Inovasi AI dapat dunia kesehatan

Lifestyle Sains

Saat ini, sekitar 30% dari seluruh data dunia adalah data perawatan kesehatan, dengan rumah sakit menghasilkan 50 petabyte data setiap tahun. Dan pada tahun 2025, data perawatan kesehatan diprediksi akan tumbuh pada tingkat tertinggi dari industri mana pun. Karena itu, tidak mengherankan bahwa spesialis unit pemrosesan grafis (GPU) NVIDIA sedang mengembangkan sejumlah teknologi dan alat kecerdasan buatan (AI) yang dirancang untuk mengubah AI perawatan kesehatan.

Di NVIDIA GTC , konferensi teknologi GPU online yang diadakan awal pekan ini, perusahaan mengumumkan produk baru yang bertujuan untuk mengubah cara AI memberi daya pada perangkat medis. Salah satu sorotan adalah peluncuran Clara Holoscan , platform komputasi AI untuk industri perawatan kesehatan.

“Kemajuan terbaru dalam AI, pembelajaran mesin fisika, penelusuran sinar, dan komputasi akan merevolusi instrumen medis,” kata pendiri dan CEO NVIDIA Jensen Huang, dalam pidato utamanya.

Clara Holoscan memungkinkan pengembang untuk membangun aplikasi yang memproses data sensor multimodalitas, menjalankan model berbasis fisika, mempercepat analisis berbasis AI, dan membuat grafik berkualitas tinggi secara real time. Platform baru ini menyediakan infrastruktur untuk pemrosesan end-to-end data streaming dari perangkat medis, menghubungkan perangkat tersebut secara mulus dengan server edge di rumah sakit.

Sebagian besar perangkat medis, mulai dari sistem pencitraan diagnostik hingga instrumen bantuan bedah, memiliki alur kerja yang dimulai dengan sensor, menggabungkan langkah-langkah pemrosesan data, dan kemudian memerlukan visualisasi gambar untuk pengambilan keputusan manusia.

Didukung oleh chip robotik supercepat baru, NVIDIA AGX Orin, Clara Holoscan dirancang untuk mempercepat setiap fase dari jalur pemrosesan data ini. Langkah-langkahnya meliputi: mentransmisikan data sensor langsung ke GPU; perhitungan berbasis fisika atau pemrosesan AI untuk mengubah data ini menjadi domain gambar; pengolahan citra, seperti segmentasi atau klasifikasi; pengolahan data; dan visualisasi 3D dari data perangkat dan prediksi yang dihasilkan.

Yang penting, platform ini memungkinkan pengembang untuk menjalankan aplikasi streaming dengan latensi rendah di perangkat, sambil mengeksploitasi sumber daya pusat data untuk tugas yang lebih kompleks. “Aplikasi Holoscan dapat digunakan sepenuhnya dalam instrumen, di pusat data rumah sakit atau campuran keduanya,” jelas Huang. “Hal ini memungkinkan perusahaan untuk mengembangkan aplikasi yang membutuhkan lebih banyak komputasi daripada yang ada di perangkat atau untuk meningkatkan basis perangkat yang diinstal bertahun-tahun setelah penyebaran.”

Mempercepat penemuan obat

Area lain di mana AI dapat membuat dampak besar adalah penemuan obat, proses yang terkenal memakan waktu dan padat data.

“Para peneliti sedang membuat model AI yang mempelajari fisika dan membuat prediksi yang mematuhi hukum fisika,” kata Huang. “Penerapan pembelajaran mesin untuk meningkatkan simulasi fisika telah berkembang pesat.” Dan kombinasi pembelajaran mendalam dan simulasi berbasis fisika ini dapat mengubah cara obat ditemukan.

Skrining obat virtual melibatkan menemukan bahan kimia yang akan mengikat dan menghambat fungsi protein dalam jalur penyakit, menggunakan simulasi dinamis molekul dari kekuatan atom antara bahan kimia dan protein. Sampai saat ini, struktur 3D protein manusia ditentukan menggunakan kristalografi sinar-X dan mikroskop cryo-elektron. Tetapi hanya 17% dari sekitar 25.000 protein manusia yang telah didekodekan, membatasi penemuan obat dengan bantuan komputer.

Awal tahun ini, bagaimanapun, para peneliti mengajarkan AI untuk memprediksi bentuk 3D protein hanya dari urutan asam amino mereka, menggunakan DeepMind untuk memecahkan kode lebih dari 20.000 protein manusia dalam semalam. Bersamaan dengan itu, model AI sekarang dapat mempelajari karakteristik bahan kimia efektif yang diketahui dan menggunakannya untuk menghasilkan obat baru yang berpotensi efektif lainnya.

“Bahan kimia yang lebih berpotensi efektif memenuhi ratusan ribu lebih banyak struktur protein, membuka ruang peluang baru raksasa yang belum dijelajahi,” kata Huang. “Ruang peluang telah meningkat satu juta kali lipat, tetapi ini telah menciptakan kemacetan simulasi molekuler besar-besaran.”

Masuki perusahaan rintisan yang berbasis di San Diego , Entos , anggota program NVIDIA Inception, yang bertujuan menggunakan pembelajaran mesin untuk merevolusi dan mempercepat penemuan obat. Entos telah menciptakan OrbNet, arsitektur pembelajaran mesin fisika yang memberikan peningkatan kinerja ribuan kali lipat dalam simulasi molekuler. Perusahaan memajukan pekerjaannya menggunakan NVIDIA Clara Discovery , kumpulan alat, model, dan aplikasi AI yang memungkinkan penemuan obat in silico semacam itu .

Entos berfokus pada identifikasi molekul obat yang dapat menonaktifkan protein yang terkait dengan bentuk kanker tertentu. Huang membagikan contoh simulasi reaksi kimia antara protein dan calon obat. “Simulasi ini memakan waktu tiga jam pada satu GPU. Tanpa pembelajaran mesin fisika OrbNet, itu akan memakan waktu lebih dari tiga bulan, ”katanya.

“Masa depan penemuan obat adalah komputasi ujung ke ujung, pemodelan jalur penyakit, gen yang terlibat, interaksi obat-target dan interaksi di luar target,” kata Huang. “Dengan pertemuan akselerasi jutaan kali, pembelajaran mesin untuk protein dan prediksi struktur kimia, dan pendekatan simulasi pembelajaran mesin fisika, kita menyaksikan awal revolusi biologi.”

Leave a Reply

Your email address will not be published. Required fields are marked *