ヘルスケアとライフ サイエンスに飛躍的進歩をもたらす

• Kimberly Powell は NVIDIA のヘルスケア部門担当副社長です。

病院、手術室、ゲノム シーケンシング センター、製薬会社は大量のデータを生成し、予測、把握、学習、行動できる AI モデル、プラットフォーム、ロボット システムを構築する機会を創出しています。ライフ サイエンスの研究者、開発者、医療機器メーカーが NVIDIA Clara™ を利用し、医療配送と創薬におけるブレイクスルーを発明しています。その最新ニュースをご覧ください。

• Ola Engkvist 氏、Astra Zeneca 社、分子 AI 部門責任者

人工知能 (AI) は、ここ数年、化学と生命科学ので影響を受けており、最近の AlphaFold2 の成功に代表されるように、科学の限界を押し広げています。このプレゼンテーションでは、AI がここ数年で医薬品設計に与えた影響、現在の状況、そして今後数年間で期待できる進歩について概説します。このプレゼンテーションでは、ディープラーニングベースの分子 de novo デザインに焦点を当てます。合成予測、分子特性予測、化学自動化の側面についても説明します。

• Caroline Chung 氏、MD Anderson Cancer Center、データ部門最高責任者

医用画像データの量が急増しており、臨床チームが利用可能なすべての画像を処理し、最適に使用するのに役立つ AI の必要性が高まっています。しかし、臨床現場にうまく変換された AI ツールの開発は、比較的遅く、慎重でした。AI モデルの画質や汎用性などの要因の影響が、画像処理検査を取り巻く豊富なコンテキスト情報に反映されることがあるため、開発と臨床の採用で直面する課題には、画像処理関連のメタデータの中にソリューションが含まれることがあります。

• Euan Ashley 氏、医学/遺伝学教授、スタンフォード大学

このセッションでは、共同チームが最近、スタンフォード病院のクリティカル ケア患者の全ゲノムシーケンスから 8 時間以内に医療診断を行いながら、最速の DNA シーケンス技術でギネス世界記録を樹立した方法を見ていきます。以前には何年もの年月と数百万ドルもの費用がかかったものが、現代の病院環境で数時間で実現可能になった方法を探り、その進歩を支えた計算とアルゴリズムのインフラストラクチャについて説明します。

• Mohammed AlQuraishi 氏、コロンビア大学、教授

実験手法に匹敵する精度で構造を予測するディープ ラーニング手法は、タンパク質構造の予測に革命をもたらしました。このような手法では、トレーニングに相当な量のコンピューティングが必要です。また、新しいタスクに合わせて調整された新しいモデルを学習するためのコードとデータ インフラストラクチャが必要です。

最先端のたんぱく質構造予測モデルをトレーニングするための新しいオープンソース プラットフォームである OpenFold のすべてをご覧ください。OpenFoldは、新しいモデルを最初からトレーニングするために必要なコードとデータ、学界と産業界で広く使用できるパーミッシブ ライセンスの下で事前トレーニングされたモデルを提供します。