医療の進歩: ビッグデータにはビッグストレージが必要

ライフサイエンス企業が次なる偉大な発見のために膨大な量のデータを分析する中、高性能ストレージはこれまで以上に重要になっています。

Author リタ・リン＆サラ・リー | 2024年5月29日 | 全て, 組込, 特徴

データは研究の生命線です。これまでも常にそうでしたが、今日の高度なテクノロジーにより、生命科学、医療、製薬業界の研究者は、データを組み合わせて研究するより革新的な方法を見つけ、命を救う（または生活を改善する）画期的な発明を推進しています。

組織がデータを収集し分析する能力が高ければ高いほど、その研究結果はより正確で有益なものになります。研究者間の競争は非常に激しく、データから最も効果的に価値を引き出せるチームが成功することが多いのです。おそらくそれが、 2021年調査調査によると、製薬業界のリーダーの半数以上が、組織内でのデータと分析の習熟度の向上が来年の最優先事項であると考えていることがわかりました。それ以来、データサイエンスのリテラシーとデータの使用方法の必要性はますます高まっています。

今日の研究で洞察を解き放つテクノロジー

ビッグデータは医学研究の成果の鍵です。ゲノミクス、バイオインフォマティクス、予測生物学、化学、薬理学などの大規模プロジェクトを推進するには、膨大な量の情報が必要です。幸いなことに、研究者がそのデータを活用できるようにする高度なテクノロジーが登場しました。これには次のものが含まれます。

- - データ分析 – これには、データの収集、データのクリーニング（または「スクラブ」）による重複やエラーのない高品質のデータセットへの精製、分析用モデルの作成、パターンと異常を識別するためのデータマイニング、およびデータと調査結果の解釈による洞察の発見が含まれます。

- - AIと機械学習（ML） – これらのテクノロジーはデータ分析に役立ちます。AI と ML は膨大な量のデータを非常に迅速に処理し、それらのパターンと関係性をこれまでよりも迅速かつ効率的に見つけることができるためです。ML を使用すると、研究プラットフォームは本質的に自己学習し、より多くのデータを受け取るにつれて、何が関連していて何が関連していないかについてより賢くなります。これらのプラットフォームは、チームがこれまで気づかなかった洞察に導くのに役立ちます。

- - 高性能コンピューティング (HPC) – 研究には膨大なデータと高性能な AI、ML、分析システムが必要なため、チームは研究で発生する集中的なワークロードを処理できるように設計された HPC システムを使用する必要があります。過去には、利用できる HPC システムといえば、政府や教育機関が所有する大規模なスーパーコンピューターしかありませんでした。しかし、今日ではコンピューティング機能が大幅に進歩し、適切なソフトウェアとアプリケーションを使用すれば、チームはコモディティサーバーで HPC レベルのパフォーマンスを実現できます。

研究者は通常、これらのテクノロジーを組み合わせて、データから必要な洞察を得ています。ビッグデータ、優れた分析プラットフォーム、AI、ML、HPC を使用することで、今日の研究者は、より安全で効果的な製品の開発、研究段階の加速、病気の治療に有効な新しい分子の特定、製品の有効性の向上、特定の症状のリスクがある集団の特定、より効率的に流行を予測して対応、手術後の合併症の予測、診断の合理化、医療機器の効率向上などを行うことができます。

ビッグデータと最新技術を組み合わせるとどうなるか、一例を挙げてみましょう。エネルギー省科学局 1990年に国立衛生研究所と提携して、30億塩基対のヒトゲノム全体を解読しました。このプロジェクトには10年かかり、費用は1兆4千億に上りました。しかし、今日では、コンピューター能力やその他の技術の向上により、ヒトゲノムの解読は24時間未満で約100万時間で完了します。最新のiPhoneの半額.

ビッグデータはデータストレージにさらに大きな期待をもたらす

最近の記事臨床リーダー 2012 年には、第 3 相医療研究で収集されたデータポイントは 100 万近くと推定されたと書かれています。しかし、今日では、ヘルスケアデータポイントは数十億に上ります。記事ではさらに、「この劇的な増加により、この新しい規模をサポートするデータの収集、処理、アーカイブを改善する新しい戦略の採用が求められています」と述べています。

医療研究プロジェクト用のデータストレージは、パフォーマンスを犠牲にすることなく、膨大な量のデータを処理できる必要があります。AI、ML、データ分析を使用するシステムは、低レイテンシと高スループットを実現する必要があります。読み取り集中型と書き込み集中型の両方のワークロードをサポートできなければなりません。迅速な拡張性をサポートし、電力をあまり消費しないインフラストラクチャが必要です。

従来のデータストレージでは、高度な医療や生命科学の研究に必要なストレージ容量を満たすことがもはやできません。これらのシステムはボトルネックを生み出し、研究や臨床試験を遅らせています。つまり、実際のブレークスルーが実現するまでにさらに長い時間がかかるということです。

問題の一部は、ライフサイエンス企業がデジタル変革をあまり迅速に進めていないことだ。最近のマッキンゼーレポート 2022年になっても、ライフサイエンス企業は他の業界のデジタル成熟度リーダーに比べて1～2～3倍遅れており、「追いつく明確な兆候はない」ことが分かりました。

これらの組織には、データストレージに対する新しいアプローチ、つまり今日の高度な需要に対応できるアプローチが必要です。データサイロを解消してデータ共有をより効率的にし、必要に応じて簡単に拡張でき、データ分析、HPC、AI、ML の高性能な需要に対応できる必要があります。

Phison がどのように役立つか

高速な応答時間と低レイテンシの必要性、そして研究データセットの全体的なサイズを考えると、ソリッドステートドライブ (SSD) はデータストレージの賢い選択です。実際、組織はオールフラッシュストレージアレイへと移行しつつあります。SSD は従来のハードディスクドライブ (HDD) よりも転送速度が速く、レイテンシが低く、消費電力も少なくなっています。

NANDフラッシュSSDやその他のデータストレージソリューションの世界的リーダーであるPhisonは、今日の集中的なストレージ需要を満たすように設計されたさまざまな製品を提供しています。たとえば、同社のエンタープライズSSDプラットフォームストレージとパフォーマンスのニーズをサポートします AI、ML、HPC、データ分析プラットフォーム。次のような課題の解消に役立ちます。