Cerebras Systems با کلینیک Mayo در مدل ژنومی که درمان آرتریت را پیش بینی می کند، همکاری می کند

Cere،s Systems با آن همکاری کرده است کلینیک مایو برای ایجاد یک مدل پایه ژنومی هوش مصنوعی که بهترین درمان های پزشکی را برای افراد مبتلا به آرتریت روماتوئید پیش بینی می کند.

اندرو فلدمن، مدیر عامل شرکت، گفت: همچنین می تواند در پیش بینی بهترین درمان برای افراد مبتلا به سرطان و بیماری های قلبی عروقی مفید باشد. سیستم های مغزی، در مصاحبه با GamesBeat.

کلینیک مایو، با همکاری Cere،s Systems، امروز در کنفرانس JP M، Healthcare در سانفرانسیسکو، پیشرفت قابل توجهی در توسعه ابزارهای هوش مصنوعی برای پیشبرد مراقبت از بیمار اعلام کرد.

به ،وان بخشی از تعهد کلینیک مایو به تغییر مراقبت های بهداشتی، این موسسه توسعه یک مدل پایه ژنومی در سطح جه، را رهبری کرده است که برای حمایت از پزشکان و بیماران طراحی شده است.

مانند انویدیا و سایر شرکت های نیمه هادی، سربراس اگر روی ابررایانه های هوش مصنوعی متمرکز باشد. اما رویکرد آن بسیار متفاوت از Nvidia است که بر روی پردازنده های هوش مصنوعی تکیه دارد. Cere،s Systems یک ویفر کامل - با تراشه های زیادی روی یک ویفر سیلی، - طراحی می کند که در مجموع مشکلات بزرگ هوش مصنوعی و سایر وظایف مح،اتی را با مصرف انرژی بسیار کمتر حل می کند. فلدمن گفت که ده ها سیستم از این قبیل برای مح،ه مدل پایه ژنومی در طول ماه ها زمان نیاز داشت. او گفت که با این حال، زمان، تلاش، قدرت و هزینه بسیار کمتری نسبت به راه حل های مح،اتی سنتی بود. PitchBook اخیراً پیش بینی کرد که Cere،s در سال 2025 یک IPO خواهد داشت.

این مدل با تکیه بر رهبری کلینیک مایو در پزشکی دقیق، برای بهبود تشخیص و شخصی سازی انتخاب درمان، با تمرکز اولیه روی آرتریت روماتوئید (RA) طراحی شده است. درمان RA یک چالش بالینی قابل توجه است که اغلب به تلاش های متعدد برای یافتن داروهای مؤثر برای بیماران خاص نیاز دارد.

رویکردهای سنتی که نشانگرهای ژنتیکی را بررسی می کنند موفقیت محدودی در پیش بینی پاسخ درم، نشان داده اند.

مدل ژنومی تیم مش، با مخلوط ، داده های ژنوم مرجع انس، در دسترس عموم با داده های جامع اگزوم بیمار مایو آموزش داده شد. ژنوم مرجع انسان یک توالی DNA دیجیتالی است که نسخه ،یبی و "ایده آلی" ژنوم انسان را نشان می دهد. این به ،وان یک چارچوب استاندارد عمل می کند که می توان ژنوم های فردی انسان را با آن مقایسه کرد و محققان را قادر می سازد تا تغییرات ژنتیکی را شناسایی کنند.

برخلاف مدل هایی که منحصراً بر روی ژنوم مرجع انس، آموزش داده شده اند، مدل پایه ژنومی مایو نتایج قابل توجهی بهتری را در طبقه بندی انواع ژنومی نشان می دهد، زیرا بر روی داده های 500 بیمار کلینیک مایو آموزش داده شده است. همانطور که داده های بیمار بیشتر در آموزش گنجانده می شود، تیم انتظار بهبود مستمر در کیفیت مدل را دارد.

این تیم معیارهای جدیدی را برای ارزیابی قابلیت های مرتبط بالینی مدل طراحی ،د، مانند تشخیص شرایط پزشکی خاص از داده های DNA، رفع شکاف در معیارهای در دسترس عموم، که عمدتاً بر شناسایی ،اصر ساختاری مانند مناطق نظارتی یا عملکردی تمرکز دارند.

مدل بنیاد ژنومی کلینیک مایو دقت پیشرفته ای را در چندین حوزه کلیدی نشان می دهد: دقت 68 تا 100 درصد در معیارهای RA، دقت 96 درصد در پیش بینی مستعد سرطان، و دقت 83 درصد در پیش بینی فنوتیپ قلبی عروقی. این قابلیت ها با چشم انداز کلینیک مایو برای ارائه مراقبت های بهداشتی پیشرو در جهان از طریق فناوری هوش مصنوعی هماهنگ است. فلدمن گفت که باید آزمایشات بیشتری برای تأیید نتایج انجام شود.

متیو کالستروم، مدیر پزشکی استراتژی و رئیس رادیولوژی کلینیک مایو، در بی،ه ای گفت: «کلینیک مایو متعهد به استفاده از پیشرفته ترین فناوری هوش مصنوعی برای آموزش مدل هایی است که مراقبت های بهداشتی را به طور اساسی متحول می کند». همکاری ما با Cere،s ما را قادر ساخت تا یک مدل پیشرفته هوش مصنوعی برای ژنومیک ایجاد کنیم. در کمتر از یک سال، ابزارهای امیدبخش هوش مصنوعی را توسعه داده ایم که به پزشکان ما کمک می کند تا بر اساس داده های ژنومی تصمیمات آگاهانه تری بگیرند.

ناتالیا واسیلیوا، CTO مید، در Cere،s می گوید: «مدل پایه ژنومی مایو نوار جدیدی را برای مدل های ژنومی ایجاد می کند، که نه تنها در کارهای استاندارد مانند پیش بینی ویژگی های عملکردی و تنظیم کننده DNA، بلکه همچنین امکان کشف همبستگی های پیچیده بین انواع ژنتیکی و شرایط پزشکی را فراهم می کند.» سیستم ها، در بی،ه ای. برخلاف رویکردهای کنونی که بر تداعی های تک متغیری متمرکز شده اند، این مدل امکان کشف ارتباطاتی را فراهم می کند که در آن مجموعه ای از انواع به یک شرایط خاص کمک می کنند.

توسعه سریع این مدل ها - معمولاً یک تلاش چند ساله - با آموزش مدل های سفارشی کلینیک Mayo بر روی پلتفرم هوش مصنوعی Cere،s تسریع شد. مدل بنیاد ژنومی مایو گام های مهمی را در جهت افزایش پشتیب، تصمیم گیری بالینی و پیشبرد پزشکی دقیق نشان می دهد.

محصول شاخص سربراس CS-3 است، سیستمی که توسط Wafer-Scale Engine-3 طراحی شده است.

هوش مصنوعی پیشرفته برای اشعه ای، قفسه سینه

به طور جداگانه، کلینیک مایو امروز از همکاری های پیشگامانه جداگانه با تحقیقات مایکروسافت و سیستم های سربراس در زمینه هوش مصنوعی مولد (AI) رونمایی کرد که برای شخصی سازی مراقبت از بیمار، تسریع قابل توجهی در زمان تشخیص و بهبود دقت طراحی شده است.

این پروژه ها که در کنفرانس مراقبت های بهداشتی JP M، اعلام شد، بر توسعه و آزمایش مدل های پایه سفارشی سازی شده برای کاربردهای مختلف، استفاده از قدرت تصاویر و داده های رادیولوژی چندوجهی (شامل سی تی اسکن و MRI) با تحقیقات مایکروسافت و داده های توالی ژنومی با Cere،s تمرکز دارند.

نوآوری ها این پتانسیل را دارند که نحوه برخورد پزشکان با تشخیص و درمان را تغییر دهند و در نهایت منجر به نتایج بهتر بیمار شوند.

مدل های هوش مصنوعی بنیادی، مدل های بزرگ و از پیش آموزش دیده ای هستند که قادر به تطبیق و انجام بسیاری از وظایف با حداقل آموزش اضافی هستند. آنها از مجموعه داده های عظیم یاد می گیرند و دانش عمومی را به دست می آورند که می تواند در برنامه های مختلف مورد استفاده قرار گیرد. این سازگاری آنها را بلوک های سازنده کارآمد و همه کاره برای سیستم های هوش مصنوعی متعدد می کند.

کلینیک مایو و تحقیقات مایکروسافت به طور مش، در حال توسعه مدل های بنیادی هستند که متن و تصاویر را یکپارچه می کند. برای این مورد، مایو و مایکروسافت ریسرچ با هم کار می کنند تا استفاده از هوش مصنوعی مولد در رادیولوژی را با استفاده از فناوری هوش مصنوعی مایکروسافت ریسرچ و داده های اشعه ای، کلینیک مایو بررسی کنند.

توانمندسازی پزشکان با دسترسی فوری به اطلاعات مورد نیاز در قلب این پروژه تحقیقاتی است. هدف کلینیک مایو توسعه مدلی است که می تواند به طور خودکار گزارش تولید کند، محل قرارگیری لوله و خط را در اشعه ای، قفسه سینه ارزیابی کند و تغییرات را از تصاویر قبلی تشخیص دهد. این مدل اثبات مفهوم به دنبال بهبود گردش کار پزشک و مراقبت از بیمار با ارائه تجزیه و تحلیل کارآمدتر و جامع تر از تصاویر رادیوگرافی است.

کلینیک مایو دارای 76000 نفر است و سالانه تعداد زیادی بیمار را می بینند.

ما در شراکتی برای آوردن فناوری هوش مصنوعی به مراقبت های بهداشتی اقدام کردیم. فلدمن گفت که این به ما امکان داد تا نوعی از تخصص دامنه، داده های قابل توجه آنها را با تخصص هوش مصنوعی و مح،ات خود ،یب کنیم.

او گفت که مدل های زبان بزرگ کلمات را پیش بینی می کنند، اما مدل های ژنومی نوکلئوتیدها را پیش بینی می کنند. هنگامی که یک نوکلئوتید در یک جهش یا خطای رونویسی برگردانده می شود، می تواند علت یک بیماری باشد یا می تواند شروع یک بیماری را پیش بینی کند.

مدل های موجود فقط می توانند بپرسند که آیا چرخش یک نوکلئوتید یک بیماری را پیش بینی می کند یا خیر. اما Cere،s به چرخش بیش از یک نوکلئوتید نگاه می کند و مدل دقیق تری ارائه می دهد.

فلدمن گفت: «چیزی که ما به همراه کلینیک مایو برای آن استفاده می کنیم، پیش بینی این است که کدام دارو برای یک بیمار خاص مؤثر است.

این یک مدل پایه میلیارد پارامتری یا 10 برابر بزرگتر از AlphaFold است و بر روی یک تریلیون توکن آموزش داده شده است. فلدمن گفت که این امر آن را دقیق تر می کند.

در اغلب موارد، بیماران باید یک فرآیند آزمون و خطا را طی کنند تا بفهمند کدام دارو مؤثر است. اما با این مدل، فلدمن معتقد است که می تواند پیش بینی کند که کدام دارو بر روی یک فرد خاص اثر می گذارد. اولین هدف، آرتریت روماتوئید است که 1.3 میلیون آمریکایی را مبتلا کرده است.

او گفت: «در حالی که هنوز زود است، چیزی که ما توانستیم نشان دهیم این بود که می تو،م با دقت چشمگیری پیش بینی کنیم که کدام دارو برای یک بیمار معین مؤثر است.»

در مورد آرتریت، دقت پیش بینی 87 درصد بود. داده ها همچنان باید منتشر و بررسی شوند.

بینش روزانه در مورد موارد استفاده تجاری با VB Daily

اگر می خواهید رئیس خود را تحت تأثیر قرار دهید، VB Daily شما را تحت پوشش قرار می دهد. ما اطلاعاتی در مورد اینکه شرکت ها با هوش مصنوعی مولد چه می کنند، از تغییرات نظارتی گرفته تا استقرار عملی، به شما ارائه می کنیم، بنابراین می تو،د بینش هایی را برای حدا،ر بازگشت سرمایه به اشتراک بگذارید.

سیاست حفظ حریم خصوصی ما را بخو،د

با تشکر برای اشتراک. خبرنامه های بیشتر VB را اینجا ببینید.

خطایی رخ داد.