Haskill은 "우리는 요구되는 모든 개인 정보 보호
및 규제 요건을 지속적으로 준수하면서 궁극적으로
데이터를 연구 센터, 대학교 및 파트너와 공유하여
이들이 데이터를 활용하여 환자에게 혜택을 제공할 수
있게 되기를 원합니다"라며 "FAIR을 통해 이를 달성할
수 있습니다."라고 말했습니다.
몇 년 만에 AstraZeneca는 핵심 프로세스의 자동화
또는 보강을 포함하여 R&D 조직의 중요 부분을 완전히
혁신했습니다. 이러한 작업에서 핵심적인 역할을 수행한
것이 바로 AWS였으며, 전략적 기획자이자 동시에
신뢰할 수 있는 플랫폼 제공자의 역할을 수행했습니다.
Åsberg는 "AWS는 우리 R&D 데이터 전략의 핵심
파트너입니다. 왜냐하면 AWS를 통해 우리는 신속하게
혁신할 수 있었기 때문입니다"라며 "R&D 동료 직원이
새로운 아이디어를 테스트하고 확장하며, 가치를 창출할
수 있도록 지원하는 데 중요한 역할을 했습니다."라고
말했습니다.
이론을 실천으로
AstraZeneca의 핵심 AI 구현 사항 중 하나가 바로
AI Bench였습니다. 기업 데이터 혁신 여정의 초기에
시작된 AI Bench는 Amazon SageMaker (AWS의
완전관리형 기계 학습 서비스) 및 Amazon EMR(대량의
데이터를 활용하기 위한 차세대 클라우드)을
활용하여 데이터 사이언티스트에게 통합 데이터 과학
워크스테이션을 제공했습니다. 조직 전체에 흩어져 있는
팀에 소속된 데이터 사이언티스트는 이전에 사일로화된
환경에서 작업했지만, AI Bench는 작업을 중앙
시스템에서 처리했습니다. 즉, 개별 사용자가 민감한
데이터를 계속 보호하면서 다른 동료 직원의 모델과
혁신 사항을 가져와 활용할 수 있었습니다.
AI Bench의 1.0 반복이 가치가 있었다면, 소프트웨어
및 애플리케이션 출시를 신속하게 처리하고 자동화할
수 있도록 AWS 클라우드 기술을 통합한 2.0 반복은
매우
가치가 있었습니다. 제약 제품이 안전하고 주요
프로세스에 부합함을 보증하는 FDA 인증인 GxP
검증도 수행했습니다. 즉, 데이터 사이언티스트가 R&D
프로세스 후반에서 그리고 점점 더 복잡해지는 문제에
대해 AI Bench를 사용할 수 있었다는 의미입니다.
AstraZeneca는 AI 지원 문헌 감시에서도 성공을
거두었습니다. SageMaker에서도 지원하는 자연어
처리로 전환하여 주요 신호에 대해 매년 수십만 개의
초록을 검토합니다. 이는 의약품이 시장에서 효과를
내는 방식에 대한 잠재적 데이터 추세 또는 패턴을 그
어느 때보다 빠르고 정확하게 식별할 수 있다는 것을
의미합니다. 이것이 바로 환자에게 미치는 실질적인
영향인 속도와 효율성입니다. AstraZeneca 프로젝트가
특정 제품 개발 일정에서 1년 정도 단축할 수 있는
경우도 있습니다.
구현 목록은 계속되고 있으며, 계속 증가할 것입니다.
AstraZeneca는 AWS 도구를 활용하고 '혁신을 통한
성장' 기업 전략을 지표로 사용함으로써 데이터, AI
및 기계 학습에 대한 투자를 지속적으로 확장하고
있습니다. 외형적으로 사용 사례를 파악한 다음
증가하도록 설계된 확장 가능한 솔루션을 구축합니다.
이는 전 세계에서 가장 영향력 있는 제약 회사를
변혁하는 현대적 혁신입니다.
Åsberg는 "우리는 크게 생각하고, 소규모로 시작하며,
빠르게 확장하고 있습니다"라며 "우리 과학자들이 삶을
변화시키는 의약품을 제공하기 위해 과학의 한계를 뛰어
넘을 수 있도록 AI가 어떻게 지원할 수 있는지 알아보는
것은 흥미진진합니다."라며 이야기를 마쳤습니다.
브랜드 콘텐츠 제공:
이 사례는 WIRED Brand Lab에서 AWS용으로 제작했습니다.
