Nvidia 正在帮助促进数字健康代理在美国医疗保健系统中的采用，以部署 AI 技术。据 Nvidia 称，这些数字健康代理正在越来越多地被用于各种应用，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种 AI 模型的部署。NIM 是一组优化的云原生微服务，旨在缩短上市时间并简化生成式 AI 模型的部署。
NIM 在医疗保健领域的应用示例包括：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，用于医学影像。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 微服务进行生成式虚拟筛选，以帮助研究人员搜索和优化小分子库，从而识别与目标蛋白结合的有前景的候选物。
Nvidia 最近发布了两个新的 NIM 微服务，以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。AlphaFold2-Multimer NIM 微服务可以在几分钟内从蛋白质序列中准确预测蛋白质结构，减少了实验室中耗时的测试需求。RFdiffusion NIM 微服务则使用生成式 AI 设计新型蛋白质，这些蛋白质作为有前景的药物候选物，因为它们可能与目标分子结合。
Nvidia 表示，NIM 和 NIM Agent 蓝图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，加速他们的工作。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。通过在临床前研究中进行更多数字化研究，科学家可以缩小药物候选物的数量，从而在实验室测试之前使发现过程更加高效和经济。
例如，NIH 的国家转化科学推进中心（NCATS）的一个团队正在使用 NIM Agent 蓝图进行基于生成式 AI 的虚拟筛选，以减少开发新型药物分子的时间和成本。遗传和罕见疾病信息中心（也由 NCATS 运行）正在探索使用 PDF 数据提取蓝图来开发生成式 AI 工具，以增强该中心从以前无法搜索的数据库中提取信息的能力。
大量的医疗保健数据，包括研究论文、放射学报告和患者记录，都是非结构化的，并且锁定在 PDF 文档中，这使得研究人员难以快速查找信息。“该中心分析来自国家医学图书馆、Orphanet 数据库和其他 NIH 机构和中心的数据源，以回答患者的问题。”NCATS 首席信息官 Sam Michael 说，“AI 助力的 PDF 数据提取可以使从以前无法搜索的数据库中提取有价值的信息变得更加容易。”
Nvidia 还提到，像 Abridge 和 HealthOmics 这样的公司也在使用 Nvidia 应用程序赢得政府合同。
(全文结束)
