re:Invent 2025: AstraZenecaのagentic AI活用事例―6週間でのMVP構築と全社展開
はじめに
海外の様々な講演を日本語記事に書き起こすことで、隠れた良質な情報をもっと身近なものに。そんなコンセプトで進める本企画で今回取り上げるプレゼンテーションはこちら！
re:Invent 2025 の書き起こし記事については、こちらの Spreadsheet に情報をまとめています。合わせてご確認ください
📖re:Invent 2025: AWS re:Invent 2025 - From Lab to Market - AstraZeneca's Enterprise-Wide AI Success Story (IND214)
この動画では、AstraZenecaがAWSとのパートナーシップのもとで実現したagentic AIによる変革プロセスが紹介されています。R&D ITのVPであるCassie Gregsonは、臨床開発における191のプロジェクトと136億ドルの投資を管理する中で、バラバラなデータソースを統合したDevelopment Assistantを6週間でMVPまで構築し、21カ国で1,000人以上のユーザーに展開した事例を説明しました。Commercial Data Science and AIのVPであるRavi Gopalakrishnanは、2030年までに20の新薬と800億ドルの収益を目指すambitionを達成するため、AZ Brainプラットフォームを通じて500以上の実験を開発し、患者の治療ライン進行予測やpredictive field triggersなどのユースケースを本番環境に展開した実績を共有しました。AWSからは、Bedrock AgentCoreやopen source toolkit for healthcare and life sciencesなど、エージェント構築を加速するための新機能が紹介されています。
※ こちらは既存の講演の内容を最大限維持しつつ自動生成した記事になります。誤字脱字や誤った内容が記載される可能性がありますのでご留意下さい。
本編
Agentic AIの変革的インパクトとAWSの製薬業界における実績
皆さん、こんにちは。こんにちは、ようこそお越しくださいました。私の名前はUjjwalです。私はAWSでHealthcareとLife Sciencesの機械学習を担当しておりまして、本日はAstraZenecaからR&D ITのVice PresidentであるCassie Gregsonさん、そしてCommercial Data Science and AIのVice PresidentであるRavi Gopalakrishnanさんにご参加いただきます。これからAstraZenecaがAWSとのパートナーシップのもとで行った、価値提案とユースケースの創出に関する変革プロセス全体についてお話しします。これは医薬品を市場に届けるまでの全行程における様々な最適化につながったものです。
本日のアジェンダはいくつかの異なるポイントをカバーします。まず最初にagentic AIのインパクトについて触れます。そしてこのプロセスで得られた学び、本番デプロイメントにつながった様々なユースケースからどのようにROIを生み出したか、そしてそれをどのように実現したかについてお話しします。その後、AstraZenecaからお越しのスピーカーとゲストの皆さんをお招きして、AWSとの協働経験、構築してきたユースケースの種類、それらをどのように構築してきたか、そしてどのようなAWSサービスを使用してきたかについてお話しいただきます。そして最後に私が戻ってきて、これらすべてを非常に簡単にする、私たちのプラットフォームに追加した新機能についてお話しします。もちろん、この旅を通じて私たちは多くのことを学び、それを私たちが持つagentic care stackのイノベーションの一部として取り入れるよう努めてきました。
始める前に、AWSが世界のトップ20の製薬企業において様々なユースケースに取り組んできたという事実を認識していただきたいと思います。 それらはコンテンツの要約、非常に標準的なユースケースのためのチャットボットから、 コマーシャル、製造、創薬における様々なユースケースの本番環境への導入まで多岐にわたります。そして私たちはこれをAWSが作成する様々なサービスを通じて実現してきました。 現在私たちが持っている統計として、トップ20の製薬企業の95%がgenerative AIと機械学習にAWSを使用していると誇りを持って申し上げることができます。 そしてこれは私たちに多くのことを教えてくれました。実際にこれらのプロジェクトを実行する過程で、様々なことを学び、それが今では私たちのスタックに実際に組み込んだイノベーションにおける変革につながっています。
私たちの学びを2つの大きな見出しにまとめるとすれば、まず1つ目は近道はないということです。Agentic AIは非常に変革的なものです。多くの価値を見出している段階にありますが、それを正しく実現するには、データ基盤から始まる旅である必要があり、これは後回しにできるものではありません。多くのお客様が、エージェントにとって実際に重要なデータアセットやデータプロダクトの作成に苦労しているのを見てきました。これらのデータプロダクトの多くは、従来、分析や人間のインタラクションを念頭に置いて設計されてきました。エージェントは同じではありません。エージェントは特定のパターンと、特定の方法で整理された特定のアセットを必要とします。そして気づいたときには、エージェント技術のプロジェクトを迅速に進めたいと思っていても、データアセットが実際に追いついているかを確認するという壁にぶつかることになります。
ですから、データ基盤が、エージェントに実際に答えてもらいたいことと実際に一致していることを確認することが極めて重要です。そして次のステップとして、これらのエージェントを実際にどのようにパッケージ化するかも非常に重要です。それが中間層にあるAIアプリケーションです。これらのアプリケーションは、既存の大規模なエンタープライズスタック内の本番システムにホストされることもあれば、ブラウザから実行されるスタンドアロンのアプリケーションであることもあり、ブラウザの拡張機能や既存のアプリケーション内に配置されるチャットボットであることもあります。これらのパターンが進化する様々な方法を見てきましたので、そこから学んだことが、その領域における特定のアクセラレーターの作成にもつながっています。
そして最後に、データとアプリケーション戦略が固まった時点で、そこで初めてエージェントの真の価値が現れ始めると考えています。もちろん、agentic AIアプリケーションは、情報を探しに行くシンプルな要約や読み取り専用のユースケースから始まっているのを見てきました。しかし今では、実際にスケールで実行できる、より洗練されたワークフローへと進化しています。ですから、これらのステップに沿って進み、最終的にはスケールでシステムを構築するために必要なすべての洗練性とすべての自動化を提供する方向に進むことで、私たちは多くのROIを生み出してきました。さて、この道のりは簡単ではありません。
しかし、私が申し上げたいのは、これまでの年月を通じて得た学びが、この道のりを短縮するアクセラレーターを作り出すことにつながったということです。ですから、ゼロから始める代わりに、今では既に行った学びから始めるという選択肢があるのです。これについては、プレゼンテーションの最後に戻ってきた時に、もっと詳しくお話しします。しかし、いくつかの主要なユースケースをまとめるとすれば、それらは製薬組織のバリューチェーン全体に存在しています。
製薬バリューチェーン全体におけるGenerative AIのユースケース展開
まずR&Dから始まります。ターゲット同定からヒット最適化まで、すべてです。タンパク質をより深く理解し、分子をより深く理解し、それらの結合部位などを理解するために特別に設計された、複数のgenerative AIモデルがあります。私たちは、研究者、ラボ技術者、科学者が簡単に利用できるマネージドサービスとして、これらのモデルを提供するために、ますます懸命に取り組んでいます。
次に、薬剤が最適化され、ターゲットや分子が特定されたら、それを臨床プロセスに進めることも、現状では非常に最適化されていません。非常に順次的な性質で、文書が多いのです。ですから、臨床スペースでは多くのユースケースを見てきました。プロトコル生成、プロトコルのレビュー、プロトコルの作成、治験のためのサイトや患者の検索、あるいはサイトと患者のマッチング、治験中の有害作用や有害事象を報告するための適切なメカニズムの発見などです。これらすべてが、generative AIの採用が増加している領域です。
そして製造に来ると、当然ながらパイプラインの収率最適化を向上させるユースケースがあります。サイクルの中でできるだけ早い段階で不良バッチを見つけ出し、それらを排除する方法を見つけることです。製造スペースでは、このようなユースケースで多くの成功を見てきました。そして最後に商業スペースでは、薬剤の適切な市場を見つけ、そのパフォーマンスを追跡し、フェーズ4のデータ、リアルワールドエビデンス、これらすべてが、お客様と多くの成功を収めてきた領域です。
AstraZenecaの2030年ビジョンと臨床開発におけるデータ活用の課題
それでは、この紹介に続きまして、AstraZenecaのCassieさんをお招きして、AWSとの臨床開発フェーズにおける彼女の取り組みについてお話しいただきたいと思います。ありがとうございます。こんにちは、私はCassie Gregsonと申しまして、AstraZenecaでR&D ITのVPを務めております。20年前には、今日ここで皆さんの前でお話しするなんて考えもしませんでした。実際、当時の私は研究者、見習いの研究者として、イギリスのAstraZenecaの初期発見ラボの一つで働いていました。テクノロジーが非常に重要で、私たちの研究開発のやり方を変革するだろうという予感は常に持っていました。
しかし、私が知らなかったこと、そして最近私たちが立ち上げたのは、AstraZeneca内での大胆な目標です。2030年に向けた私たちの大胆な目標、大胆という言葉を強調しますが、それは科学のパイオニアとなり、私たちの疾患領域でリードし、患者さんのアウトカムを変革することです。そしてそれを実現するために、2030年までに20の新薬を提供します。これは既存の薬を他の疾患に適用するのではなく、全く新しい薬です。800億ドル企業を目指し、その後も持続的な成長を続けていきます。また、私たちの大胆な目標の達成において、AIがこれほど変革的なものになるとは考えていませんでした。そこで今日は、特に研究開発の開発部分において、私たちがこれをどのように活用しているかについて少しお話ししたいと思います。
研究開発ITのグローバルVPとしての私の役割において、データとAIが私たちの取り組みを真に変革すると信じている3つの重要な領域があります。第一に、R&Dパイプライン全体におけるスピードと意思決定です。第二に、成功確率の向上です。これは新しい分子の特定、新しい標的の特定、あるいは臨床試験の成功確率の向上を通じて実現されます。そして最後に、患者さんへの影響をより良く予測することです。つまり、私たちの薬から最も恩恵を受ける患者さんを特定し、オンコロジーとバイオファーマのポートフォリオ全体で、世界中のすべての患者さんに対して最も大きな影響を与えられる部分に本当に焦点を当てるということです。
私たちが持つ素晴らしい科学について考えると、それは開発パイプラインにおける大きなボリュームにつながっています。開発というのは、臨床研究、規制当局への申請、患者安全性のポートフォリオ、そして企業全体で行うすべての研究の品質を意味します。
2024年だけで、開発パイプラインには191のプロジェクトがあり、27の新規分子実体が次の開発フェーズに進み、私たちは科学に136億ドルを投資しました。できるだけ早く、ポジティブな影響を持つ高品質な薬を患者さんにお届けすることが私たちにとって極めて重要です。人生を変える薬で開発パイプラインを満たし続ける中で、一分一秒が本当に重要なのです。
それではデータについて考えてみましょう。私たちのグローバルな臨床試験ポートフォリオについて考えてみます。世界中で行っている業務の性質と複雑さは、バラバラなシステムとサイロ化されたデータにつながる可能性があります。これが何を意味するかというと、質問に答えることが本当に難しくなるということです。例えば、私たちの臨床研究者は、最もパフォーマンスの高いサイトはどこだろうか、臨床試験を設計する際にどの臨床試験サイトに行けばいいのだろうか、と考えているかもしれません。これまで私たちがやってきた方法は手作業でした。何時間も何時間もかけて、あちこちからデータを引っ張ってきて、ここから少しデータを取って、そのデータを変換して、分析して、インサイトを得る。先ほども申し上げましたが、患者さんにできるだけ早く医薬品を届けるという点では、一分一秒が本当に重要なんです。これが私たちがAIの分野で取り組んできたことの重要な焦点となっています。つまり、開発パイプラインのすべての部分をどのように加速させるか、最初は臨床試験の分野に重点を置きながら、それを開発の他の部分にも広げていくということです。
Development Assistant：Agenticを活用した臨床開発の加速化
ここでAWSとの取り組みが本当に役立ち、私たちの活動にプラスの影響を与えてくれました。バラバラなデータ、サイロ化されたデータを見たとき、この取り組みの一環として私たちが行ったのは、それらのバラバラなデータソースを本当にまとめ上げ、コンテキストに応じたオントロジーを適用し、ここに表示されているすべてのagenticソリューション、フレームワーク、製品を導入して、私たちの科学者や臨床医が非常に会話的な方法で、自然言語的な方法で質問できるようにすることでした。彼らはデータがどこにあるのか、何を示しているのかを心配する必要がなく、実際に答えに集中できるようになり、臨床開発サイクルの次の段階について意思決定を行うことができるのです。AWSとのパートナーシップにより、私たちはagenticを活用したDevelopment Assistantを構築しました。これから短いデモをお見せします。
それではDevelopment Assistantとは何でしょうか。先ほど申し上げたように、これはagenticです。これから数字についてお話ししますが、数字は常に本当に重要ですからね。このagenticを活用したAIアシスタント、Development Assistantは、これまで接続されていなかった多くの異なるデータプロダクトを横断して見ることができます。臨床、規制、患者安全性、品質の各ドメインにわたってです。これにより、それらのデータプロダクトへの適切なアクセスレベルを持つすべてのユーザーが、規制された環境について話しているときには重要なポイントですが、非常に自然言語的な方法で持っている質問を何でもすることができます。ChatGPTのような、そういった対話の仕方を思い浮かべてください。画面からわかるように、推論を示し、データを示し、その情報をどこから引っ張ってきたかを示し、非常にシンプルでわかりやすい方法ですべてのインサイトを提供します。そして、私たちが持っているすべてのソースドキュメント、ソースデータプロダクトをクリックして確認することができます。
戻って確認することができます。これは正確なのか？正しい情報を教えてくれているのか？ああ、これは本当に興味深いインサイトだ。ちょっと信じられないから、理解してみよう。あるいは、今日まったく新しいことを発見して、それが次の意思決定を可能にしてくれている、といった具合です。それでは数字についてお話ししましょう。私は数字が好きです、データが大好きです。Development Assistantについて話すとき、AWSとのパートナーシップにおける本当に重要な部分は、私たちが達成できたことを本当にターボチャージしてくれたということです。6週間で、私たちは概念実証からMVPへと進み、21の異なる国で1,000人以上のユーザーに到達しました。これは真にグローバルなテクノロジーです。臨床、患者安全性、規制、品質のドメインにわたって16の異なるデータプロダクトをまとめました。9つのエージェントが連携して動いているので、真のマルチエージェントシステムです。8つのナレッジベースと7つのドメインがあります。
これらすべてを合わせて、想像してみてください。1年前、6ヶ月前であれば、私はそのデータを見つけに行き、質問について考え、質問に答えなければなりませんでした。今では、Development Assistantに行くだけでいいんです。ねえ、臨床試験サイトはいくつあるの？このSOPについての情報をどうやって見つけられる？数年前に読んだ記憶があるんだけど、何が書いてあったかよく思い出せない。特定のフェーズ3の臨床試験について何か教えてくれる？といった具合です。
つまり、この全ての情報が今や世界中の私たちの科学者全員の手元にあるわけです。そして先ほど申し上げたように、私たちが提供するものにおいては、本当に一分一秒が重要なんです。一分一秒が非常に大切で、パイプラインのあらゆる段階から削減できる一分一秒、一週間、一日、一ヶ月が、私たちがポジティブな影響をもたらすことをより早く実現することを可能にするのです。
しかし実際のところ、これはデータやテクノロジーの話ではありません。私たちが焦点を当てているのは、今日、明日、そしてその先の医薬品を特定し、発見し、開発することであり、患者さんこそが私たちの行うすべての中心に真に位置しているのです。ですから私たちの焦点は、それを高い品質で加速させることです。そしてその情報を得て、成功した分子を手に入れ、FDAや他の規制当局による規制申請の承認を得たら、それを私たちのcommercialの同僚たちに引き継ぎます。
そしてcommercialの同僚たちは、私たちの医薬品が医療従事者に届くように、本当に必要とされている患者さんに届くように確実にすることに注力します。それでは、パイプラインの次の段階についてお話しいただく同僚のRaviに引き継ぐことができて大変嬉しく思います。どうもありがとうございました。
Precision Commercial：患者に適切なタイミングで医薬品を届けるための戦略
ありがとう、Cassie。私はRavi Gopalakrishnanです。AstraZenecaのCommercial部門のData ScienceとAIのVice Presidentを務めています。そして私の仕事、そして私のチームの仕事は、私たちの二つの最大のビジネス、Oncology Business UnitとBioPharma Business Unitにサービスを提供することです。そして私たちの仕事は、R&Dチームが提供しているこれらの素晴らしいAI加速パイプラインを、患者さんが最も必要としている適切なタイミングで確実に届けることなんです。それが私たちのcommercialにおけるミッションだと思います。
ですから、2030年に向けた私たちの目標、つまり20の新薬と800億の収益を達成するためには、precision commercialが必要なんです。precision commercialとは何を意味するのか、そしてなぜそれが必要なのか？今日、私がここで話していて、私たち全員がここにいる間にも、非常に多くの患者さんが早期の肺がんや転移性の乳がんと診断されています。そして彼らは、どうすればいいのでしょうか？彼らはがんだと分かったばかりで、人生を変える可能性のある私たちが既に持っている治療法を受ける前に、複数のステップを経なければならないのです。
彼らは適切な専門医に相談しなければなりません。外科医と話をしなければなりません。バイオマーカーの検査を受けなければなりません。そして、私たちの薬を使用する資格を得る前に、すべての適切な前処置を受けることを確認しなければなりません。これが私たちがプレシジョンコマーシャルと呼んでいるものです。そして、プレシジョンコマーシャルを実現するためには、営業、マーケティング、メディカル、マーケットアクセスといった商業組織全体が、3つの主要な柱にわたって協力して取り組む必要があります。
1つ目は戦略の支援です。戦略とは何を意味するのでしょうか?患者の経路、患者ジャーニーのインサイトを深く理解すること、医療従事者の行動を理解することです。彼らは本当にガイドラインに従っているのでしょうか?特定の患者を治療する際の彼らの好みは何でしょうか?バイオマーカー検査を行う際の彼らの好みは何でしょうか?私たちはこれらすべてを完全に理解する必要があります。彼らはガイドラインに従っているのでしょうか、それとも従っていないのでしょうか?ガイドラインに従わないことによるケアギャップがあり、それが患者に深刻な影響を与えているのでしょうか?
そして、HER2陽性バイオマーカー治療において誰がインフルエンサーなのか、あるいは誰が最も多くの研究を行ってきたのか?私たちが関与すべきインフルエンサーは誰で、その情報を広めてもらうべきなのか?これらが、私たちが展開するすべての新薬、すべての新しい適応症の戦略を形成する助けとなります。プレシジョンコマーシャルを実現する2つ目の側面は計画です。立ち上げの早い段階で誰と関わるべきか?アーリーアダプターは誰で、ガイドラインに従っていない他の治療法と比較して、医療従事者が私たちの薬を処方する傾向はどの程度なのか?
そして、ビジネスチーム全体でビジネスを成長させる方法を可能にするための予測などです。これらすべてが計画に関するものです。そして最後のマイルは実行についてです。フィールド担当者に地域レベルでのインサイトをどのように提供するか?マーケティングの同僚や代理店に適切なレベルのデジタル、マーケティング、メディア投資をどのように提供するか?医師や患者に適切なタイミングで、適切なチャネルで配信される、高度にパーソナライズされた適切なコンテンツをどのように作成するか?
つまり、これら3つすべてが連携しない限り、プレシジョンコマーシャルを大規模に実現することはできないのです。では、プレシジョンコマーシャルを大規模に実現するために何をする必要があるのか見ていきましょう。
AZ Brainプラットフォーム：統合データ基盤とスケーラブルなAIソリューション
私たちには、統合されたリンクドデータ基盤の上で動作するエンタープライズグレードのプラットフォームが必要だと考えています。そして、さまざまなタイプの質問に答えるために、異なる方法に投資しなければなりません。そこで私たちは、AZ Brainと呼ぶプラットフォームを構築する旅に乗り出しました。
私たちはテクノロジーから始めたわけではありません。AZ Brainについて考えたとき、実際にすべてのユーザー、フィールドチーム、MSLチームと話をして、彼らのストーリーを本当に理解しようとしました。私たちの人生を変える医薬品を適切なタイミングで適切な患者さんに届けるために、彼らが本当に必要としているものは何か。ですから、すべてにおいて非常に意図的にユースケースから始め、そのユースケースを実現し、適切なレベルのインサイトを提供するためのコンポーネントの構築を始めました。
AZ Brainプラットフォームには4つの主要なコンポーネントがあります。最初は堅固なデータ基盤です。皆さんもご存知のように、データは非常にサイロ化されており、多くの異なるソースから来ています。クレームデータ、マルチモーダルクレーム、そしてEMRデータがあり、これらはすべてのリアルワールドエビデンスのインサイトを提供してくれます。それから私たち自身の市場調査データがあります。私たちは医師と多くの会話をしています。医師や患者さんに関する多くのドメインインテリジェンスを持っており、それが何らかの形式で記録されています。
それから、すべての医学研究、臨床試験レポート、出版物があります。ASCOやESMOのような大きなイベントがあり、そこではすべてが発表され、多くの人々が新しいデータについて話しています。ですから、それもすべて入ってきます。そしてNCCNガイドラインがあり、これは継続的に更新されるため、医師はそれに追いつく必要があります。精密医療においては、NCCNガイドラインが変更される速度は天文学的です。数ヶ月ごとに変更されています。
それから、すべての社内データがあります。これはすべての社内ドメイン知識と、CRMシステムやすべてのデジタルエンゲージメントシステムを通じたHCPとのインタラクションです。ですから、これらすべてをまとめて堅固なデータ基盤を構築します。そして次のステップは、AIモデルとサービスの全体です。繰り返しになりますが、これらはすべてユースケース固有のもので、患者の経路の理解、オンコロジーにおける治療ラインに基づいています。
そして、それを使って特定の適応症や特定の薬剤に対する患者の適格性、治療ラインを越えた患者の進行、患者の個人的特性に基づいてどのように反応するかを予測します。つまり、多数の予測モデルと多数のAI分類モデルがあり、これらは再びユースケースに特化して、私たちのフィールドチーム、マーケティングチーム、そして全体的な戦略・計画チームを導くために使われています。
そして、モデルを持っているだけでは意味がありません。モデルとモデルから得られるインサイトは、予測的なものであれ他のものであれ、適切なユーザーに届けられる必要があり、彼らが意思決定や行動を起こしやすいユーザーエクスペリエンスで提供される必要があります。だからこそ、私たちは一連のプロダクトを構築しています。プロダクトは独立したアプリケーションの場合もあれば、ワークフローに組み込まれる場合もあります。
例えば、私たちにはpredictive field triggersと呼ばれるものがあります。これは、患者が1つの治療ラインから別の治療ラインに進行したことで、私たちの薬剤の適格性を持つようになり、特定の症状を持って医師のもとに現れるというものです。そこで、私たちはこのインサイトをリアルタイム通知を通じてフィールドチームに提供し、彼らはそれに基づいて行動します。そして、患者が現れることを知っているため、腫瘍専門医と意味のあるタイムリーな会話をすることができます。患者が進行したことを示しているからです。これがトリガーに関する精度のレベルです。
これはプロダクトの一例です。そして、本社チーム、メディカルチーム、マーケットアクセスチームのために、多数のプロダクトがあります。つまり、多数のユーザーとペルソナが存在します。1つは、1つの治療領域、肺がんのためのプラットフォームと多数のプロダクトを構築することです。もう1つは、どのようにスケールするかです。つまり、これは1つの治療領域や1つの医薬品だけに機能するプラットフォームを構築することだけではないと思います。
スケーリングは非常に重要な側面であり、それがプラットフォーム化と再利用可能なコンポーネントの構築という全体的なコンセプトです。つまり、複数の次元でのスケーリングです。腫瘍学における複数の腫瘍タイプ、バイオファーマにおける複数の疾患領域、両方にわたる複数のバイオマーカータイプの治療法にわたってスケールする必要があります。これがスケーリングの1つの次元です。
この取り組みの一環として、そしてユースケースに基づいて、私たちは500以上の実験を開発してきました。すべてが必要だったわけではなく、おそらく半分ほどが本番環境に投入されました。それらはすべて稼働しており、すべてメンテナンスされており、すべて継続的に再トレーニングされています。そしてこれが、すべての患者さんが適切なタイミングで適切な医薬品にアクセスできるようにするための取り組みです。私たちはこれを疾患領域全体にスケールさせる必要があり、そして市場全体にスケールさせる必要があります。私たちは米国から始め、現在ではヨーロッパ全域に拡大し、最終的にはアジアや南米にも展開しています。
Agentic AIによるワークフロー自動化と大胆な野心の実現
ここまでお話ししてきたのは、基盤となるAI機能についてです。そして今、私たちがこの2年間取り組んできた次のステップは、エージェントを構築することだと考えています。エージェントは本質的に、AIによるインサイトから、実際にタスクを実行し、ワークフローをオーケストレーションして自動化し、人間がループに入ることでガイドされながら、各ビジネスペルソナに代わって多数の意思決定を行うエージェントへと移行するものです。これは大きく5つの異なる領域に分類されます。1つ目は、リアルワールドエビデンスデータからインサイトを生成するエージェントです。私たちの医療関係の同僚たちは、常に大量の論文やデータ、手作業による分析を掘り下げてそこに到達しようとしています。
2つ目はコンテンツに関するもので、プロモーションコンテンツや医療情報コンテンツをどのように迅速に作成し、レビューを通過させるか、といったことすべてです。そして3つ目のユースケースで、私たちが大きな価値を見出しているのは、特定の市場で医薬品の承認を得るための償還申請書類の作成です。これもかなり骨の折れるプロセスです。ですから、エージェント型AIが役立つと考えているのは、数ヶ月かかっていたこうした手作業のプロセスを自動化し、数週間に短縮することです。
市場調査も同様で、非常に手作業の多いプロセスです。前立腺がんの新しいTPPがある場合、市場シェアのような見解を実際に作成するには、約3ヶ月と多くのリソース、高価なドメイン知識を持つ人材が必要で、それが予測などに使用され、TPPが市場投入の準備ができているかどうかを確認します。マーケティングチームも同様です。ですから、エージェントを通じて自動化できるワークフローは数多くあると考えています。
では、私たちが今どこにいるのか見てみましょう。私たちはAWSエコシステムを使ったこの取り組みをしばらく続けてきました。これらはすべてエージェントの一部です。IQは、Cassieが紹介したコマーシャルアシスタントに似たエージェントで、特定のタスクを実行する商業部門の同僚たちによって使用されています。繰り返しになりますが、これは約20以上のエージェントの集合体で、すべての異なるデータセット、そしてモデルやドキュメント、ガイドラインに対してクエリを実行し、横断的に調査し、質問に答えるだけでなく、N=1レベルで非常に具体的な推奨事項を実際に提供します。
N equals 1と言っているのは、すべてのHCP、すべての患者が、標的療法にとって非常にユニークな組み合わせだからです。つまり、それがインサイトのレベルなんです。そして、私たちが目にしてきたのは素晴らしい結果です。これを使用してエンゲージする人々は、2倍多くの処方箋を生み出し、それが収益に貢献し、さらに患者にリーチしています。これは良い学びですね。これは現在本番環境で稼働しており、ほぼすべての肺疾患フランチャイズチームがビジネスを推進するために使用しています。
2つ目はコンテンツライフサイクルに関するものです。私たちは、複雑な科学文献や、承認された出版物や文書の山から得られる表を取り込み、それを規制当局が受け入れるための非常に特定の形式にフォーマットしなければならないエージェント群を構築しました。つまり、テンプレートに記入しなければならないんです。ドイツには1つ、カナダには別のもの、アメリカには3つ目のものがあります。これは以前は、実際に完成させるのに何ヶ月もかかり、多くのリソースを必要としていました。なぜなら、これをやらないと、承認を得るのが遅れれば遅れるほど、患者が私たちの薬にアクセスできるのが遅れてしまうからです。ですから、これは非常に重要なことなんです。
市場調査についても同じです。TPPから市場シェアの推定と予測、そして商業化の準備まで、3ヶ月かかっていたものが2週間になりました。これもまた、Agentic AIのパワーです。とにかく、これらは私たちが取り組んできたことの一部で、その過程で多くの学びがありました。しかし、私が言いたいのは、私たちのambition 2030を達成するためには、これは大胆な野心で、Cassieが話していましたが、800億ドルの収益、20の新薬、その過程で患者のアウトカムを変革する。野心だけでは十分ではないということです。
精度が必要なんです。すべての患者、すべてのHCPは異なる扱いを受ける必要があり、それこそがAIとAgentic AIが役立つところです。AIは広さを助けます。Agentic AIはスピードを助けます。そして、私たちには目的を持った人々がいます。これら3つすべてを組み合わせることが、私たちの大胆な野心を達成し、その過程で患者のケアを変革するのに役立つと思います。そしてもう1つの大きな大胆な野心は、がんを死因として排除することです。
Bedrock AgentCoreとAWSオープンソースツールキットによる本番環境への道
ありがとうございます、Robert。さて、お聞きになったように、これは本当に大胆な野心であり、このようなことを大規模に達成し、AstraZenecaが構築してきたプラットフォームは、本当にプリミティブのポイントに立ち返ります。つまり、AstraZenecaが進んでいる旅をサポートするために作成する必要がある特定のテクノロジー資産とは何かということです。では、今から私がやろうとしているのは、最近、あるいはごく最近にローンチした、または現在積極的に取り組んでいる主要なコンポーネントのいくつかに話を戻すことです。そして、私たちの野心は実際には、エージェントを構築するのに最適な場所になることです。それが私たちのNorth Starであり、今日人々がエージェントを構築している方法を考えると、非常に広範な目標です。
これには様々な異なるフレームワーク、様々な異なるインフラストラクチャのデプロイメントアーキテクチャ、オーケストレーションモデル、ツール、標準が含まれており、これらの異なるパターンのそれぞれを理解し、これらのユースケースを本番環境に移行する際の重い負担や差別化されない重労働を感じることなく実行できるようにするサービスに変換することが、私たちにとって非常に重要です。それでは、まずBedrock AgentCoreから始めたいと思います。これは今年の初めにニューヨークサミットで発表されたサービスで、数ヶ月前から一般提供されており、AgentCoreが開発者にこれらの機能を提供する方法により、オーディエンスから素晴らしい反響をいただいています。
まず、非常に安全なランタイムを提供します。これがAgentCoreが提供する最初のものです。ランタイムにより、これらのエージェントを分離された状態で大規模にデプロイすることができます。これも非常に重要です。インフラストラクチャレベルの分離は、特に規制産業において、デプロイメントアーキテクチャに関してエージェントが非常にガバナンスの効いた方法で実際に実行できるようにしようとする場合、お客様から継続的に要件として聞かれるものです。外部ツールにアクセスできる仮想ゲートウェイを提供します。これらのツールは、サードパーティから様々なエージェントがリストされている私たちのマーケットプレイスからのものでも、MCPのようなアーキテクチャを介して構築して利用可能にするエージェント、コンテナにラップできるシンプルな関数やツール、AgentCoreがそれを可能にする様々な方法でも構いません。
非常にユニークなメモリ管理方法を持っています。短期的なインコンテキストメモリと長期的なメモリの両方を保持し、様々なストレージメディア間でこれらのメモリをアンロードおよびオフロードする非常にインテリジェントな方法を持っています。また、これらのエージェントの認証と識別も提供します。多くの場合、特定のオーケストレーションステップで、先ほど見た臨床開発エージェントの例のように、データベースに対して認証する必要があるパターンを見たことがあるかもしれません。エンドユーザーが自然言語で質問をし、それが実際のSQLクエリに変換されてデータベースに対して実行されていました。
そのワークフローをエンドツーエンドで構築するには、様々な認証ステップが必要です。ユーザーがどのようなアクセス権を持っているか、またはユーザーがどのような種類のアクセス権を持っているかを理解する必要があります。そのデータベースから実際に情報を取得するアクセス権を持っているでしょうか。持っている場合、そのクエリのバックエンドへの認証をどのように管理しますか。これらすべては実際にはAgentCore identityがあなたのために解決する重いエンジニアリング作業です。これらは、AgentCoreをこの種の本番ユースケースにより適したものにするために私たちが取り組んできたプリミティブの一部です。
AgentCoreがサービスとして利用可能であることに加えて、今年の初めに、AWS上のヘルスケアおよびライフサイエンス向けのオープンソースツールキットと呼ばれるものを発表しました。このツールキットは実際には、テンプレート、例、デプロイメントスクリプトのセットで、すべてMIT Zeroの下でオープンソース形式で利用可能です。つまり、これにアクセスするために実際に何も支払う必要はありません。そして、これが可能にすることは、基本的に非常に迅速に開始できるということです。
ですので、この会場にいる皆さんの多くはAgentCoreが何であるかをご存知かもしれませんが、それでも学習曲線は存在します。私たちは継続的に非常に多くの新機能や新しいケイパビリティをスタックに投入しており、開発者の皆さんがそれについていくのは非常に困難です。
そこで私たちが行っているのは、ヘルスケアやライフサイエンス分野の開発者コミュニティの皆さんにとって少しでも簡単にするために、標準的なデータソースや標準的なエージェントを特定することです。これらのユースケースのいくつかにとってほぼ必須となるようなものを特定し、テンプレートを作成する負担を私たちが引き受けています。ですので、実際に類似のものを開発する必要がある場合、ゼロから始める必要がないのです。これは明らかに開発者、特に私たちのAPIに精通していて、コードに慣れており、コードを拡張し、自分でデプロイすることに慣れている開発者を主なターゲットとしており、マインドシェアを生み出します。
ですので、いくつかのユースケースを試している場合、このリポジトリを簡単にクローンできます。サンドボックス環境でこれらの例を見ることができ、拡張することができます。私たちは常にこのリポジトリへの開発者からのコントリビューションを求めています。すでに公開しているいくつかのユースケースに対して素晴らしい反応をいただいており、これもまたAgentCoreが進化するにつれて継続的にメンテナンスしていくものです。ですので、プラットフォームが追加するすべての新しい追加機能についていく必要はありません。これは私たちが実際にオープンソースの方法で、コミュニティ主導の方法で取り組んでいる取り組みの一つであり、より多くのこのようなユースケースが迅速に本番デプロイメントを実現できるようにするためのものです。
そして、ツールキットがスーパーバイザーに分かれているのをご覧いただけると思いますが、スーパーバイザーとは本質的に特定のタイプのツールへのアクセス権を持つオーケストレーターのセットを意味します。例えば、R&Dスーパーバイザーやバイオマーカースーパーバイザーは、実際に分子に関する情報、臨床試験に関する情報、研究に関する情報へのアクセス権を持っており、これらすべてがオーケストレーターに利用可能です。ですので、ユーザーが質問をすると、それぞれのスーパーバイザー、すみません、サブエージェント間でオーケストレーションを行い、答えにたどり着くことができます。
同様に、クリニカルスーパーバイザーは実際に臨床試験の設計、臨床試験のレビュー、組み入れ基準や除外基準の確認、試験の比較、結果の確認などに役立つ多くの情報へのアクセス権を持っています。そしてもちろん、コンテンツスーパーバイザーエージェントは、これらすべての情報を取得し、提出用のレポートを生成したり、競合分析などを検索したりすることを可能にします。
さて、オープンソースツールキットは素晴らしい一歩でして、開発者の皆さんがそれに反応してサンドボックス環境を作成し、使い始めているのを見てきました。ただ、ユースケースに満足したら、これらのエージェントを本番環境に移行するために取らなければならない一連のステップがまだあると思います。これには、既存のSSOとの互換性や、これらのエージェントを大規模に管理する方法といったことが含まれます。MVPやPOCを始めるには開発者の生産性が非常に重要ですが、実際の価値は、それらを本番グレードで拡張できるようになったときに生まれます。
どのようなオーケストレーターアーキテクチャを使用できるのか、といった質問もありますよね。これも多くのお客様からよく聞かれることです。さて、これらの質問に実際に答えを提供しようとする我々の取り組みにおいて、明らかに、どのフレームワークを選択するかについて正解も不正解もありません。なぜなら、最終目標は同じだからです。しかし、視点を持つことは非常に重要です。なぜなら、それによって、AWSがもたらす信頼とともに、始めて本番環境に移行できる何かに基づくことができるからです。ですから、我々が行っているのは、これらすべての質問を受け止めて、お客様にこれらのアセットを提供するという点で、何をより良くできるかを検討することです。
そこで最近ローンチしたのが、これらのユースケースのうち特定のものを、ここに表示されているさまざまなカテゴリーの下でアセットとしてパッケージ化し、より本番環境に対応した形で皆さんに提供する機能です。つまり、もしあなたがコードで実験するのが好きな開発者であれば、先ほどお見せしたGitHubリポジトリから始めることができます。そして、もしあなたがこれらのユースケースのためのコンサルティングエンゲージメントやカスタマイゼーションエンゲージメントを作成することに興味がある方であれば、我々のコンサルティングチームや、あるいはあなた自身のエンジニアリングチームと協力して本番環境にデプロイする作業を、非常に簡単に行えるようにパッケージ化しています。なぜなら、我々は、素晴らしい反応を得た特定のユースケースを少し先に進めて、それらをポータル内で利用できるようにしたからです。いくつか質問があるかもしれませんが、最後まで取っておいていただければ、コンテンツを進めることができますし、その後対応させていただきます。
では、ワークフローの観点から見るとこのようになります。もしあなたがネイティブビルダーであれば、多くのAWSサービスがあります。今週のre:Inventを通じて素晴らしいローンチを見てきました。QuickSight、AgentCore、そしてBedrockとそのすべての追加機能や生成AI機能など、すぐに始められるサービスがあります。我々はその分野への投資を非常に加速させており、開発者が迅速に独自に開始し実験できる機能を作成しています。
さて、AWS全体のスタックで我々が行っていることに加えて、我々のチームはそのスタックをフォークして、ライフサイエンスとヘルスケアに非常に特化したものにしています。すべての製薬企業のお客様、先ほど統計を見ましたが、トップ20の製薬企業の95%が我々とこのような問題に取り組んでいます。それによって多くのフィードバックを得ることができ、開発者コミュニティ向けに特定のタイプのユースケースに対して、これらのサービスの一部を非常に特定の方法でパッケージ化するという道に導かれました。それが中間層で、AWS open source toolkit for healthcare and life sciencesが可能にすることです。そして最後に、最下層がポータルの登場するところで、適切なユースケースのセットが表示され、その中から選択できます。そして、実際にさらに進む準備ができたら、それらを本番環境にデプロイすることができます。
これが、これらすべての新しい追加機能を経た後の現在のスタックの様子です。最下層には、インフラストラクチャがあります。これには、コンテナ、新しく発表されたTrainium 3チップ、そしてこれらのモデルをファインチューニングおよびトレーニングする機能が含まれており、これは規制産業やヘルスケア、ライフサイエンスといった領域において非常に重要です。私たちは明らかにこの層に多くの投資を行ってきました。インフラストラクチャの観点からだけでなく、そのインフラストラクチャを活用して事前トレーニング済みモデルをファインチューニングできるAPIの面でもです。Nova Forgeについてお聞きになったと思いますが、これはヘルスケアやライフサイエンスのような領域にとって素晴らしいテクノロジーで、実際にこれらのモデルの重みを更新し、お客様自身のデータとブレンドして、お客様にとって真の差別化を生み出す特化したモデルを活用できるようにします。
私はいつも、もし誰もが同じモデルにアクセスできるなら、どうやって差別化するのかと聞かれます。そして、真の差別化はお客様のデータから生まれます。しかし、これまでの問題は、データがエージェントやRAGアプリケーションを通じてのみ存在していたことでした。それも素晴らしいのですが、今では実際にモデルの事前トレーニング段階でそのデータを適切に利用できる機能があり、これによって、これらのユースケースの一部において得られる特異性という点で、真の差別化が生まれるのです。
さて、その上には、開発サービスがあります。これには、特定のモデル、これらのモデルのガードレールと最適化に関する機能が含まれます。明らかに、AgentCoreもあり、これによって大規模にこれらのエージェントを構築することができます。そして、これらはすべて、特定のユースケースのためにこれらのフレームワークを活用するさまざまな機能に統合されています。さて、私がお見せしたベースラインスタックに加えて、ライフサイエンス特有のものとして追加したのが、ツールキット、そしてもちろん先ほどお話ししたAIポータルです。
私たちは、これらのユースケースの一部で得られている反応に非常に興奮しています。素晴らしいデモが作成されているのを目にしています。Stanfordプロジェクトのような学術的なコラボレーションも見られ、Biomniは実際に今、これらのツールキットの1つで利用可能になっています。ですから、もしお客様が文献を調べたり、分子に関する詳細を見つけたり、特定の腫瘍学関連の質問についてTCGAデータベースにクエリを実行したりするビジネスをされているなら、それらはすべて、このツールキットを通じて提供しているMCPサーバーとして利用可能です。そしてもちろん、これをすべてお客様自身のデータセット、お客様自身の資産、お客様のプライベートな分子とブレンドすることができます。なぜなら、これはすべてお客様のアカウントの範囲内で実行され、決してアカウントの外に出ることはないからです。ですから、ドメインに深く入り込む非常に特化したワークフローを構築し続けることが非常に簡単なのです。
これらのアクセラレーターについてもっと知りたい場合は、このQRコードにアクセスしてください。お問い合わせフォームが表示されます。さらに詳しく調べたり、ポータルやさまざまなユースケースを見たりすることができます。ぜひこれらのいくつかについて一緒に取り組ませていただきたいと思います。そして、もしまだ滞在されているなら、まだ時間があります。私たちのパビリオンに行くことができます。今年は非常に優れたセットアップを用意しています。AI搭載のlab in the loopのデモがあり、in silicoでの分子最適化の演習を、ヒット最適化から臨床、そしてラボに入るまで体験していただけます。また、ヘルスケアのデモもあり、予約のスケジューリングからケアの提供まで、患者さんの旅を体験していただけます。ぜひチェックしに行っていただきたいですし、もし何か質問があれば、私たちはこの辺りにいますので、喜んでお答えします。ありがとうございました。
※ こちらの記事は Amazon Bedrock を利用し、元動画の情報をできる限り維持しつつ自動で作成しています。
Discussion