この古いバージョンの AutoML Natural Language は非推奨となり、レガシープラットフォームで新しいモデルのトレーニングやデプロイができなくなります。すでにデプロイされているモデルは 2024 年 5 月 30 日に動作しなくなります。以前の AutoML Natural Language のすべての機能と新機能は、Vertex AI プラットフォームで使用可能です。リソースを移行する方法については、Vertex AI に移行するをご覧ください。

ヘルスケア医療機関向けのエンティティ抽出モデルのトレーニング

AutoML Entity Extraction for Healthcare は、カスタムの Healthcare Natural Language モデルのトレーニングを行う出発点として使用できます。モデルをトレーニングしたら、モデルから予測をリクエストできます。エンティティの抽出のため、医療テキストをモデルに送信すると予測が実行されます。

AutoML は、次の予測モードをサポートしています。

オンライン予測。単一のドキュメントを送信し、モデルが分析を同期的に行い、結果を返します。
バッチ予測。送信されたドキュメントのコレクションをモデルが非同期で分析します。

AutoML API を有効にする

AutoML Entity Extraction for Healthcare を使用してモデルをトレーニングする前に、Google Cloud プロジェクトで AutoML API を有効にする必要があります。

AutoML API を有効にするには、次の操作手順を行います。

Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

Google Cloud Console の [プロジェクトセレクタ] ページで、Google Cloud プロジェクトを選択または作成します。

プロジェクトセレクタに移動

Google Cloud プロジェクトで課金が有効になっていることを確認します。

サービスアカウントを作成します。

Google Cloud コンソールで [サービスアカウントの作成] ページに移動します。
[サービスアカウントの作成] に移動
プロジェクトを選択します。
[サービスアカウント名] フィールドに名前を入力します。Google Cloud コンソールでは、この名前に基づいて [サービスアカウント ID] フィールドに値が設定されます。

[サービスアカウントの説明] フィールドに説明を入力します。例: Service account for quickstart
[作成して続行] をクリックします。
サービスアカウントに Project > Owner ロールを付与します。

ロールを付与するには、[ロールを選択] リストで [Project > Owner] を選択します。

注: [ロール] フィールドは、サービスアカウントがプロジェクト内のどのリソースにアクセスできるかに影響します。これらのロールは後で取り消すことも、追加のロールを付与することもできます。本番環境では、オーナー、編集者、閲覧者のロールを付与しないでください。代わりに、ニーズに合わせて事前定義ロールまたはカスタムロールを付与します。
[続行] をクリックします。
[完了] をクリックして、サービスアカウントの作成を完了します。

ブラウザウィンドウは閉じないでください。次のステップでこれを使用します。

サービスアカウントキーを作成します。

Google Cloud コンソールで、作成したサービスアカウントのメールアドレスをクリックします。
[キー] をクリックします。
[鍵を追加]、[新しい鍵を作成] の順にクリックします。
[作成] をクリックします。JSON キーファイルがパソコンにダウンロードされます。
[閉じる] をクリックします。

環境変数 GOOGLE_APPLICATION_CREDENTIALS を、認証情報を含む JSON ファイルのパスに設定します。この変数は現在のシェルセッションにのみ適用されるため、新しいセッションを開く場合は、変数を再度設定する必要があります。

例: Linux または macOS

export GOOGLE_APPLICATION_CREDENTIALS="KEY_PATH"

KEY_PATH は、認証情報が含まれる JSON ファイルのパスに置き換えます。

例:

export GOOGLE_APPLICATION_CREDENTIALS="/home/user/Downloads/service-account-file.json"

例: Windows

PowerShell の場合:

$env:GOOGLE_APPLICATION_CREDENTIALS="KEY_PATH"

KEY_PATH は、認証情報が含まれる JSON ファイルのパスに置き換えます。

例:

$env:GOOGLE_APPLICATION_CREDENTIALS="C:\Users\username\Downloads\service-account-file.json"

コマンドプロンプトの場合:

set GOOGLE_APPLICATION_CREDENTIALS=KEY_PATH

KEY_PATH は、認証情報が含まれる JSON ファイルのパスに置き換えます。

Google Cloud Console の [プロジェクトセレクタ] ページで、Google Cloud プロジェクトを選択または作成します。

プロジェクトセレクタに移動

Google Cloud プロジェクトで課金が有効になっていることを確認します。

サービスアカウントを作成します。

Google Cloud コンソールで [サービスアカウントの作成] ページに移動します。
[サービスアカウントの作成] に移動
プロジェクトを選択します。
[サービスアカウント名] フィールドに名前を入力します。Google Cloud コンソールでは、この名前に基づいて [サービスアカウント ID] フィールドに値が設定されます。

[サービスアカウントの説明] フィールドに説明を入力します。例: Service account for quickstart
[作成して続行] をクリックします。
サービスアカウントに Project > Owner ロールを付与します。

ロールを付与するには、[ロールを選択] リストで [Project > Owner] を選択します。

注: [ロール] フィールドは、サービスアカウントがプロジェクト内のどのリソースにアクセスできるかに影響します。これらのロールは後で取り消すことも、追加のロールを付与することもできます。本番環境では、オーナー、編集者、閲覧者のロールを付与しないでください。代わりに、ニーズに合わせて事前定義ロールまたはカスタムロールを付与します。
[続行] をクリックします。
[完了] をクリックして、サービスアカウントの作成を完了します。

ブラウザウィンドウは閉じないでください。次のステップでこれを使用します。

サービスアカウントキーを作成します。

Google Cloud コンソールで、作成したサービスアカウントのメールアドレスをクリックします。
[キー] をクリックします。
[鍵を追加]、[新しい鍵を作成] の順にクリックします。
[作成] をクリックします。JSON キーファイルがパソコンにダウンロードされます。
[閉じる] をクリックします。

例: Linux または macOS

export GOOGLE_APPLICATION_CREDENTIALS="KEY_PATH"

KEY_PATH は、認証情報が含まれる JSON ファイルのパスに置き換えます。

例:

export GOOGLE_APPLICATION_CREDENTIALS="/home/user/Downloads/service-account-file.json"

例: Windows

PowerShell の場合:

$env:GOOGLE_APPLICATION_CREDENTIALS="KEY_PATH"

KEY_PATH は、認証情報が含まれる JSON ファイルのパスに置き換えます。

例:

$env:GOOGLE_APPLICATION_CREDENTIALS="C:\Users\username\Downloads\service-account-file.json"

コマンドプロンプトの場合:

set GOOGLE_APPLICATION_CREDENTIALS=KEY_PATH

KEY_PATH は、認証情報が含まれる JSON ファイルのパスに置き換えます。

AutoML Natural Language API を有効にします。
API を有効にする

Google Cloud CLI をインストールします。
gcloud CLI を初期化するには:
```
gcloud init
```

権限を設定する

AutoML Entity Extraction for Healthcare を基本モデルとして使用するカスタムモデルをトレーニングするには、healthcare.nlpservce.analyzeEntities 権限のあるサービスアカウントを使用する必要があります。この権限は、healthcare.nlpServiceViewer ロールに含まれています。

このロールを割り当てるには、gcloud projects add-iam-policy-binding コマンドを実行します。

gcloud projects add-iam-policy-binding PROJECT_ID --member serviceAccount:SERVICE_ACCOUNT_ID --role roles/healthcare.nlpServiceViewer

モデルのトレーニング

AutoML UI を使用したモデルのトレーニング

AutoML UI を使用してモデルをトレーニングするには、次の手順を行います。

AutoML Natural Language UI を開き、[AutoML Entity Extraction] の [開始] をクリックします。

[データセット] ページに移動します。現在のプロジェクトでこれまでに作成されたデータセットのステータスが表示されます。別のプロジェクトのデータセットを使用してトレーニングするには、タイトルバーの右上にあるリストからプロジェクトを選択します。
データセットを作成するか、カスタムモデルのトレーニングに使用するデータセットを選択します。

選択したデータセットの表示名がタイトルバーに表示され、データセット内の個々のドキュメントがラベルと一緒にページに一覧表示されます。
テキストまたはドキュメントのデータセットが構造化 JSONL 形式で記述されているリストする CSV ファイルをインポートします。
データセットを確認したら、タイトルバーの下にある [トレーニング] タブをクリックします。

このデータセットから最初のモデルをトレーニングすると、トレーニングページにデータセットの基本的な分析結果が表示され、データセットがトレーニングに適しているかどうかアドバイスを受けられます。AutoML Natural Language によって変更が提案される場合は、[テキストアイテム] ページに戻ってドキュメントやラベルを追加することを検討してください。

このデータセットから他のモデルをトレーニングしたことがある場合、トレーニングページにモデルの基本的な評価指標が表示されます。
[トレーニングを開始] をクリックします。
モデルの名前を入力します。

モデル名は最大 32 文字で、英字、数字、アンダースコアのみ使用できます。最初の文字は英字でなければなりません。
モデルを自動的にデプロイする場合は、[トレーニング完了後にモデルをデプロイする] オプションを選択します。
[医療エンティティの抽出を有効にする] オプションを選択します。
[トレーニングを開始] をクリックします。

トレーニングには数時間かかることがあります。モデルのトレーニングが完了すると、メールで通知が送信されます。

AutoML API を使用したモデルのトレーニング

AutoML API でモデルをトレーニングするには、projects.locations.models.create メソッドを使用します。

以下のリクエスト本文を request.json という名前のファイルに保存します。リクエストで次の情報を指定します。
- DISPLAY_NAME: モデルの表示名
- DATASET_ID: データセット ID
```
{
"displayName": "DISPLAY_NAME",
"dataset_id": "DATASET_ID",
"textExtractionModelMetadata": {
   "model_hint": "healthcare"
}
}
```

projects.locations.models.create コマンドを実行します。

curl

curl を使用して POST リクエストを行うには、次のコマンドを実行します。

curl -X POST \
-H "Authorization: Bearer "$(gcloud auth application-default print-access-token) \
-H "Content-Type: application/json; charset=utf-8" \
-d @request.json \
https://automl.googleapis.com/v1beta1/projects/PROJECT_ID/locations/REGION/models

PowerShell

Windows PowerShell を使用して POST リクエストを行うには、次のコマンドを実行します。

$cred = gcloud auth application-default print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
-Method POST `
-Headers $headers `
-ContentType: "application/json; charset=utf-8" `
-InFile request.json `
-Uri "https://automl.googleapis.com/v1beta1/projects/PROJECT_ID/locations/REGION/models" | Select-Object -Expand Content

コマンドの出力は次のようになります。オペレーション ID を使用して、タスクのステータスを取得できます。詳しくは、オペレーションのステータスの取得をご覧ください。

{
  "name": "projects/PROJECT_ID/locations/REGION/operations/OPERATION_ID",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.automl.v1beta1.OperationMetadata",
    "createTime": "CREATE_TIME",
    "updateTime": "UPDATE_TIME",
    "cancellable": true
  }
}

予測を行う

AutoML Natural Language UI を使用した予測

AutoML Entity Extraction for Healthcare を使用して、Cloud Storage 内のファイルまたは AutoML Natural Language UI で入力したテキストの予測を行うことができます。

AutoML Natural Language UI を使用して予測を行うには、次の操作を行います。

AutoML Natural Language UI を開き、[モデル] をクリックします。
ドキュメントの分析に使用するモデルの行をクリックします。
タイトルバーの下にある [テストと使用] タブをクリックします。
[Cloud Storage 上のファイルを選択] をクリックし、PDF ファイルの Cloud Storage パスを入力します。または、[以下にテキストを入力] をクリックして、予測に使用する医療テキストを入力します。
[予測] をクリックします。

`batchPredict` メソッドを使用して予測を行う

モデルを使用して、ドキュメントのコーパスに対して高スループットの非同期予測を行うには、batchPredict メソッドを使用します。バッチ予測メソッドを使用するには、Cloud Storage バケット内の場所を表す入力用の URI と出力用の URI を指定します。

入力用の URI には、分析するコンテンツを含む JSONL ファイルを指定します。出力には、AutoML がバッチ予測の結果を保存する場所を指定します。

batchPredict メソッドを使用して予測を行うには、次の操作を行います。

分析するコンテンツを含む JSONL ファイルを作成します。インラインで作成するか、Cloud Storage バケットに格納されているファイルへのリンクとして作成します。

次の例では、JSONL ファイルにインラインコンテンツが含まれています。各項目には一意の ID が含まれています。
```
{ "id": "0", "text_snippet": { "content": "Insulin regimen human 5 units IV administered.." } }
{ "id": "1", "text_snippet": { "content": "Blood pressure is normal." } }
...
{ "id": "n", "text_snippet": { "content": "Pulse: 80. BP: 110/70. Respirations: 16. Temp: 97.4." } }
```
次のサンプルは、入力ファイルのリンクを含む JSONL ファイルです。このファイルは Cloud Storage バケット内に存在する必要があります。
```
{ "document": { "input_config": { "gcs_source": { "input_uris": [ "gs://FOLDER/FILENAME1" ] } } } }
{ "document": { "input_config": { "gcs_source": { "input_uris": [ "gs://FOLDER/FILENAME2" ] } } } }
...
```

JSONL 入力ファイルの場所と出力ディレクトリを指定する JSON ファイルを作成します。

{
"input_config": { "gcs_source": { "input_uris": [ "gs://JSONL_FILE_LOCATION"] } },
"output_config": { "gcs_destination": { "output_uri_prefix": "gs://OUTPUT_DIR" } }
}

予測を行うには、batchPredict メソッドを使用します。

curl

batchPredict コマンドで、次の置換を行います。

REQUEST_FILENAME は、リクエスト JSON ファイルの場所に置き換えます。
PROJECT_ID/locations/REGION/models/MODEL_ID は、モデルの完全修飾名に置き換えます。モデル ID を確認するには、AutoML UI の [モデル] ページに移動します。

次のサンプルは、curl を使用した POST リクエストを示しています。

curl -X POST \
-H "Authorization: Bearer "$(gcloud auth application-default print-access-token) \
-H "Content-Type: application/json; charset=utf-8" \
-d @REQUEST_FILENAME \
https://automl.googleapis.com/v1beta1/projects/PROJECT_ID/locations/REGION/models/MODEL_ID:batchPredict

コマンドに対するレスポンスは次のサンプルのようになります。

{
"name": "projects/824236087934/locations/REGION/operations/MODEL_ID",
"metadata": {
  "@type": "type.googleapis.com/google.cloud.automl.v1beta1.OperationMetadata",
  "createTime": "CREATE_TIME",
  "updateTime": "UPDATE_TIME",
  "batchPredictDetails": {
    "inputConfig": {
      "gcsSource": {
        "inputUris": [
          "gs://INPUT_URI"
        ]
      }
    }
  }
}
}

予測が完了したかどうかを確認するには、次のコマンドを実行します。

curl -X GET \
 -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
 -H "Content-Type: application/json" \
 https://automl.googleapis.com/v1/projects/PROJECT_ID/locations/REGION/operations/OPERATION_ID

次のサンプルのようなレスポンスで、¨done¨: true を探し、オペレーションが完了していることを確認します。

{
"name": "projects/PROJECT_ID/locations/REGION/operations/OPERATION_ID",
"metadata": {
  "@type": "type.googleapis.com/google.cloud.automl.v1beta1.OperationMetadata",
  "createTime": "CREATE_TIME",
  "updateTime": "UPDATE_TIME",
  "batchPredictDetails": {
    "inputConfig": {
      "gcsSource": {
        "inputUris": [
          "gs://JSONL_FILE_LOCATION"
        ]
      }
    },
    "outputInfo": {
      "gcsOutputDirectory": "gs://OUTPUT_DIRPREDICTION_FILENAME"
    }
  }
},
"done": true,
"response": {
  "@type": "type.googleapis.com/google.cloud.automl.v1beta1.BatchPredictResult"
}
}

指定した出力場所に、予測の結果を含む JSONL ファイルが格納されます。

PowerShell

batchPredict コマンドで、次の置換を行います。

REQUEST_FILENAME は、リクエスト JSON ファイルを保存した場所に置き換えます。
PROJECT_ID/locations/REGION/models/MODEL_ID は、モデルの完全修飾名に置き換えます。モデル ID を確認するには、AutoML UI の [モデル] ページに移動します。

次のサンプルは、Windows PowerShell を使用した POST リクエストを示しています。

$cred = gcloud auth application-default print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
-Method POST `
-Headers $headers `
-ContentType: "application/json; charset=utf-8" `
-InFile REQUEST_FILENAME `
-Uri "https://automl.googleapis.com/v1beta1/projects/PROJECT_ID/locations/REGION/models/MODEL_ID:batchPredict" | Select-Object -Expand Content

コマンドに対するレスポンスは次のサンプルのようになります。

{
"name": "projects/824236087934/locations/REGION/operations/MODEL_ID",
"metadata": {
  "@type": "type.googleapis.com/google.cloud.automl.v1beta1.OperationMetadata",
  "createTime": "CREATE_TIME",
  "updateTime": "UPDATE_TIME",
  "batchPredictDetails": {
    "inputConfig": {
      "gcsSource": {
        "inputUris": [
          "gs://INPUT_URI"
        ]
      }
    }
  }
}
}

予測が完了したかどうかを確認するには、次のコマンドを実行します。

curl -X GET \
 -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
 -H "Content-Type: application/json" \
 https://automl.googleapis.com/v1/projects/PROJECT_ID/locations/REGION/operations/OPERATION_ID

次のサンプルのようなレスポンスで、¨done¨: true を探し、オペレーションが完了していることを確認します。

{
"name": "projects/PROJECT_ID/locations/REGION/operations/OPERATION_ID",
"metadata": {
  "@type": "type.googleapis.com/google.cloud.automl.v1beta1.OperationMetadata",
  "createTime": "CREATE_TIME",
  "updateTime": "UPDATE_TIME",
  "batchPredictDetails": {
    "inputConfig": {
      "gcsSource": {
        "inputUris": [
          "gs://JSONL_FILE_LOCATION"
        ]
      }
    },
    "outputInfo": {
      "gcsOutputDirectory": "gs://OUTPUT_DIRPREDICTION_FILENAME"
    }
  }
},
"done": true,
"response": {
  "@type": "type.googleapis.com/google.cloud.automl.v1beta1.BatchPredictResult"
}
}

指定した出力場所に、予測の結果を含む JSONL ファイルが格納されます。

ヘルスケア医療機関向けのエンティティ抽出モデルのトレーニング

AutoML API を有効にする

権限を設定する

モデルのトレーニング

AutoML UI を使用したモデルのトレーニング

AutoML API を使用したモデルのトレーニング

curl

PowerShell

予測を行う

AutoML Natural Language UI を使用した予測

batchPredict メソッドを使用して予測を行う

curl

PowerShell

`batchPredict` メソッドを使用して予測を行う