検査室情報管理システム（LIMS）は、検査室で生成されるデータの中央リポジトリを提供する。人工知能（AI）を使用してそのデータをマイニングすることで、管理者は洞察に基づいて意思決定を行うことができる。しかし、AIとは何を意味するのか？検査室はいつ、どのようにAIをそのプロセスに組み込み始められるのだろうか？
AIとは何か？
人々が「AI」という言葉を誤用するのは、それが何であるかを誤解しているからであるが、多くの場合、このテーマを誇大宣伝したいからである。オックスフォード英語辞典による）定義のひとつは、「視覚認識、音声認識、意思決定、言語間の翻訳など、通常は人間の知性を必要とするタスクを実行できるコンピューターシステムの理論と開発」である。しかし、これではソフトウェア・プログラムが「インテリジェント」であることの意味を明確に捉えることはできない。ジョン・マッカーシーの2004年の定義の方が真実に近い。"インテリジェント・マシン、特にインテリジェント・コンピューター・プログラムを作る科学と工学である..."。しかし、知能とはいったい何なのか、機械が知能を示すかどうかをどうやって知ることができるのか、といったもっと根本的な疑問がある。
シリコンの塊は人間と同じように考えることができるのだろうか？いや、少なくともまだ無理だろう！しかし、我々はそれに近づいている。よく理解されているように、人工知能はコンピューターサイエンスと堅牢なデータセットを組み合わせて問題解決を可能にする。これは、膨大なデータセットからパターンと答えを見つけるビジネス分析の力を大きく拡大し、機械学習の概念をサポートし、拡大することができる。ディープラーニング・アルゴリズムは、機械学習で一般的に行われていたデータの前処理を省くのに役立つ。これらのアルゴリズムは、テキストや画像などの非構造化データを取り込んで処理し、特徴抽出を自動化することで、人間の専門家への依存をある程度取り除くことができる。
しかし、実際の知能はおそらくこれよりも複雑なものだ。それはルールに従わないということであり、単に言語を翻訳するということではなく、現在の言語が全く通用しない場合に新しい言葉を生み出すタイミングを知るということであり、自分が置かれた環境に適応するということなのだ。インテリジェンスとは、複雑な数学的確率を使って記事の次の単語をpredict し、記事が完成するまでこのプロセスを繰り返すことではない。データセットから学習し、新しい入力に適応し、データのパターンを認識することなのだ。
真のAIは長期的な目標であるが、現在使用されている一般的なテクノロジーは機械学習と高度ビジネス分析である。AI」という言葉は、しばしばこれらの概念と同じ意味で使われる。しかし、チューリング・テストに合格するコンピューターは、私たちが思っているよりも近いかもしれない。これはアラン・チューリングによって提唱された。
現代のコンピューティングの父と呼ばれる彼が、1950年に発表した論文『コンピューティング・マシナリーと知性（Computing Machinery and Intelligence）』のエッセンスは、「機械は考えることができるか」である。
データレイクと進化がAI導入を促進する
堅牢なデータセットを持つことは、現在のすべてのAIソリューションの鍵である。デジタル化により、検査室は検査室情報管理システム（LIMS）を採用している。しかし、検査室はサンプルデータとともに、関連するサンプルのメタデータも保管しなければならない。では、メタデータとは何か、何を保管する必要があるのか？それが1万ドルの質問である。メタデータとは、サンプルデータに文脈を与える情報である：それはどこから来たのか？どのように収集されたのか？他のサンプルとの関連性は？どのように保存されているのか？保管者は誰か？などなど。データによってメタデータは異なる。例えば、牛海綿状脳症（BSE、狂牛病）を調べるために牛の群れからサーベイランスデータを収集している場合、関連するメタデータには品種、地理的位置、郵便番号、牛群の統計、関連動物、使用飼料、人工授精の種類、さらには獣医の症例履歴などが含まれるかもしれない。水質検査機関であれば、サンプリング地点、日時、場所、サンプルルート、サンプラーなどのメタデータに関心があるだろう。
これらのデータが揃ったら、それを保存して簡単にアクセスできるようにする場所が必要になる。そこで、データウェアハウスとデータレイクが登場する。データウェアハウスやデータレイクは、一般的に多くの異なるソースからの大量のデータをまとめることができる。通常、機械学習やAIのアルゴリズムが実行されるのは、これらの大規模なデータの集合体である。しかし、これらのデータをまとめることで、データの互換性という別の重要なデータ問題が明らかになることがある。データの互換性とは、データが標準フォーマットであることを保証するという単純なものから、異なるシステムからのデータ項目が同じ方法で識別されることを保証するという複雑なものまである。この問題は、例えば、同じ検査に複数の識別子が存在することが多い臨床分野で悩まされてきた問題である。そこでデータの標準化とデータ標準が重要になる。
データ分析
研究開発分野以外のラボの機能は、サンプルを分析し、結果を報告することである。主なアウトプットは、多くの場合、分析証明書や報告書の形である。したがって、多くの検査室がLIMSの一般的なデータベース分析機能に投資していないことは驚くべきことではない。しかし、そのようなツールは存在する。LIMSサプライヤーは、Power BIまたはTableauを分析ツールとして使用する傾向がある。PowerBIは、すでにマイクロソフトを持っている企業顧客にとっては、少なくとも基本レベルでは「無料」であるため、特に有用である。
データ分析ツールの使用は、AIへの道のりの一歩である。しかし、欲しい答えを引き出すためには、明確な質問をする必要がある。BSEのクラスターが発生している場所を教えてください。どの川が最も汚染されているのか、どの農家が近くで農薬を散布しているのか。分析ツールは、ビッグデータセットの傾向や異常値を見つけるのは得意だ。例えば、オペレーターAがラボにいるときに特定の検査で失敗する率が増えているとか、機器Yが同じタイプの他の機器よりも頻繁にダウンするとか。しかし、これだけで「なぜラボはわざわざビジネス・アナリティクスや機械学習、AIに投資するのか」という本当の疑問に答えられるだろうか？
AIはどこで台頭しているのか？
会計士は、データ分析がどこで最も利用されるかを決めることが多い。ラボの分野では、QCラボよりもむしろ研究開発ラボの方が、データを保存して再利用する傾向が強い。製薬業界では、例えばある医薬品開発プログラムのデータ結果が、異なる限界値に対して再スクリーニングされたり、他の開発プログラムで使用されたりすることは珍しくない。大手製薬会社内のデータレイクでディープラーニングプログラムを指示することは、データ分析とその現代の子孫であるAIが配当を得る分野の一つである。
すべてではないにせよ、多くはデータ、特にメタデータの質に左右される。ゴミが入ればゴミが出る」という古い格言が、これほど真実だったことはない。データ分析プロセスがいかに自動化され、"インテリジェント "になったとしても、データがスクラッチに達していなければ、新しいアイデアを壁に投げつけて、何が刺さるかを見るために何百万ドルも無駄にすることになりかねない。
ラボの自動化とAIが効率化を推進
ロボットシステムは、サンプルハンドリング、液体分注、データ分析などのタスクにますます使用されるようになり、人的ミスを減らし、スループットを向上させている。時間の経過とともに、AIアルゴリズムは全体的な作業負荷を評価し、全体的な効率を最大化するためにリソースの割り当てを調整する。
AIは実験装置の予知保全に役立ち、いつ装置が故障するか、あるいはメンテナンスが必要になるかを予測し、ダウンタイムを最小限に抑えることができる。同様の方法で、AIは製造工程におけるリアルタイムのモニタリングと品質管理に使用することができ、結果がいつドリフトし始めるかを特定し、より厳格な工程公差を確保することができる。このような適応学習技術は、最終的な収益性を向上させるのに役立ち、今日私たちが使用している、より「固定的な」工程制限から比較的小さなステップである。
黄金の明日
これまで述べてきたように、LIMSを使用する典型的なQCラボは、非常に特殊な品質管理機能の結果を記録する。ビールのアルコール度数、食品の安全性、河川の水質保全、貴金属の純度と価値のチェックなどである。
これらの検査室は、自動化と効率化（ペーパーレス化、報告機能のスピードアップ、システムの統合など）のために LIMS の価値を認めている。このような検査室でのデータ分析は通常、高度に指示されている。月次報告書の作成を手伝ってくれ、どの検査が検査室にとって最も収益性が高いか低いかを教えてくれ、などである。もっとトレーニングが必要だろうか？Power BIなどのデータ分析ツールは、必要なアルゴリズムを提供し、データを素早く導き出すための自然検索機能まで備えている。
しかし、研究開発機関以外の研究所で、データから新しいアイデアを学ぶためにデータを調査する資力のあるところはほとんどない。従って、この分野の科学の進歩は遅い。しかし、前衛的なのは、データを再利用し、厳密に調査している製薬会社である。しかし、英国のNHSのような大規模なデータセットが、新しい治療法（例えばパーキンソン病や嚢胞性線維症）の開発に役立つ豊富なデータ源になることは容易に想像できる。しかし、このような提案は、様々な分野でのAIの導入がもたらした、データの機密性と所有権の問題を提起する。
今日、ほとんどの検査室組織にとって重要なことは、データレイクの質を向上させ、将来的にそのような目的に使用できるようにすることである。研究室がLIMSを確実に使用し、データをデジタルで保管することで、研究室内または業務全体の効率で見返りを求めるデータ分析、または指示検索に備えることができる。データ分析ツールを使った直接検索で十分な場合も多いが、研究開発ラボではAIとディープラーニングの重要性が高まっており、データを使って新たな疑問に答えたり、過去の研究を将来の医薬品に再利用したりすることで、ビジネスに新たな利益の流れが生まれる。AIがより簡単に統合できるようになるにつれて、AIはより広い研究室コミュニティに徐々に浸透していくだろう。
LIMSソリューションの一部として既に使用しているデータ分析ツールの延長である可能性があります。
研究室でAIの未来に備える
検査室がデジタルトランスフォーメーションの旅を続けるとき、焦点は強力なデータ基盤の構築に置かれるべきである。設定可能で完全に統合された検査室情報管理システム（LIMS）の導入は、AIと高度なアナリティクスの可能性を引き出すための第一歩です。検査室データが正確で構造化され、アクセス可能であることを保証することで、よりスマートな自動化、意思決定の改善、持続可能な成長のための舞台を整えることができます。
Matrix Gemini LIMSは、お客様のラボがテクノロジーと共に進化するために必要な柔軟性と拡張性を提供します。カスタムコーディングを必要としない独自の構成機能により、シームレスなデータ管理、ワークフローの自動化、将来のAIによる進化への対応が可能です。
ラボのデータを実用的な洞察に変換します。Matrix Gemini LIMSがどのようにラボの将来を支えるか、今すぐお問い合わせください。
