分享NVIDIA GTC 23大会干货加速生成式AI在生物学和医疗领域的应用

Posted 2023-03-23 L1_Zhang

【分享NVIDIA GTC 23大会干货】加速生成式AI在生物学和医疗领域的应用

• 1. NVIDIA医疗领域AI计算平台——NVIDIA CLARA
• 2. NVIDIA CLARA医学影像子平台——MONAI
• 3. NVIDIA CLARA医疗设备子平台——Holoscan
• 4. NVIDIA基因组学解决方案Parabricks
• 5. NVIDIA药物研发解决方案
• 6. 个人思考
• 参考文献

有幸聆听了GTC 23其中一个session：Accelerating Generative AI in Biology and Healthcare [S51257]，在此做个分享。

生成式AI可以说是此次GTC大会的关键词之一。正如session中所讲，生成式AI是AI领域的next wave/chapter。

以CHATGPT为代表的生成式AI模型可以说近期是万众瞩目。使用CHATGPT可以实现判若真人的对话、帮助人们回答一些问题，协助完成一些工作，如写一段代码；使用DALL-E，输入一段文字，生成一张对应的图片；使用alphafold，从蛋白质氨基酸序列预测蛋白质三维结构…

那么在生物学和医疗领域，生成式AI具体有什么应用呢？NVIDIA为推动行业的发展提供了哪些可供快速使用的利器/平台？此session将逐一揭晓。

1. NVIDIA医疗领域AI计算平台——NVIDIA CLARA

NVIDIA CLARA平台可以为生物学和医疗领域提供如下方向的解决方案：

• 基因组学 Parabricks；
• 自然语言(ASR, NLP，TTS) NeMo；
• 药物研发 BioNeMo；
• 医学影像 MONAI；
• 医疗设备 Holoscan 。

NVIDIA CLARA目前已经形成了一个覆盖上下游产业链的完整生态。

2. NVIDIA CLARA医学影像子平台——MONAI

MONAI(Medical Open Network for Artificial Intelligence)具有如下功能：

• 使用主动学习(Active learning)进行昂贵的数据标注(labeling)；
• 当数据比较少的情况下，可用于生成数据，如利用GAN模型；
• 存在大量无标签数据的情况下，可以使用transfomer之类的模型进行自监督学习，以用于下游任务；
• 为保证数据隐私，联邦学习可以让多个机构利用自己的数据进行多次迭代训练模型，随后将模型上传服务器。在收到各地上传的更新模型后，服务器将根据各地上传的模型对全局模型在整个MONAI生态进行更新、部署。

当前MONAI当前下载约百万，其model-zoo中有20+模型，如heart segmentation，每个模型都有详细的介绍。

著名癌症药物公司BMS(Bristol-Myers Squibb)拥有大量的临床数据以及CT片，它们已经使用MONAI来训练语义分割模型，来提升药物临床试验效果。

3. NVIDIA CLARA医疗设备子平台——Holoscan

影像是医疗健康领域常见的呈现形式，它存在于初筛、诊断及治疗的各个阶段。通常2D图像用于每年体检及早期发现，3D图像用于定量分析，4D图像用于捕获运动及功能，而到了第5个维度，实时传感器可使得医学设备能够自动实现功能。

当系统及功能非常复杂，这时就需要一套实时的AI传感平台，这正是发明Holoscan的初衷。


Medtronic公司大概每年服务7600万患者，使用了Holoscan的GI Genius Intelligent Endoscopy模块应用于结肠镜检查，通过大量数据验证了使用该平台比仅使用人，会降低约50%的错误率。Holoscan平台可帮助开发者节约时间，加速AI技术在医疗健康领域的创新。

4. NVIDIA基因组学解决方案Parabricks

测序平台以超摩尔定律的速度发展。近几年来以Oxford nanopore以及PacBio为代表开发出的长读长测序技术，使得测序成本不断下降。

NVIDIA Parabricks可以加速测序的各个阶段，提升测序通量及准确性，降低测序成本。

5. NVIDIA药物研发解决方案

BioNeMo 是一款AI 赋能药物研发云服务和框架，用于在超级计算规模下训练和部署大型生物分子 Transformer AI 模型。

使用BioNeMo 进行药物研发，示例如下：

• 生成式AI模型读取蛋白质氨基酸序列，并预测出其3D结构，同时还可以生成具有期望ADME属性的分子；
• 
• 同时还可以生成具有期望ADME属性的分子；
  
• 生成式模型进一步可用于预测蛋白质与分子之间结构上的3D作用，来加速最优候选药物的研发。
  

6. 个人思考

生物学及医疗领域是AI落地比较早的领域之一，医学影像、生物制药、蛋白质结构预测、基因组学等等。AI在此领域大有可为，无论是CV分类/语义分割/目标检测，还是NLP 大语言模型/自监督学习，也都可以找到AI的身影。

通过此session，了解到了NVIDIA作为顶级GPU算力提供商，在构建生态方面所做的努力，对于加速AI在此领域的应用有非常积极的促进作用。

另外，NVIDIA边缘设备的发展，也会为小型化、便携式、质优价廉的医疗设备进入家庭创造了可能。

参考文献

[1] Accelerating Generative AI in Biology and Healthcare [S51257]
[2] https://monai.io/model-zoo.html