AWS запускает унифицированную среду для мультимодальных биомоделей в медицине

AWS представляет единую платформу для развертывания мультимодальных биологических базовых моделей (BioFMs).

Современное здравоохранение и медико — биологические науки все чаще сталкиваются с критической потребностью в комплексном анализе мультимодальных данных для точной диагностики, эффективного назначения лекарств и прогнозирования результатов лечения. Традиционные подходы, оперирующие фрагментированными данными, зачастую упускают ключевые взаимосвязи и глубокие сведения. В ответ на этот вызов, AWS представляет унифицированную среду для развертывания мультимодальных биологических базовых моделей (BioFMs).

Эти передовые ИИ-модели, предварительно обученные на обширных биологических наборах данных, способны бесшовно интегрировать и анализировать разрозненные потоки информации. Такой подход открывает беспрецедентные возможности для глубокого понимания терапевтических стратегий и персонализированного ухода за пациентами. Даже унимодальные BioFMs, фокусирующиеся на одной модальности данных, например аминокислотных последовательностях для предсказания структур белков, уже продемонстрировали значительные успехи, что было отмечено Нобелевской премией по химии в 2024 году, предвещая еще большие прорывы с развитием мультимодальных систем.

Мультимодальные BioFMs, в отличие от своих унимодальных предшественников, обучаются на нескольких типах данных одновременно — тексте, изображениях, аудио и видео — и могут делать комплексные выводы по различным потокам в рамках одной модели. Это позволяет получить значительно более полное представление о биологических процессах и состояниях. Среди выдающихся примеров таких моделей выделяются Latent — X1 и Latent — X2 от Latent Labs. Эти модели не только точно предсказывают 3D-структуры белков, но и способны генерировать новые связующие агенты, включая высокоэффективные антитела и мини-белки.

Модель Evo 2 от Arc Institute, в свою очередь, предлагает уникальные возможности для интерпретации и прогнозирования структуры и функции ДНК, РНК и белков. Значительный вклад также внесла Insilco Medicine, разработав модель Nach01, которая интегрирует данные естественного языка, химическую информацию и 3D-молекулярные структуры, ускоряя тем самым процессы открытия и разработки новых лекарственных препаратов. Инновации в области мультимодальных BioFMs продолжают активно развиваться усилиями ведущих игроков индустрии. Так, Bioptimus со своей моделью M — Optimys успешно расшифровывает гистологические и клинические данные, извлекая из них глубокие биологические сведения, что неоценимо на всех этапах — от фундаментальных исследований до персонализированного ухода за пациентами.

Исследователи из Harvard и AstraZeneca представили модель MADRIGAL, которая уникальным образом объединяет структурные данные, информацию о клеточной жизнеспособности и транскриптомные данные для высокоточного прогнозирования результатов комбинаций лекарств. В то же время, John Snow Lab разработала специализированную языковую модель Medical VLM-24B, способную эффективно обрабатывать и анализировать широкий спектр клинических данных, включая заметки врачей, лабораторные отчеты и медицинские изображения.