Nvidia表示，美国医疗保健系统越来越多地采用数字健康代理，以利用人工智能实现各种应用，包括药物发现、数据提取和 3D CT 图像组织
该公司表示，其 NIM 云原生微服务正在用于促进这一 AI 模型的部署。
NIM 是一组优化的云原生微服务，旨在缩短产品上市时间并简化生成式 AI 模型的部署。
NIM 应用在医疗保健领域的应用示例包括美国国家癌症研究所的研究人员部署了多个使用 Nvidia MONAI 构建的 AI 模型用于医学成像。VISTA-3D NIM 基础模型用于分割和注释 3D CT 图像。
此外，使用三个 NIM 微服务进行药物发现的生成虚拟筛选正在帮助研究人员搜索和优化小分子库，以确定与目标蛋白质结合的有希望的候选药物。
Nvidia 最近发布了两种用于药物研发的新型 NIM 微服务，帮助研究人员了解蛋白质如何与目标分子结合，这是药物设计的关键步骤。
这些是 AlphaFold2-Multimer NIM 微服务，Nvidia 表示它可以帮助研究人员在几分钟内根据序列准确预测蛋白质结构，从而减少了在实验室进行耗时测试的需要。
RFdiffusion NIM 微服务使用生成式 AI 来设计新型蛋白质，这些蛋白质是极有希望的候选药物，因为它们很可能与目标分子结合。
Nvidia 表示，NIM 和 NIM Agent Blueprints 可以帮助公共部门的医学研究人员快速采用最先进的、优化的 AI 模型来加速他们的工作。
它补充说，预训练模型可以根据组织自己的数据进行定制，并且可以根据用户反馈不断改进。
通过以数字化方式开展更多的临床前研究，科学家可以在实验室测试之前缩小候选药物范围，从而使发现过程更高效、更便宜。
例如，美国国立卫生研究院国家转化科学促进中心 (NCATS) 的一个团队正在使用 NIM Agent Blueprint 进行基于生成式 AI 的虚拟筛选，以减少开发新型药物分子的时间和成本
同样由 NCATS 运营的遗传和罕见疾病信息中心正在探索使用 PDF 数据提取蓝图来开发生成性 AI 工具，以增强该中心从以前无法搜索的数据库中收集信息的能力。
大量医疗保健数据（包括研究论文、放射学报告和病人记录）都是非结构化的，且锁定在 PDF 文档中，这使得研究人员难以快速搜索信息。
NCATS 首席信息官 Sam Michael 表示：“该中心分析了美国国家医学图书馆、Orphanet 数据库以及美国国立卫生研究院内其他研究所和中心的数据来源，以解答患者的问题。”
“人工智能驱动的 PDF 数据提取可以更轻松地从以前无法搜索的数据库中提取有价值的信息。”
该公司补充说，Abridge 和 HealthOmics 等公司也在使用 NVIDIA 应用程序来赢得政府合同。
原创文章，作者：点点，如若转载，请注明出处：https://www.dian8dian.com/ren-gong-zhi-neng-zai-yi-liao-bao-jian-ling-yu-de-ying-yong
