【分享NVIDIA GTC 23大会干货】加速生成式AI在生物学和医疗领域的应用

【分享NVIDIA GTC 23大会干货】加速生成式AI在生物学和医疗领域的应用

  • 1. NVIDIA医疗领域AI计算平台——NVIDIA CLARA
  • 2. NVIDIA CLARA医学影像子平台——MONAI
  • 3. NVIDIA CLARA医疗设备子平台——Holoscan
  • 4. NVIDIA基因组学解决方案Parabricks
  • 5. NVIDIA药物研发解决方案
  • 6. 个人思考
  • 参考文献

有幸聆听了GTC 23其中一个session:Accelerating Generative AI in Biology and Healthcare [S51257],在此做个分享。

生成式AI可以说是此次GTC大会的关键词之一。正如session中所讲,生成式AI是AI领域的next wave/chapter。

以CHATGPT为代表的生成式AI模型可以说近期是万众瞩目。使用CHATGPT可以实现判若真人的对话、帮助人们回答一些问题,协助完成一些工作,如写一段代码;使用DALL-E,输入一段文字,生成一张对应的图片;使用alphafold,从蛋白质氨基酸序列预测蛋白质三维结构…

【分享NVIDIA GTC 23大会干货】加速生成式AI在生物学和医疗领域的应用_第1张图片
那么在生物学和医疗领域,生成式AI具体有什么应用呢?NVIDIA为推动行业的发展提供了哪些可供快速使用的利器/平台?此session将逐一揭晓。

1. NVIDIA医疗领域AI计算平台——NVIDIA CLARA

NVIDIA CLARA平台可以为生物学和医疗领域提供如下方向的解决方案:

  • 基因组学 Parabricks;
  • 自然语言(ASR, NLP,TTS) NeMo;
  • 药物研发 BioNeMo;
  • 医学影像 MONAI;
  • 医疗设备 Holoscan 。


NVIDIA CLARA目前已经形成了一个覆盖上下游产业链的完整生态。
【分享NVIDIA GTC 23大会干货】加速生成式AI在生物学和医疗领域的应用_第2张图片

2. NVIDIA CLARA医学影像子平台——MONAI

MONAI(Medical Open Network for Artificial Intelligence)具有如下功能:

  • 使用主动学习(Active learning)进行昂贵的数据标注(labeling);
  • 当数据比较少的情况下,可用于生成数据,如利用GAN模型;
  • 存在大量无标签数据的情况下,可以使用transfomer之类的模型进行自监督学习,以用于下游任务;
  • 为保证数据隐私,联邦学习可以让多个机构利用自己的数据进行多次迭代训练模型,随后将模型上传服务器。在收到各地上传的更新模型后,服务器将根据各地上传的模型对全局模型在整个MONAI生态进行更新、部署。

【分享NVIDIA GTC 23大会干货】加速生成式AI在生物学和医疗领域的应用_第3张图片
当前MONAI当前下载约百万,其model-zoo中有20+模型,如heart segmentation,每个模型都有详细的介绍。

著名癌症药物公司BMS(Bristol-Myers Squibb)拥有大量的临床数据以及CT片,它们已经使用MONAI来训练语义分割模型,来提升药物临床试验效果。

【分享NVIDIA GTC 23大会干货】加速生成式AI在生物学和医疗领域的应用_第4张图片

3. NVIDIA CLARA医疗设备子平台——Holoscan

影像是医疗健康领域常见的呈现形式,它存在于初筛、诊断及治疗的各个阶段。通常2D图像用于每年体检及早期发现,3D图像用于定量分析,4D图像用于捕获运动及功能,而到了第5个维度,实时传感器可使得医学设备能够自动实现功能。

【分享NVIDIA GTC 23大会干货】加速生成式AI在生物学和医疗领域的应用_第5张图片
当系统及功能非常复杂,这时就需要一套实时的AI传感平台,这正是发明Holoscan的初衷。
【分享NVIDIA GTC 23大会干货】加速生成式AI在生物学和医疗领域的应用_第6张图片
【分享NVIDIA GTC 23大会干货】加速生成式AI在生物学和医疗领域的应用_第7张图片
Medtronic公司大概每年服务7600万患者,使用了Holoscan的GI Genius Intelligent Endoscopy模块应用于结肠镜检查,通过大量数据验证了使用该平台比仅使用人,会降低约50%的错误率。Holoscan平台可帮助开发者节约时间,加速AI技术在医疗健康领域的创新。

4. NVIDIA基因组学解决方案Parabricks

测序平台以超摩尔定律的速度发展。近几年来以Oxford nanopore以及PacBio为代表开发出的长读长测序技术,使得测序成本不断下降。

【分享NVIDIA GTC 23大会干货】加速生成式AI在生物学和医疗领域的应用_第8张图片
NVIDIA Parabricks可以加速测序的各个阶段,提升测序通量及准确性,降低测序成本。

5. NVIDIA药物研发解决方案

BioNeMo 是一款AI 赋能药物研发云服务和框架,用于在超级计算规模下训练和部署大型生物分子 Transformer AI 模型。
【分享NVIDIA GTC 23大会干货】加速生成式AI在生物学和医疗领域的应用_第9张图片【分享NVIDIA GTC 23大会干货】加速生成式AI在生物学和医疗领域的应用_第10张图片
使用BioNeMo 进行药物研发,示例如下:

  • 生成式AI模型读取蛋白质氨基酸序列,并预测出其3D结构,同时还可以生成具有期望ADME属性的分子;
  • 【分享NVIDIA GTC 23大会干货】加速生成式AI在生物学和医疗领域的应用_第11张图片
  • 同时还可以生成具有期望ADME属性的分子;
    【分享NVIDIA GTC 23大会干货】加速生成式AI在生物学和医疗领域的应用_第12张图片
  • 生成式模型进一步可用于预测蛋白质与分子之间结构上的3D作用,来加速最优候选药物的研发。
    【分享NVIDIA GTC 23大会干货】加速生成式AI在生物学和医疗领域的应用_第13张图片

6. 个人思考

生物学及医疗领域是AI落地比较早的领域之一,医学影像、生物制药、蛋白质结构预测、基因组学等等。AI在此领域大有可为,无论是CV分类/语义分割/目标检测,还是NLP 大语言模型/自监督学习,也都可以找到AI的身影。

通过此session,了解到了NVIDIA作为顶级GPU算力提供商,在构建生态方面所做的努力,对于加速AI在此领域的应用有非常积极的促进作用。

另外,NVIDIA边缘设备的发展,也会为小型化、便携式、质优价廉的医疗设备进入家庭创造了可能。

参考文献

[1] Accelerating Generative AI in Biology and Healthcare [S51257]
[2] https://monai.io/model-zoo.html

你可能感兴趣的:(其他,人工智能,自然语言处理,深度学习,nvidia,GTC)