推動醫療照護與生命科學的技術突破

• NVIDIA 醫療照護部門副總裁 Kimberly Powell

醫院、手術室、基因體定序中心和製藥公司會產生大量資料，創造建立人工智慧模型、平台和機器人系統的機會，用於預測、理解、學習和做出行動。瞭解生命科學研究人員、開發人員和醫療設備製造商如何運用 NVIDIA Clara™，在醫療照護供應和藥物開發方面開創突破性進展的最新資訊。

• AstraZeneca 分子人工智慧負責人 Ola Engkvist

在過去幾年中，人工智慧在化學和生命科學領域產生了巨大的影響，如同 AlphaFold2 最近的成功所代表的意義，正在進一步突破科學的極限。我將在本簡報中概述人工智慧在過去幾年中對藥物設計的影響、我們現在的情況，以及未來幾年可以合理預期的進展。簡報會著重於深度學習型的分子雜訊設計，但是合成預測、分子屬性預測和化學自動化的層面也會涵蓋在內。

• MD Anderson 癌症中心資料長 Caroline Chung

隨著醫學影像資料量呈指數成長，對於協助臨床團隊處理和最佳使用所有可用影像的人工智慧需求也有顯著的增長。然而，針對已成功轉換為臨床環境的人工智慧工具，在開發上相對速度緩慢，也較為謹慎。開發和臨床採用方面所面臨的挑戰，可能有解決方案位於與影像相關的中繼資料中，因為影像品質和人工智慧模型通用性等因素的影響，可能會反映在影像檢測周邊豐富的情境資訊中。

• 史丹佛大學醫學與遺傳學教授 Euan Ashley

這場演講將探討協作團隊最近如何以最快速的 DNA 定序技術，創造了金氏世界紀錄，他們以史丹佛醫院的重症照護患者為對象，在八小時內完成完整基因體定序的醫療診斷。我們將探討如何使用現代醫院的設備，在數小時內完成過去需要耗時數年且花費數百萬美元的東西，並概述支援這項進展的運算和演算法基礎架構。

• 哥倫比亞大學教授 Mohammed AlQuraishi

使用精準競爭實驗方法來預測結構的深度學習方法，徹底顛覆了蛋白質結構預測。然而，這類方法需要大量的運算能力來訓練，並需要程式碼和資料基礎架構學習專為新工作量身打造的新模型。

歡迎在此演講中深入瞭解 OpenFold，這是一款可訓練頂尖蛋白質架構預測模型的全新開放原始碼平台。OpenFold 提供從頭開始訓練新模型所需的程式碼和資料，以及在許可授權下進行預先訓練的模型，供學術界和業界廣泛使用。