アマゾン、医療と機械学習の融合に賭ける

アマゾンはヘルスケアにおける人工知能（AI）の活用に大金を賭けている。Google傘下のDeepMindがAlphafoldが大きな成果を上げ、この領域へのAIの応用可能性は十分に証明された。ヘルスケア企業の買収を繰り返すアマゾンからもヒットは出るだろうか。

10月中旬、アマゾンの科学者とエンジニアが、社内限定の機械学習（ML）に関する会議を開いた。このAI会議は、創薬、臨床試験、ゲノミクス、および関連分野に革命をもたらすMLを使用するなど、医療分野における大胆な可能性に焦点を当てていた。

「Amazon/AWSのコアビジネスとライフサイエンスやヘルスケアの境界線が変わりつつある」と、米ビジネスメディアInsiderが取得した彼のコメント原稿によると、Amazonのサイエンティストでシニア・ソリューション・アーキテクトのSergey Menisは述べた。Menisは、有望なHIVワクチン候補を支えるナノ粒子を開発した研究者だ。

アマゾンの最高医療責任者Taha Kass-Houtは、このイベントに先立って公開した社内向け投稿で、アマゾンの従業員に対し、ワークショップで共有・議論できる6ページ以内の研究論文の提出を呼びかけ、次のようなトピックを取り上げたとInsiderのは書いている。

• ゲノミクス、トランスクリプトミクス、プロテオミクスのための配列モデリング（自己教師付き表現学習、次世代シーケンシングデータへのML適用を含む）。
• タンパク質、薬物、病気のための配列とグラフのMLモデル（タンパク質構造とタンパク質デザイン、タンパク質と低分子のための生成的モデリングを含む）。
• 創薬のための検索結果を最適化する知識グラフや、薬の副作用予測など、創薬スクリーニングのための薬物-標的相互作用の手法。
• 個別化医療やゲノムデータにおける公平性・偏りの問題。
• MLをコンポーネントとして活用したバイオインフォマティクスソフトウェアシステムのエンジニアリング、バイオインフォマティクスツーリング、生物学におけるAWSの活用における最新手法とベストプラクティス。
• 事前学習した生物学的モデルからの学習とその結果の解釈。
• 臨床試験の設計と最適化。
• 人間とその環境の正確なデジタルツイン。

ヘルスケアに対して継続的な投資

アマゾンのヘルスケアへの注力は継続的なものだ。アマゾンは2018年にも、ニューハンプシャー州を拠点とする処方箋通販サービスのPillPackを買収し、ほぼ独立した運営を任せるにとどめ、市場の波紋を広げた。しかし昨年末、アマゾンは誰もが予想した通りの動きを見せ、配送と実店舗での割引の両方を提供するAmazon Pharmacyを立ち上げた。

だが、必ずしも上り調子だったわけではない。アマゾンは昨年、バークシャー・ハサウェイおよびJPモルガン・チェースとの合弁事業「Haven」を終了した。最近では、バーチャル遠隔医療のAmazon Careを閉鎖する計画を発表している。

アマゾンのヘルスケアへの険しい道のり

多くのテクノロジー企業と同様、アマゾンも利益の大きいヘルスケア市場に参入する野心を抱いている。しかし、ヘルスケア業界への適応は生半可なものではなく、アマゾンに膨大なコストを課している。

アクシオン｜経済メディア吉田拓史

しかし、アマゾンはこの夏、プライマリーケアグループのOne Medicalを39億ドルで買収することを発表し、ヘルスケアへの継続的な関心を示した。この買収は、アマゾンにとって過去3番目に大きな買収となるが、まだ規制当局の審査中である。

ヘルスケア市場の規模、複雑さ、そしてテクノロジーによる更なる変革の可能性を考えると、この分野はAmazon Web Services、Amazon Prime、Amazon Marketplaceの3つの既存事業に次ぐ、第4の柱となる可能性のある業界の1つだ。

前述のAI会議の別のディスカッション パネルで、Menisは機械学習とヘルスケアについて深く掘り下げた。彼は、アマゾンで「最もエキサイティングなこと」として、アマゾンの診断とコロナ テストの取り組み、およびAmazon Genomics CLI ツールを挙げ、同社のヘルスケア事業と研究活動の間の境界があいまいになっていることを指摘したという。

また、彼はMLと治療における最大の進歩は、「人間とその環境の正確なデジタルツイン」が作成されたときに起こると彼は言った。「世界中で大規模な臨床試験を行う代わりに、AWS上で大規模な計算ジョブを実行することを考えてみてください。それはまさに革命的なことでしょう！」とMenisは語った、とInsiderは書いている。

「忍耐とパフォーマンス」

これらすべての最大の課題は、長期的な高価なプロジェクトに対する上層部の忍耐力次第かもしれない。医療やバイオテクノロジーにおける機械学習の成功を阻む「最大の障害」について、Menisは「忍耐」を挙げた。開発プロセスが長引く可能性があり、ソフトウェアの品質のハードルが他のアプリケーションよりも高いため、より長い時間軸が必要になるという。

「長期的な戦略に対するリーダーのコミットメント。計算機の仕事は速い。生物学と生命科学は一般的に時間がかかる。ソリューションの検証には、Amazon/AWSが慣れているものより時間がかかります」