IMPULSAR GRANDES AVANCES EN SANIDAD Y BIOCIENCIAS

• Kimberly Powell, vicepresidente de atención sanitaria de NVIDIA

Los hospitales, los quirófanos, los centros de secuenciación genómica y las empresas farmacéuticas generan cantidades enormes de datos, lo que crea la oportunidad de construir modelos, plataformas y sistemas robóticos de IA que puedan predecir, comprender, aprender y actuar. Descubre cómo los investigadores, desarrolladores y fabricantes de dispositivos médicos de ciencias de la vida utilizan NVIDIA Clara™ para inventar avances en el suministro sanitario y el descubrimiento de fármacos.

• Ola Engkvist, Directora de IA molecular de AstraZeneca

La inteligencia artificial ha impactado durante los últimos años en la química y las ciencias de la vida, traspasando los límites científicos, como muestra el reciente éxito de AlphaFold2. En esta presentación, proporcionaré una visión general de cómo la IA ha impactado en el diseño de fármacos en los últimos años, dónde estamos ahora y qué progreso podemos esperar razonablemente en los próximos años. La presentación se centrará en el diseño de novo molecular basado en deep learning; sin embargo, también se tratarán aspectos de la predicción, las predicciones de propiedades moleculares y la automatización química.

• Caroline Chung, Directora de datos de MD Anderson Cancer Center

Con el crecimiento exponencial en el volumen de datos de imágenes médicas, se nota la necesidad creciente de IA para ayudar a los equipos de investigación a manejar y utilizar de forma óptima todas las imágenes disponibles. Sin embargo, el desarrollo de herramientas de IA, que se han traducido satisfactoriamente en el ajuste de la experiencia, ha sido relativamente lento y cauteloso. Los desafíos que se enfrentan en el desarrollo y la adopción clínica pueden tener soluciones que se encuentran dentro de los metadatos asociados a la imagen, ya que el impacto de factores como la calidad de la imagen y la generalización de los modelos de IA puede reflejarse en la rica información de contexto que rodea un examen de imagen.

• Euan Ashley, profesor de medicina y genética de Stanford University

En esta sesión, se verá cómo un equipo de colaboración estableció recientemente el Récord Mundial Guinness para la técnica de secuenciación de ADN más rápida al realizar diagnósticos médicos en menos de ocho horas a partir de la secuenciación del genoma completo en pacientes de cuidados intensivos de los hospitales de Stanford. Exploraremos cómo algo que antes llevaba años y costaba millones de dólares ahora se puede realizar en horas en entornos hospitalarios modernos y esbozaremos la infraestructura computacional y algorítmica que avaló el avance.

• Mohammed AlQuraishi, profesor de la Universidad de Columbia

Los métodos de deep learning que predicen estructuras, con una precisión que compite con los métodos experimentales, han revolucionado la predicción de la estructura de la proteína. Sin embargo, estos métodos requieren cantidades considerables de cálculo para entrenar, y código e infraestructura de datos para aprender nuevos modelos adaptados a nuevas tareas.

En esta sesión, obtén más información sobre OpenFold, una nueva plataforma de código abierto para entrenar los principales modelos de predicción de la estructura de la proteína. OpenFold proporciona el código y los datos necesarios para entrenar nuevos modelos desde cero, así como modelos entrenados previamente bajo una licencia permisiva para un uso amplio por parte de la industria y el ámbito académico.