生成 AI の中身を覗いてみよう〜基礎から医療現場での応用まで〜

© 2024, Amazon Web Services, Inc. or its affiliates. All
rights reserved. ⽣成 AI の中⾝を覗いてみよう基礎から医療現場での応⽤まで尾原颯 Amazon Web Service Japan G.K. Startup Healthcare & Life Science Solutions Architect

rights reserved. 2 37% この数字何だと思いますか︖

rights reserved. 医療従事者の労働時間のうち 37% が⽣成 AI によってサポート・拡張されうる 3 https://www.healthcareitnews.com/news/generative-ai-could-augment-40-healthcare-working-hours https://www.accenture.com/us-en/insights/technology/generative-ai アクセンチュア社のレポートより

rights reserved. 4 尾原颯 (おはらそう) スタートアップソリューションアーキテクト以前はヘルスケアスタートアップにて ML エンジニア取り組んでいる領域機械学習、ヘルスケア & ライフサイエンス etc.. @soh_ohara 𝕏

rights reserved. • ⽣成 AI の仕組みを理解する • 医療分野での応⽤ • 安全な利⽤に向けてアジェンダ 5

rights reserved. ⽣成 AI の仕組みを理解する 6

rights reserved. ⽣成 AI の仕組みを理解するこの章で扱うこと。 • AI とは︖ • ⽣成 AI の実態って何なのか︖ • ⽣成 AI を作り⽅ 7

rights reserved. 8 ⽣成 AI の分類⼈⼯知能 (Artificial Intelligence, AI) ⼈間の知的判断をコンピュータ上で実現するための技術全般（ロジック、if-then ⽂、機械学習）機械学習 (Machine Learning, ML) AI の⼀種であり、知的モデルを構築するためにデータの中の傾向を学習する技術深層学習 (Deep Learning, DL) ML の⼀種であり、⾳声・画像認識などのタスクを深い複数レイヤー構造のニューラルネットワークで実現する技術⽣成 AI (Generative AI) テラバイト規模のデータで数千億規模のパラメーターのモデルを学習することで、追加学習なしに⼈間に近しい⽣成を実現する技術

rights reserved. 機械学習とは︖ 多数あるデータからある⼀定のパターンを⾃動的に認識する技術のこと 10 ? 24℃ 24℃. 20℃ 24℃ 24℃. 20℃. 24℃ 24℃ ?

rights reserved. 機械学習の問題設定⽬的やデータによって問題設定は異なる 11 教師あり学習教師なし学習強化学習⽬的未知データの推定データの分類最善の⾏動の学習データの種類教師データと、推定のもとになるデータのセット分類したいデータ（教師データは不要）⾏動をシミュレートしてデータを集める例画像認識（画像に写っているものを推定）ユーザ属性分類（似たようなユーザを分類）囲碁などのゲーム（最善の⼿を学習）

rights reserved. 教師あり学習の例 12 x = -2, -1, 0, 1, 2, 3, 4 y = -3, -1, 1, 3, 5, 7, 9 y = f(x) = αx + β

rights reserved. 教師あり学習の例 13 x = -2, -1, 0, 1, 2, 3, 4 y = -3, -1, 1, 3, 5, 7, 9 y = f(x) = αx + β α と β にはそれぞれどんな数字が⼊るでしょう︖

rights reserved. 学習データ・教師データ 14 x = -2, -1, 0, 1, 2, 3, 4 y = -3, -1, 1, 3, 5, 7, 9 y = f(x) = 2x + 1 学習データ教師データ

rights reserved. 他の教師あり学習の例 16 カテゴリー（ニュース、⼩説、ブログ） + 機械学習モデル ︖︖︖ + 学習推論

rights reserved. 教師なし学習（クラスタリング） 17

rights reserved. 教師なし学習（クラスタリング） 18 似たものをまとめる

rights reserved. 教師あり学習の課題ラベル付という作業が必要ラベル付は⼈⼒でやる必要があることが多く、機械学習モデルを作るために⼗分な量のデータを集めるための⼯数が莫⼤になることも（例えば、画像分類をやるとしたら数万以上のデータが欲しいケースなどもある） 19

rights reserved. ⾃⼰教師あり学習ラベル付けされていないデータから教師データを⾃動的に⽣成しモデルを学習させる⼿法 20

rights reserved. ⾃⼰教師あり学習ラベル付けされていないデータから教師データを⾃動的に⽣成しモデルを学習させる⼿法 21 ⼤量のデータを⽤意するのが⽐較的容易になり⼤規模な学習が可能に

rights reserved. ⾃⼰教師あり学習 22 花粉症は、主にくしゃみ、⿐⽔、⿐づまり、⽬のかゆみ、充⾎などが⽣じます。

rights reserved. ⾃⼰教師あり学習（例） 23 花粉症は、機械学習モデル花粉症は、主にくしゃみ、⿐⽔、⿐づまり、⽬のかゆみ、充⾎などが⽣じます。⽂章の続きを⽣成するよう学習 https://allergyportal.jp/knowledge/hay-fever/ より抜粋

rights reserved. 深層学習は脳の情報処理を模倣したもの 25 𝐲 = σ(& 𝒌 𝒘𝟎𝒌 𝒙𝒌 + ⋯ & 𝒌 𝒘𝒊𝒌 𝒙𝒌 … ) … 内包するパラメータが多く、⼤量のデータからパターンを認知することが得意

rights reserved. 26 ⾃⼰教師あり学習深層学習 X ⼤量のデータ（⽂書）深層学習モデル⼤規模⾔語モデル (Large Language Model; LLM)

rights reserved. ⼤規模⾔語モデルは⽣成 AI の⼀種 28 花粉症は、⼤規模⾔語モデル花粉症は、主にくしゃみ、⿐⽔、⿐づまり、⽬のかゆみ、充⾎などが⽣じます。⽂章の続きを⽣成

rights reserved. 29 ⾃⼰教師あり学習深層学習 X ⼤量のデータ（⽂書）深層学習モデル⼤規模⾔語モデル (Large Language Model; LLM) 与えられた⽂章の続きを⽣成するのみ。指⽰に従った何かに使うことはできない。

rights reserved. 30 ⾃⼰教師あり学習深層学習 X ⼤量のデータ（⽂書）深層学習モデル（実⽤に耐える）⼤規模⾔語モデル (Large Language Model; LLM) 指⽰に従った⽂章を⽣成するよう学習（教師あり学習）

rights reserved. 指⽰に従うとは 31 花粉症について説明してください。⼤規模⾔語モデルわかりました。花粉症は、主にくしゃみ、⿐⽔、⿐づまり、⽬のかゆみ、充⾎などが⽣じます。指⽰に従って⽂章を⽣成

rights reserved. 指⽰ = プロンプト 32 花粉症について説明してください。症状のみを箇条書きで列挙してください。⼤規模⾔語モデル - くしゃみ - ⿐⽔ - ⿐づまり - ⽬のかゆみ - 充⾎

rights reserved. より詳しい内容を知りたい方は • ⼤規模⾔語モデル (LLM) の進化: GPT 以降の最新動向 / AWS Dev Day 2023 - Evolution of LLM since GPT − https://speakerdeck.com/hariby/aws-dev-day-2023-evolution-of-llm-since- gpt 33

rights reserved. （ここまでのまとめ）⽣成 AI の仕組みを理解する機械学習とはデータからパターンを⾒つけて未知のデータを推測すること⽣成 AI は AI > 機械学習 > 深層学習 > ⽣成 AI とカテゴライズできる⼤量の⽂書データに対して⾃⼰教師あり学習＋α で作成した深層学習モデルを⼤規模⾔語モデルと呼ぶ 34

rights reserved. ⽣成 AI を動かすアプリケーションの構成例 36 クライアント（Webブラウザ）アプリケーションサーバーサービス運営⽤データベース検索サービス LLM サービス検索対象データベース Web サーバー

rights reserved. ⽣成 AI アプリケーション v LLM, アナリティクス, データベース、データ統合

rights reserved. 医療分野での応⽤ 38

rights reserved. 株式会社Awarefy 39 https://prtimes.jp/main/html/rd/p/000000042.000057374.html

rights reserved. ⽣成 AI の技術を⽤いたがん治療のサポート 40 https://youtu.be/8clH7cbnIQw?si=N7wmqxBW9MvQq1MT&t=5628 書類作成・データ分析・チャットボット機能で Amazon Bedrock を使⽤

rights reserved. がん専⾨医にがん治療のための⼿がかりを提供した遠隔患者モニタリングによるワークフローの合理化患者の副作⽤モニタリングと患者からの報告を通じて、タイムリーな医療へのアクセスを改善さまざまな⾮特定化されたデータを収集して薬剤の安全性と有効性のインサイトを提供する、第III相試験と FDA承認後の試験のサポート Hurone AI のソリューション: GUKIZA https://www.youtube.com/watch?v=qQKziEUei_c

rights reserved. 92% エンゲージメント 5,000 Prompts delivered 480 介入 3ヶ⽉のベータテストの結果

rights reserved. HOPPR : 医⽤画像⽤の基盤モデル開発 43 https://www.prnewswire.com/news-releases/hoppr-launches-groundbreaking- foundation-model-for-medical-imaging-301996244.html AWS 上で構築された医⽤画像特化のモデル放射線科のレポートの⾃動作成

rights reserved. HealthAgent ⾃然⾔語のやり取りで臨床医や研究者が患者に関する情報を取得できるシステムの例 44 https://www.youtube.com/watch?v=ItkLK2Ki-So

rights reserved. 45

rights reserved. 46 退院サマリー作成デモ

rights reserved. 安全な利⽤に向けて 47

rights reserved. ⽣成 AI 活⽤で気をつけるべきこと • ハルシネーション（幻覚、最もらしい嘘） • 個⼈情報の取り扱い（学習、プロンプト） 48

rights reserved. ⽣成 AI 活⽤で気をつけるべきこと • ハルシネーション（幻覚、最もらしい嘘） • 個⼈情報の取り扱い（学習、プロンプト） 49 これらのリスクについて正しく認識して対処することが必要（例⽣成 AI の出⼒の判断根拠を⽰すことで利⽤者がハルシネーションに気づきやすくする）

rights reserved. ヘルスケア領域に特化した⽣成 AI 活⽤のガイドライン 50 ⽇本デジタルヘルス・アライアンスにより策定されたガイド https://www.jri.co.jp/page.jsp?id=107056

rights reserved. まとめ 51

rights reserved. （再掲）⽣成 AI の仕組みを理解する機械学習とはデータからパターンを⾒つけて未知のデータを推測すること⽣成 AI は AI > 機械学習 > 深層学習 > ⽣成 AI とカテゴライズできる⼤量の⽂書データに対して⾃⼰教師あり学習＋α で作成した深層学習モデルを⼤規模⾔語モデルと呼ぶ 52

rights reserved. （まとめ）医療分野での応⽤⾼い⾔語処理能⼒を活⽤したユースケースが多いメインとなるのは書類作業や情報処理のサポートとなるもの 53

rights reserved. AWS がお⼿伝いできること • ⽣成 AI を使ったユースケースの相談 • AWS のパートナーさまのご紹介 • システム構築の際の技術⽀援 • イベント 54

rights reserved. Thank you! Soh Ohara X: @soh_ohara 55

生成 AI の中身を覗いてみよう〜基礎から医療現場での応用まで〜

生成 AI の中身を覗いてみよう〜基礎から医療現場での応用まで〜

More Decks by Soh Ohara

Other Decks in Programming

Featured

Transcript