헬스케어 및 생명과학의 혁신 지원

• Kimberly Powell, NVIDIA 헬스케어 부문 부사장

병원, 수술실, 유전체 서열 센터 및 제약 회사는 방대한 양의 데이터를 생성하여 예측, 이해, 학습 및 행동할 수 있는 AI 모델, 플랫폼 및 로봇 시스템을 구축할 기회를 창출합니다. 생명과학 연구원, 개발자 및 의료 기기 제조업체가 NVIDIA Clara™를 사용하여 헬스케어 제공 및 신약 개발 분야의 혁신을 창조하는 방법에 대한 최신 소식을 알아보십시오.

• Ola Engkvist, AstraZeneca 분자 AI 책임자

인공 지능은 지난 몇 년 동안 화학 및 생명과학 분야에 큰 영향을 주었으며, AlphaFold2의 최근 성공으로 인해 과학적 영역을 더욱 확대했습니다. 이 프리젠테이션에서는 AI가 지난 몇 년 동안 약물 설계에 어떤 영향을 미쳤는지와 현재 상황을 살펴보고, 향후 몇 년 동안 기대할 수 있는 합리적인 성과에 대해 알아봅니다. 프리젠테이션에서는 딥 러닝 기반 분자 드노보 설계를 중점적으로 다루지만, 합성 예측, 분자 특성 예측 및 화학 자동화도 다룰 것입니다.

• Caroline Chung, MD Anderson 암 센터 수석 데이터 담당

메디컬 이미징 데이터의 양이 기하급수적으로 증가함에 따라, 임상 팀이 사용 가능한 모든 이미징을 처리하고 최적으로 사용하도록 돕기 위한 AI의 필요성은 명백합니다. 하지만 임상 환경에 맞춰 성공적으로 변환된 AI 도구를 개발하는 것은 상대적으로 느리고 조심스럽습니다. 개발 및 임상 도입 시 직면하는 문제는 이미징 관련 메타데이터에 포함된 솔루션일 수 있습니다. 이는 이미지 품질 및 AI 모델의 일반화 가능성과 같은 요인의 영향이 이미징 시험을 둘러싼 풍부한 컨텍스트 정보에 반영될 수 있기 때문입니다.

• Euan Ashley, 스탠포드 대학 의학 및 유전학 교수

이 세션에서는 협력 팀이 최근 스탠포드 병원의 중환자실의 전체 유전체 서열 분석을 통해 8시간 내 의료 진단을 내리며 가장 빠른 DNA 서열 분석 기법으로 기네스 세계 기록을 세운 방법을 살펴볼 것입니다. 수 년의 시간과 수백만 달러의 비용이 소요되었던 것이 이제는 어떻게 최신 병원 설정에서 몇 시간 안에 실현될 수 있는지 알아보고, 발전에 뒷받침된 연산 및 알고리즘 인프라에 대해 간략히 설명합니다.

• Mohammed AlQuraishi, 콜롬비아 대학 교수

실험 방법에 필적하는 정확도로 구조를 예측하는 딥 러닝 방법은 단백질 구조 예측에 혁명을 일으켰습니다. 그러나 이러한 방법은 학습을 위해 상당한 양의 컴퓨팅과, 새로운 작업에 맞춤화된 새로운 모델을 배우기 위한 코드 및 데이터 인프라가 필요합니다.

이 세션에서는 선도적인 단백질 구조 예측 모델을 훈련시키기 위한 새로운 오픈 소스 플랫폼 OpenFold에 대해 자세히 알아봅니다. OpenFold는 학계 및 업계의 광범위한 사용에 대한 허용 라이센스에 따라 처음부터 새로운 모델을 트레이닝하는 데 필요한 코드와 데이터뿐만 아니라 사전 학습된 모델을 제공합니다.