するまでに至りました。今後も MedLM の発展と可能性の模索、そしてヘルスケアとライフサイエンスにおける画期的な研究を推進するための継続的な取り組みに努めて参ります。

-Google, VP Engineering & Research, Yossi Matias
-Google Cloud, Healthcare Strategy & Solutions, Global Director, Aashima Gupta

4 年ぶりとなる Google Cloud Next Tokyo ’23 の基調講演で、中外製薬が生成 AI の活用について紹介

Wed, 15 Nov 2023 02:00:00 +0000

Google Cloud は、本日 11 月 15 日から 2 日間、4 年ぶりとなる Google Cloud Next Tokyo '23 を開催しています。

大きな進化を遂げている生成 AI と AI、機械学習をテーマとした DAY 1 基調講演において、中外製薬株式会社の上席執行役員デジタルトランスフォーメーションユニット長志済聡子氏が、新薬創出を加速するために Google Cloud の医療機関向け生成 AI モデルである Med-PaLM 2 を活用することを発表しました。

中外製薬は、2019 年より業界でもいち早くデジタルトランスフォーメーション（DX）推進体制をスタートさせ、2023 年 8 月には Google Cloud の機械学習やデータ分析を活用して創薬プロセスの迅速化を進めていることを発表しています。

中外製薬では、Google Cloud の AI や機械学習の技術を取り入れることで、AI の「専門性」と「民主化」という 2 つの方向を目指しています。「専門性」では、創薬の初期段階における推論のプロセスを効率化します。従来の創薬のプロセスでは、病気の作用を抑える化合物やタンパク質の構造を研究し、研究者の知見と経験から蓄積されたデータをもとに膨大なトライアンドエラーを繰り返しながら候補薬を開発していました。そのため、1 つの薬を生み出すのに、10-15年の期間と3,000 億円以上の膨大なコストがかかっていました。中外製薬は Google のグループ企業である Google DeepMind が提供しているオープンソースソフトウェア AlphaFold2 を活用して、1 日に 1,000 個以上のタンパク質構造を推論できるシステムを構築することで、研究プロセスを数か月単位で短縮し、効率的により多くの薬の候補を創出することを期待しています。

一方、専門性の高い AI は、一部の技術者やデータサイエンティストでないと扱えないという課題も抱えていました。そこで、高いデジタルスキルを持たない研究者でも AI が活用できるよう、社内 Web アプリ化することで、AI の「民主化」を推進しています。

さらに、高度な専門性と正確性を担保しながら、効率的に臨床試験計画を作成するため、中外製薬ではこの度、新たに Google の AI 基盤および医療用大規模言語モデル（LLM）Med-PaLM 2 の採用を進めています。Med-PaLM 2 は、米国医師国家試験で「エキスパート」レベルの成績を収めた LLM であり、難しい医学文章の内容を用いて質問に答えたり、洞察をまとめたりすることができます。X 線やマンモグラフィーなどの情報も統合するためのマルチモーダル機能も搭載されています。

Med-PaLM 2 を活用することで、チャットボット形式で膨大な量の治験関係文書を短時間で検索、処理し、臨床試験計画に必要な情報を抽出することができます。また、文書のドラフトを代行することで、臨床試験計画の作成にかかる時間を大幅に短縮することが可能になり、よりスピーディーに臨床試験を開始し、薬を必要な患者へより早く届けることが期待されます。

中外製薬株式会社上席執行役員デジタルトランスフォーメーションユニット長志済聡子氏のコメント

「中外製薬は、 DX に関わるチームメンバーがさらにステップアップし、また、AI を活用できる人材育成を加速するため、単なるクラウドベンダーではなく、パートナーとして共にゴールを目指していける Google Cloud を採用しました。今後、中外製薬は、AI 技術を活用して医薬品開発の成功確率向上を推進するとともに、創薬プロセスの時間やコストを大幅に短縮し、圧倒的な効率化と革新を実現します。」

グーグル・クラウド・ジャパン日本代表平手智行のコメント

「日本の製薬業界において、生成 AI を活用した創薬研究の DX が進んでいます。中外製薬は、すでにマルチクラウド環境で Google Cloud を用い、新薬創出を加速させています。この度、Med-PaLM 2 の活用により、新薬創出プロセスの大幅な短縮と医薬品開発の成功をご支援できることをうれしく思っています。」

Google Cloud Next Tokyo ‘23 に関する詳細はこちらをご覧ください。

Google Cloud のスポンサーにより、CyberGreen Institute がサイバー公衆衛生のさらなる発展を目指す

Wed, 15 Nov 2023 01:00:00 +0000

※この投稿は米国時間 2023 年 11 月 7 日に、Google Cloud blog に投稿されたものの抄訳です。

1970 年代から、被害を与えるために設計されたソフトウェアは「ウイルス」と呼ばれ、ハッカーは一部で「インターネットの免疫系」と称されていました。サイバーセキュリティを医療用語になぞらえるたとえには限りがあるものの、数十年にわたってサイバーセキュリティとヘルスケア分野の類似性とその重要性が高まっています。

サイバー公衆衛生は、公衆衛生の発展から学んだ教訓をサイバーセキュリティに適用することで、一般公開データに基づく調査、集団思考、予防策において幅広く普及している手法と実践により変革を遂げることができます。

こうした取り組みを支援するため、Google Cloud はサイバー公衆衛生分野の発展において中心を担う組織である CyberGreen Institute の公式スポンサーとなっています。

CyberGreen Institute は世界的に認められた非営利団体で、サイバー公衆衛生の科学を確立するための研究を行っています。同社のこの分野における先駆的な活動は高い評価を受けており、Google Cloud とのスポンサーシップがこの取り組みの正当性をさらに裏付けます。

今回のコラボレーションが主に焦点を当てるのは、専門家を支援することによるサイバー公衆衛生の状況改善です。リスク要因とサイバー脅威の関連性を体系的にテストすることで介入の効果を測定して比較し、ローカルおよびシステムの両方のリスクを削減する予防策を採用して、より安全で復元力のあるインターネットの実現を目指します。

共通のシステミックリスクを低減するだけでなく、サイバー公衆衛生のアプローチは企業のセキュリティチームに直接利益をもたらします。公衆衛生モデルから学んだ主な教訓は、個人ユーザーや企業にとって、直面するリスクのうち管理できるのはわずかな部分しかないと言うことです。

たとえば、DNS やルーティング、その他のインターネットインフラストラクチャの要素の欠陥を特定して対処するには、国外とも連携した作業が必要です。さらに、サイバー公衆衛生の研究を通して開発されたデータと分析技術なら、企業のセキュリティチームは既存の手法を評価し、代替手法をテストして、将来の脅威をより正確に予測できます。

サイバー公衆衛生の科学を確立するには、重大な課題を克服しなければなりません。最大の課題は、インターネットの健康状態についての重要な動態統計情報からデータを収集して分析することです。

CyberGreen は、この課題に対処するため、2 本柱に沿ったアプローチを取っています。1 本目の柱として「Internet Infrastructure Health Metrics Framework（インターネットインフラストラクチャの健全性指標フレームワーク）」などの、「概念実証」データの収集および測定を個別に行うプロジェクトに取り組んでいます。2 本目の柱は、重要なデータセットを活用した、主要データの収集と報告に関する基準を確立するための提案を目的とする専門家、ビジネスリーダー、政策立案者のグローバルコミュニティの集結です。

CyberGreen の専門知識と、Google Cloud の広範な分析能力によるサイバー公衆衛生の調査を組み合わせることで、このパートナーシップはサイバー動態統計に関連する「人口」、「死亡」、「病気」などの用語を確認して定義することを目指します。最終的には、これがサイバー環境において増大する課題に対処できる貴重なインサイトを見つけて革新的なソリューションを開発し、予防型セキュリティ管理の有効性への理解を広めるのに役立ちます。

「デジタル環境は広大かつ複雑なため、デジタルヘルスと損害の包括的なタクソノミーとオントロジーを開発するための正確なインターネット測定技法など、作業を進めるなかで多くの課題が浮き彫りになるでしょう。しかし、難題に取り組むことは科学の醍醐味のひとつです。コミュニティに目を向けて、フィードバックとアイデアも募っていきます」と、CyberGreen Institute のリードサイエンティストである Adam Shostack 氏は語ります。

スポンサーシップの責任の一環として、Google Cloud と CyberGreen はワークショップを開催し、学界、業界、政府からの関係者をつなぎます。このワークショップは、知識交換、コラボレーション、そしてサイバー公衆衛生分野での新しいアイデア探求のプラットフォームになる予定です。学際的アプローチを育成することにより、イノベーションを促進し、サイバーレジリエンスの未来を形作ることがワークショップの目的です。

「サイバー公衆衛生を促進するというミッションを掲げる CyberGreen Institute と連携できることを嬉しく思います」と Google Cloud の CISO オフィスでディレクターを務める Taylor Lehmann は言います。「両者のリソースと専門知識を組み合わせて、サイバーリスクによる複雑な課題を理解して対処するためにベストを尽くします。このスポンサーシップは、あらゆる人々にとってより安全かつ安心なインターネットエコシステムを進展させるための取り組みを反映しています。」

「このタスクの重要性と複雑さを認識し、共同研究のための土台を築いています。当社のチームは研究の未来を切り開くことを目指しており、最終的には、疫学や公衆衛生などの従来の科学と同じように、情報に裏打ちされ、堅牢かつ復元力のあるレベルまでサイバーセキュリティを高めるよう努めています」と、CyberGreen Institute の創設者である伊藤友里恵氏は述べています。「Google Cloud は、引き続きインターネット環境のイノベーションの最前線に立ち続けます。この Google Cloud とのパートナーシップ提携により、誰にとっても安全で復元力のあるインターネットのエコシステムを築いていくのを楽しみにしています。」

Google Cloud、CISO オフィス、セキュリティ アドバイザー Bill Reid

Bio-ISAC と共同でバイオエコノミーを保護する

Tue, 07 Nov 2023 03:00:00 +0000

※この投稿は米国時間 2023 年 11 月 8 日に、Google Cloud blog に投稿されたものの抄訳です。

米国議会調査局によると、バイオエコノミーとは「生物資源に由来する製品、サービス、プロセスに基づく経済の一部」と定義されています。この分野は、生物医学、生物産業、農業分野の複雑なネットワークで構成されています。この分野での仕事は、生物学的研究から製品の生産 / 流通、さらにはそれらのプロセスで使用される機器やシステムまで多岐にわたります。

バイオエコノミーが成長し進化するにつれ、その製造業者はデジタルテクノロジーと相互接続システムへの依存度を高めています。サイバーセキュリティは最重要事項です。サプライチェーン、産業制御システム、知的財産、データのセキュリティを確保し、接続された重要インフラストラクチャを保護することは、混乱を防ぎ、信頼を維持するために不可欠となります。堅牢なサイバーセキュリティ対策によって、バイオエコノミーの貴重な資産を保護できるとともに、サステナブルなイノベーションと経済成長を推進するというバイオエコノミーの能力に対する社会の信頼を維持できます。

このような取り組みと、クラウド、お客様、地球の安全確保に向けた Google Cloud のコミットメントを後押しするために、Google は Bioeconomy Information Sharing and Analysis Center（Bio-ISAC）に業界メンバーとして参加しました。Google は業界メンバーとして、バイオエコノミーの安全性の向上に取り組む組織に Google Cloud 独自のサイバーセキュリティリソースと専門知識を活用してもらえるよう支援していきます。

「バイオエコノミーのインフラストラクチャを保護するために、私たちは今行動しなければなりません。Google Cloud とともに、この目標の達成に向けてリソースを動員する準備が整いました」と、Bio-ISAC の共同設立者であり理事長を務める Charles Fracchia 氏は述べています。

Bio-ISAC は、バイオエコノミー特有の脅威に対処する国際的な非営利組織です。バイオテクノロジー業界のサイバーセキュリティ体制を強化するために、Bio-ISAC は企業、研究機関、政府機関、サイバーセキュリティの専門家を集め、新たなサイバー脅威、脆弱性、緩和戦略に関するタイムリーかつ適切な情報を共有することで、業界に最新の情報を提供し、重要な資産やインフラストラクチャを保護する体制を整えています。

この協力関係は、サイバーセキュリティの発展のために今後 5 年間で少なくとも 100 億ドルを投資するという Google のコミットメントの現れです。このコミットメントによって、Health-ISAC、Financial Services-ISAC、Electricity-ISAC といった他の業界 ISAC への参加も実現したことで、重要な分野の根幹をなすインフラストラクチャのセキュリティとレジリエンスを支援できます。

2020 年 1 月、全米科学アカデミー、全米技術アカデミー、全米医学アカデミーは報告書「Safeguarding the Bioeconomy（バイオエコノミーの保護）」を発表し、バイオエコノミーの対象範囲、存在するリスクのほか、バイオエコノミー全体の安全性とセキュリティを構築するための一連の推奨事項について、最初の枠組みを提示しました。特筆すべきは、この報告書が「バイオエコノミーのすべての関係者は、情報システム（情報保存システム、知的財産、個人専有情報、公開 / 非公開データベースを含む）をデジタル侵入、流出、操作から保護するためのベストプラクティスを採用すべきである」という旨の勧告を発行したことです。

米国経済におけるこの産業の重要性を認識したバイデン政権は 2022 年 9 月、国家バイオテクノロジーおよびバイオマニュファクチャリングイニシアティブを立ち上げるための大統領令（14081）に署名しました。

バイオエコノミーが成長し進化するにつれ、その製造業者はデジタルテクノロジーと相互接続システムへの依存度を高めています。サイバーセキュリティのニーズは最重要事項になります。サプライチェーン、産業制御システム、知的財産、データのセキュリティを確保し、接続された重要インフラストラクチャを保護することは、混乱を防ぎ、信頼を維持するために不可欠となります。堅牢なサイバーセキュリティ対策によって、バイオエコノミーの貴重な資産を保護できるとともに、サステナブルなイノベーションと経済成長を推進するというバイオエコノミーの能力に対する社会の信頼を維持できます。

「Bio-ISAC とのパートナーシップを発表できることを嬉しく思います。Google は、コラボレーションを促進し、脅威インテリジェンスを共有し、Google の高度なセキュリティソリューションを活用することで、バイオエコノミーの発展や、そのバイオマニュファクチャリングとバイオテクノロジーの発見を支える重要な研究、データ、インフラストラクチャの保護に努めています」と、Google Cloud、CISO オフィスのシニアディレクターを務める Nick Godfrey は述べています。

-Google Cloud、CISO オフィス、セキュリティ アドバイザー Bill Reid

ヘルスケア、ライフ サイエンス

ライフ サイエンスの研究開発向けに構築できる 4 つのエージェント ワークフロー

ライフ サイエンス向けに構築できる 4 つのエージェント

手順は次のとおりです。

リファレンス アーキテクチャ

シアトル小児病院で医師の作業を迅速化、効率化する AI 搭載アシスタントの舞台裏

Manipal Hospitals と Google Cloud が提携し、生成 AI で看護師の引き継ぎプロセスを変革

Cloud CISO の視点: EU の医療機関が直面する世界的な脅威

AI と IoT を利用した医療機関における患者のプライバシー保護とインシデント検出の両立

AI を活用したプライバシー保護と患者モニタリングの両立

低解像度で有益な情報: 患者のプライバシーを保護

AI を使用した患者モニタリング: 低解像度データの課題を克服

Google Cloud で医療イノベーションを推進

さらなる可能性: きめ細かい情報を抽出する

患者ケアの今後の方向性

GKE 上の NVIDIA BioNeMo Framework と Blueprint を使用してヘルスケアにおける AI を加速

GKE 上の NVIDIA の BioNeMo プラットフォーム

1. BioNeMo Framework: 創薬 AI の大規模トレーニング プラットフォーム

2. BioNeMo Blueprint: 創薬のための本番環境対応ワークフロー

BioNeMo Framework のソリューション アーキテクチャ

ステップ

BioNeMo Blueprint のソリューション アーキテクチャ

ステップ

まとめ

サイバー公衆衛生: サイバーセキュリティへの新しいアプローチ

より良い包括的なデータの入手

事後対応から予測へのシフトでインターネットを保護

次のステップ

-Google Cloud、CISO オフィス、セキュリティ アドバイザー Bill Reid-Google Cloud、CISO オフィス ディレクター Taylor Lehmann

医療分野における分析情報の活用: 安全な AI によるデータ分析

Cloud CISO の視点: 地方の医療サイバーセキュリティ向上を支援する Google の取り組み

地方の医療サイバーセキュリティ向上を支援する Google の取り組み

その他の最新情報

脅威インテリジェンスに関するニュース

Google Cloud セキュリティおよび Mandiant のポッドキャスト

Isolator のご紹介: 医療データを使用した安全なマルチパーティ コラボレーションの実現

-CISO オフィス ディレクター兼エンタープライズ ヘルス セキュリティ責任者 Taylor Lehmann

-Google Cloud コンサルティング、プラットフォーム セキュリティ、コンプライアンス担当マネージャー Jaffa Edwards

AI による医療の変革はすでに進んでいる

研究から現実世界での実用まで: Google Cloud の医療 AI ツールが進化

誇大広告ではありません: 医療業界のリーダーたちはこのテクノロジーで変革を実現

最も重要なことに集中する

-Google Cloud、業界プロダクトおよびソリューション担当シニア ディレクター Lisa O'Malley-Google Cloud、医療戦略およびソリューション担当グローバル ディレクター Aashima Gupta

タンパク質フォールディングの解明を支援: AlphaFold 推論を利用しやすく

ソリューションの概要

一元化されたパイプライン

使ってみる

Google Cloud における医療テキストの処理

Google Cloud における医療テキスト処理の実行方法

Healthcare Natural Language API

今後のトピックと次のステップ

MedLM で拡張された臨床ナレッジグラフを使用して臨床インテリジェンス エンジンを構築

使用したデータセット

評価指標

テスト

ステップ 1: 臨床ナレッジグラフを構築する

ステップ 2: GraphSage と Optuna の最適化を使用して Personalized PageRank モデルを構築する

ステップ 3: MedLM によって結果を拡張する

Google Cloud コンサルティング（GCC）によるエンドツーエンドの迅速な導入

Apollo24|7: 複雑なマイクロサービス アプリケーションを Google Cloud にゼロ ダウンタイムで移行

パフォーマンス、セキュリティ、信頼性を向上させて成長を後押し

ゼロ ダウンタイムでフルスタック移行を達成

アジリティとセキュリティを向上させながら運用費用を削減

今後の展望

Nuclera: Vertex AI 上の Google DeepMind AlphaFold2 を使用して創薬の高速化を目指す

重要なタンパク質を作る

AlphaFold2 が Nuclera にどのように適合するか - 誘導タンパク質設計

Vertex AI パイプラインへの Alphafold2 の実装

実装のセットアップに関連するもの

eProtein Discovery / AlphaFold2 - その応用の重要性

医療業界向け生成 AI「MedLM」を発表

HCA Healthcare は Augmedix のアンビエント医療文書に MedLM を活用

前臨床研究開発を改善する BenchSci

アクセンチュアとの協業体制の拡大による医療アクセス、体験、転帰の改善

デロイトと協力し、保険プロバイダ検索を改善

MedLM、医療用生成 AI の未来

4 年ぶりとなる Google Cloud Next Tokyo ’23 の基調講演で、中外製薬が生成 AI の活用について紹介

Google Cloud のスポンサーにより、CyberGreen Institute がサイバー公衆衛生のさらなる発展を目指す

Bio-ISAC と共同でバイオエコノミーを保護する

ヘルスケア、ライフサイエンス

ライフサイエンスの研究開発向けに構築できる 4 つのエージェントワークフロー

ライフサイエンス向けに構築できる 4 つのエージェント

リファレンスアーキテクチャ

1. BioNeMo Framework: 創薬 AI の大規模トレーニングプラットフォーム

BioNeMo Framework のソリューションアーキテクチャ

BioNeMo Blueprint のソリューションアーキテクチャ

-Google Cloud、CISO オフィス、セキュリティアドバイザー Bill Reid
-Google Cloud、CISO オフィスディレクター Taylor Lehmann

Isolator のご紹介: 医療データを使用した安全なマルチパーティコラボレーションの実現

-CISO オフィスディレクター兼エンタープライズヘルスセキュリティ責任者 Taylor Lehmann

-Google Cloud コンサルティング、プラットフォームセキュリティ、コンプライアンス担当マネージャー Jaffa Edwards

-Google Cloud、業界プロダクトおよびソリューション担当シニアディレクター Lisa O'Malley
-Google Cloud、医療戦略およびソリューション担当グローバルディレクター Aashima Gupta

MedLM で拡張された臨床ナレッジグラフを使用して臨床インテリジェンスエンジンを構築

Apollo24|7: 複雑なマイクロサービスアプリケーションを Google Cloud にゼロダウンタイムで移行

ゼロダウンタイムでフルスタック移行を達成