醫護人員站在醫療健康系統的第一線，為我們提供即時護理。與此同時，醫療研發人員也在不斷努力，為臨床醫師提供更先進的醫療工具和技術。
這些研發人員不斷研製新的藥物來治療目前還無法治癒的疾病，模擬生物有機體和結構以更好地了解它們的工作原理，並深入研究基因組資料以找到與特定健康狀況相關的遺傳標記物。
而且，這些不斷增長的應用程式，都仰賴 AI 和加速運算來實現。
AI 如何改變藥物研發
潛在的藥物樣分子幾乎與可觀測的宇宙中的原子一樣多。為了探索這個巨大的分子庫，製藥公司和研究人員投入了多年的努力和數十億美元的資金，以發現疾病治療的新方法。
科學家憑藉其專業知識來猜測哪些藥物分子能夠阻止某種疾病的惡化。以前，他們每次只能專注一種疾病，並投入數年時間來進行研究。有了人工智慧的幫忙，現在他們可以模擬數百萬種分子，並一次性嘗試數百種疾病。
利用深度學習技術，研究人員可以探索藥物分子在人體內發揮作用的生化規律，這有助於研究人員了解藥物分子的潛在副作用，甚至還可以創造出治療疾病的全新合成分子。
匹茲堡大學的研究員 David Koes 所做的，正是如此。他利用 NVIDIA GPU 進行分子對接，模擬試驗藥物與目標蛋白的結合過程。他的團隊開發了一個深度學習模型，將預測準確度從 52% 提高到了 70%。
Recursion Pharmaceuticals 公司是 NVIDIA 新創加速計劃的一員，他們正在使用 100 多個 GPU 來訓練其神經網路，以便在多個治療領域推進藥物研發過程，包括目前尚無治愈療法的數百種罕見疾病。
Recursion 公司的深度學習模型可分析顯微圖像，從而確定藥物化合物能否有效治愈患病細胞。借助人工智慧技術，該公司可以在一周內從 1000 多萬個細胞中篩選出數百種特徵。
AI 如何改變基因組學
基因組學是另一個數據規模和複雜性都超乎想像的醫學領域。儘管基因組學是一個新興領域，但它的發展速度很快，數據集的規模每八個月就會成長一倍。
目前，全世界大約有一百萬個完整的人類基因組已完成定序，這為科學家們提供了用於精準醫藥、免疫療法和人口研究的龐大數據庫。但是，除了收集數據之外，這些數據都需要進行計算分析。
Scripps 轉譯醫學研究院（Scripps Research Translational Institute）正與 NVIDIA 合作開發深度學習應用程式，希望提供更經濟的基因組定序方式和更有效的基因數據突變檢測。各類新創企業也在利用 GPU 來應對基因組分析中面臨的挑戰。
新創公司 Parabricks 是 NVIDIA 新創加速計劃的成員之一，其聯合創辦人 Ankit Sethia 表示，就像GPU 透過獨立處理多個像素來解決圖形問題這樣的過程一樣，他們也可以將遺傳資料分解成微小的、單獨的部份，然後再將其重新組合在一起。
該公司目前使用 NVIDIA DGX-1 伺服器來檢測序列基因組中的關鍵標誌物和異常值。借助於 NVIDIA DGX-1 伺服器，檢測時間從幾天縮短到一個小時以內。
AI 如何改變醫學研究
世界各地大學的研究人員正在使用人工智慧技術和 GPU 來模擬我們尚未完全理解的生物結構和疾病。
澳大利亞蒙納許大學（Monash University）的一個團隊正在使用一種名為低溫電子顯微鏡的方法來研發高解析度的 3D 分子模型，這是一項運算密集的研發過程，需要藉助搭載 NVIDIA GPU 的超級電腦來完成。
研究人員正在利用這項技術開發能夠對抗超級細菌或耐藥細菌的藥物。
在美國，美國科羅拉多州立大學（Colorado State University）的研究人員正在模擬一種在登革熱病毒中發現的酶。登革熱病毒是一種致命病毒，每年會感染數億人。借助位於聖地亞哥超算中心搭載 GPU 的超級電腦，該團隊正在研究這種酶的全新活動原理。
隨著精度的不斷提高，這項研究工作可以帶來全新發現，阻止登革熱這類疾病的傳播。
深度學習技術還有助於研究人員收集用於開發突破性醫療應用所需的來源數據。在 NVIDIA，研究人員正在使用生成對抗網路（GANs）來推進醫學研究。該網路可以生成異常的大腦核磁共振成像（MRI），從而訓練用於醫學成像的神經網路。
這些合成 MRI 圖像有助於醫藥研發人員應對常見的挑戰: 缺乏平衡、可靠的訓練數據來訓練他們的深度學習模型。
您可以在 NVIDIA 醫療保健頁面了解更多詳情。