MULTITUDE D’INNOVATIONS POUR LA SANTÉ ET LES SCIENCES DE LA VIE

• Kimberly Powell, Vice-présidente des technologies de Santé, NVIDIA.

Les hôpitaux, les salles d’opération, les centres de séquençage génomique et les laboratoires pharmaceutiques génèrent des volumes massifs de données, ce qui leur permet de concevoir des modèles d’IA, des plateformes spécialisées et des systèmes robotiques à même de prévoir, de comprendre, d’apprendre et d’agir. Obtenez plus d’informations sur la façon dont les chercheurs en sciences de la vie, les développeurs et les fabricants de dispositifs médicaux utilisent NVIDIA Clara™ pour innover en matière de Santé et de découverte de médicaments.

• Ola Engkvist, Responsable de l’IA moléculaire, AstraZeneca

Ces dernières années, l’intelligence artificielle a eu un impact majeur dans les domaines de la chimie et des sciences de la vie, ce qui a permis de repousser plusieurs limites scientifiques, comme l’illustre le récent succès d’AlphaFold2. Au cours de cette présentation, je vais vous dévoiler comment l’IA a transformé la conception de médicaments, faire un point sur la situation actuelle et évoquer les progrès auxquels nous pouvons raisonnablement nous attendre au cours des prochaines années. Cette présentation, qui sera principalement axée sur la conception moléculaire de novo basée sur le Deep Learning, couvrira également plusieurs aspects de la prédiction de synthèse, de la prédiction des propriétés moléculaires et de l’automatisation de la chimie.

• Caroline Chung, Responsable des données, MD Anderson Cancer Center

En raison de la croissance exponentielle du volume des données d’imagerie médicale, l’IA devient plus importante que jamais pour aider les équipes cliniques à gérer et à utiliser de manière optimale toutes les ressources d’imagerie dont elles disposent. Cependant, le développement à grande échelle d’outils d’IA en milieu clinique s’avère encore relativement limité. Les défis du développement et de l’adoption clinique peuvent inclure des solutions reposant sur les métadonnées d’imagerie médicale. En effet, l’impact de facteurs tels que la qualité d’image et la généralisabilité des modèles d’IA peut se refléter dans les informations contextuelles liées aux examens d’imagerie.

• Euan Ashley, Professeur de médecine et de génétique, Université de Stanford

Cette session présente la manière dont une équipe collaborative a récemment établi le record Guinness du séquençage ADN le plus rapide au monde, tout en réalisant des diagnostics médicaux en moins de huit heures grâce au séquençage du génome entier de patients en soins critiques dans les hôpitaux de Stanford. Nous allons étudier comment une procédure qui nécessitait auparavant plusieurs années et coûtait des millions de dollars peut désormais être réalisée en quelques heures dans les environnements hospitaliers modernes, mais aussi nous intéresser à l’infrastructure informatique et algorithmique qui a permis cette avancée majeure.

• Mohammed Al Quraishi, Professeur, Université Columbia

De nouvelles méthodes avancées de Deep Learning, permettant d’anticiper les structures avec une précision égalant celle des méthodes expérimentales, ont récemment révolutionné les techniques de prédiction des structures protéiques. Ces méthodes requièrent néanmoins une importante puissance de calcul pour l’exécution des procédures d’entraînement, ainsi qu’une infrastructure de code et de données à même d’apprendre de nouveaux modèles pour mener à bien de nouvelles tâches.

Cette session vous présente OpenFold, une nouvelle plateforme open-source à la pointe de l’industrie pour l’entraînement des modèles de prédiction des structures protéiques. OpenFold fournit le code et les données nécessaires à l’entraînement de nouveaux modèles à partir de zéro, ainsi que des modèles pré-entraînés sous licence permissive pour une utilisation à grande échelle par le monde universitaire et le secteur industriel.