УСКОРЕНИЕ ОТКРЫТИЙ В ЗДРАВООХРАНЕНИИ И МЕДИКО-БИОЛОГИЧЕСКИХ НАУКАХ

• Кимберли Пауэлл, вице-президент NVIDIA по здравоохранению

Больницы, операционные залы, геномные центры и фармацевтические компании генерируют огромные объемы данных, создавая возможности для построения ИИ-моделей, платформ и роботизированных систем, которые могут прогнозировать, понимать, учиться и действовать. Узнайте свежие новости о том, как ученые, разработчики и производители медицинских устройств используют NVIDIA Clara™ для осуществления инновационных прорывов в области здравоохранения и разработки лекарств.

• Ола Энгквист, директор по молекулярному ИИ, AstraZeneca

За последние несколько лет искусственный интеллект стал оказывать сильное влияние на химию и биологию, помогая науке двигаться вперед, как иллюстрирует недавний успех AlphaFold2. В этой презентации я представлю обзор того, как искусственный интеллект повлиял в последние годы на разработку лекарственных средств, какую ситуацию мы имеем сейчас и на какой прогресс можно рассчитывать в ближайшие годы. В презентации будет сделан упор на молекулярное проектирование de novo на базе глубокого обучения. Также рассматриваются некоторые аспекты прогнозирования синтеза, предсказывания молекулярных свойств и автоматизации химии.

• Кэролин Чун, директор по данным, доктор медицины, онкологический центр Андерсона

Из-за экспоненциального роста объемов визуальных медицинских данных растет и потребность в использовании искусственного интеллекта для помощи врачам в обработке и оптимальном использовании всего доступного им визуального материала. Однако разработка ИИ-инструментов, которые бы успешно использовались в клинической практике, была довольно медленной и осторожной. Сложности, возникающие при их создании и внедрении, могут иметь решения, связанные с визуализационными метаданными, поскольку влияние таких факторов, как качество изображения и обобщаемость ИИ-моделей, может отражаться в насыщенной контекстуальной информации, которая окружает визуализационное обследование.

• Юэн Эшли, профессор медицины и генетики, Стэнфордский университет

На этой сессии вы сможете узнать, как команда исследователей установила мировой рекорд Гиннесса по скорости секвенирования ДНК. Составление медицинского диагноза на основе секвенирования всего генома у пациентов реанимационного отделения Стэнфордской больницы заняло менее восьми часов. Мы рассмотрим, как то, что раньше отнимало годы и стоило миллионы долларов, теперь можно сделать в современных клиниках за несколько часов, а также обрисуем вычислительную и алгоритмическую инфраструктуру, которая поддерживает этот прогресс.

• Мохаммед аль-Кураиши, профессор, Колумбийский университет

Методы глубокого обучения, которые прогнозируют структуры с точностью, соперничающей с экспериментальными методами, произвели революцию в прогнозировании структуры белка. Однако они требуют огромных вычислительных ресурсов, и для обучения новых моделей под новые задачи нужна соответствующая инфраструктура ПО и обработки данных.

На этой сессии вы узнаете про OpenFold – новую открытую платформу для обучения популярнейших моделей прогнозирования структуры белка. OpenFold предоставляет код и данные, необходимые для обучения новых моделей с нуля, а также предобученные модели по разрешительной лицензии для широкого использования в научной и промышленной средах.