AIToday
大規模言語モデルヘルスケアAI主要企業のAIニュースTop Companies AI掲載日時: 2026年11月15日 6:30

Thermo Fisher Scientific、2000万件

LINEで送る
Thermo Fisher Scientific、2000万件

3つのポイント

  1. 何が起きたか

    Thermo Fisher ScientificはAWS上に患者募集データ基盤を構築し、2000万件超の患者プロファイル記録(約1.6 TB)を統合。

  2. なぜ重要か

    募集チームはコホート探索を数日ではなく数分で実行できるようになり、技術チームへの引き継ぎを自然言語によるセルフサービス検索に置き換えた。

誰に効くか臨床試験の募集チームや施設コーディネーターは、適格な患者集団を特定する迅速なセルフサービス手段を手に入れ、IT・データエンジニアリング担当者はアドホックなクエリ依頼の減少が見込める。

わからないところ、AIに聞けます

質問と回答はこのページに公開されます。

こういう要約が、毎朝あなたのメールに届きます。

背景と解説

Thermo Fisherの患者募集データは、患者プロファイル、調査、同意記録、マーケティング接点、施設データなど複数の分断されたシステムにまたがって増大し、募集チームが全体像を把握しにくい状況を生んでいた。既存のプロセスでは、ビジネス上の問いをデータベースクエリに変換するために専門技術チームが必要となることが多く、条件が変わるたびにこのサイクルを繰り返していた。チームはこうしたシステムの上にAIを重ねるのではなく、まずAWS上にモダンで厳選されたデータ基盤を構築し、分析やAIワークロード向けにデータを標準化・準備した。この基盤が、募集分析向けのCentral Insights Hubと、自然言語によるコホート探索向けのPatient Match AIという補完的な2つの機能を支えた。

アーキテクチャ上の重要な選択は、運用アプリケーションのワークロードと分析処理を分離したことだ。これにより、大規模な患者プロファイルを対象に複雑なコホートクエリを実行しても、トランザクションデータベースに負荷をかけずに済む。Thermo Fisherはテスト段階からAWS Countdown Premiumを活用し、専任エンジニアがパイプライン設計をレビューし、Amazon DocumentDBのチューニングを支援したことで、推定処理時間を3倍以上短縮した。2000万件の全データセットに対する本番規模のテストでクエリ性能の問題を早期に発見できたため、稼働前に修正が可能となり、よりスムーズな本番ローンチにつながった可能性が高い。

この結果は、募集チームの働き方におけるより広範な変化を示している。情報が複数の技術的な引き継ぎを経て届くのを待つのではなく、信頼できるデータと直接やり取りし、ダッシュボードで現状を確認し、自然言語ツールで可能性を探れるようになった。Thermo Fisherは、共通基盤により、基盤となるデータインフラを繰り返し再構築することなく募集機能を進化させ続けられる機会が生まれるとしている。

よくある質問
Patient Match AIとは何か?
Thermo Fisher独自の社内ツールで、自然言語による対話を通じてセルフサービスの患者検索、実現可能性評価、コホート探索を支援する。
AWS Countdown Premiumはどのくらいの期間ローンチを支援したか?
AWS Countdown Premiumは4カ月間の支援期間にわたりローンチを支えた。
Top Companies AI元記事を読む
LINEで送る

あなたの仕事に関係するAIニュースを、毎朝お届けします。

業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。

登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →

AIに質問

この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。

質問と回答はこのページに公開されます。

このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る

関連記事

次の記事へフジクラ営業益160.6%増、電線4社で首位