利用亚马逊云科技上的生成式 AI 加速生命科学创新

云计算
re:Invent
0
0
## 视频 <video src="https://dev-media.amazoncloud.cn/30-LibaiGenerate/31-LiBaiRebrandingVideo/LFS202-Accelerating_life_sciences_innovation_with_generative_AI_on_AWS-LBrebrandingWCaptionCN.mp4" class="bytemdVideo" controls="controls"></video> ## 导读 生命科学组织正在拥抱生成式 AI,以加速创新和效率。在本次论坛中,您将了解吉利德如何使用亚马逊云科技上的生成式 AI,通过独特的架构模式为基金会模式选择提供支持,并实施基金会模式治理。探索这将如何影响 Gilead 对临床研究可行性的理解,并允许他们利用内部和真实世界数据集,通过 AI 驱动的协议分析、优化选址。了解 [Amazon Bedrock](https://aws.amazon.com/cn/bedrock/?trk=cndc-detail) 可用基础模式如何帮助吉利德从关键数据集生成见解,并加速分析来自整个企业各种来源的大量非结构化信息。 ## 演讲精华 <font color = "grey">以下是小编为您整理的本次演讲的精华,共1500字,阅读时间大约是8分钟。如果您想进一步了解演讲内容或者观看演讲全文,请观看演讲完整视频或者下面的演讲原文。</font> 亚马逊云科技的UJ先生在一场关于[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)的讲座上展现了热情,他欢迎了在场的观众,并向大家介绍了他的两位尊贵嘉宾——Gilead Sciences公司的首席云架构师和高级总监Kevin Cox以及Gilead Sciences公司的临床数据科学和高级分析资深总监Jeremy Zhang。" "UJ先生有礼地解释道,这场引人入胜的讨论将分为三个主要部分:首先,他将全面介绍亚马逊云科技如何战略性地利用生成性AI为生命科学行业的客户创造价值;然后,他将讨论亚马逊云科技在帮助生命科学组织时所考虑的相关因素和独特的功能;最后,他将邀请Kevin和Jeremy详细分享Gilead是如何借助生成性AI和亚马逊云科技的服务深刻改变其业务的。" "UJ先生开始他的精彩部分,他坚定地强调,2022年,生成性AI领域取得了积极的突破,这不仅仅是由少数几个模型推动的,而是通过几年来的不懈努力,从2017年的先驱式变压器到目前具有巨大实际影响力的真实应用。他认为这是由于大量可用的大型预训练模型、云计算提供的丰富计算资源以及精心创建的有意义的真实应用场景和有序的工作流程共同驱动的。" "UJ进一步阐述了为什么前瞻性的生命科学组织正在广泛部署生成性AI以实现各种变革性的应用——从通过预测蛋白质和不同分子结构的复杂属性来显著加速药物发现过程,到通过自动化文档记录和高效的简化工作流程大幅度优化临床试验,特别是减少生产缺陷,为商业和医学事务部生成个性化的患者内容和体验,甚至使用方便的聊天机器人提供患者管家服务。 然而,UJ敏锐地提醒我们,一个常见的误解是更大的生成模型总是更优越的。尽管这可能适用于一般任务,但他在领域特定的专有数据集上对模型进行微调的论点令人信服。他引用了麻省理工学院的引人注目的研究和亚马逊云科技的经验,表明在应用于合适的数据时,较小的、专门的模型在针对目标用例的情况下可以显著超过较大的基础模型。 因此,在选择最佳的生成性AI方法时需要仔细平衡三个关键参数:质量、成本和延迟。给定任务的最佳模型取决于全面了解特定问题的本质、生产部署要求和性能需求。真正深思熟虑的领域驱动策略是关键。 随后,UJ通过一个名为“健康代理”的有趣原型展示了这种实用方法。该原型可以交互式查询假想患者的全面健康记录,包括电子病历、医学影像和基因组学等多种模态,然后使用适当的模型编排提供对话式响应,以相关医学研究和临床试验数据为基础,提供有用的见解。 接下来,UJ从亚马逊云科技的更广泛视角出发,重申了该公司如何看到[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)在整个生命科学行业中的巨大采用。他引用了一个统计数据,即现在9家顶级制药公司中有7家依赖亚马逊云科技满足其基本的[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)需求。他解释说,这已经由一个专注于解决客户在高效模型训练、数据隐私、生产力导向应用程序以及规模上的成本性能优化方面的痛点的反向思维策略所推动。 亚马逊云科技的最新产品是[Amazon Bedrock](https://aws.amazon.com/cn/bedrock/?trk=cndc-detail),这是一个完全托管的服务,为用户提供轻松访问各种预构建的生成模型,用户可以通过私人微调将其定制为自己的专有数据。它提供了Codex、Jurassic-1、Cohere、Anthropic的Claude等模型供用户选择和测试,以便为他们量身定制的需求选择最佳方法。 最后,UJ顺利地将讨论交给了Gilead Sciences的Kevin Cox,以探讨他们利用生成性AI和亚马逊云科技的经验和成功案例。 凯文详细地介绍了吉利德在病毒学、肿瘤学和炎症领域的研究和治疗目标,着重强调了他们在治愈丙型肝炎等方面的显著成就。然而,他强调这只是一个开始,公司计划在2030年之前推出10多种革命性的治疗方法。为了推动大规模的创新发展,吉利德已经实施了一项以亚马逊云科技为核心的云优先战略,并在数据、人工智能和[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)领域进行了大量投资。 凯文解释道,吉利德通过构建先进的数据网络,实现了业务部门之间无缝共享受控的数据产品。公司的目标是将业务需求与其云原生和数据平台紧密结合,以便整个组织的数据科学家可以轻松地使用诸如SageMaker和Databricks之类的工具。这种前瞻性的数据驱动方法已经在吉利德从研究到商业化的整个过程中得到了广泛应用和支持。 凯文表示,与亚马逊云科技的战略合作是吉利德现有合作的自然延伸,有助于高效地创新新功能,如研究的企业级人工智能和高性能计算。吉利德将继续引领前沿技术,如生成性人工智能,以全面改造其业务。 凯文认为,生成性人工智能非常适合优化低效的手动流程,并挖掘生命科学行业中高度监管下的非结构化数据价值。他指出,来自吉利德各个业务部门的强烈需求是更有效地利用他们的丰富数据和内容资源。 为了切实扩大解决方案,吉利德采用了两阶段方法——首先建立一个创新工厂,快速识别和原型化具有高潜力的使用案例,然后将成功的概念验证顺利过渡到正式的开发周期,以实现大规模生产部署。为此,吉利德还设立了一个积极的AI卓越中心,以确保在整个组织中负责任且合规地推广AI技术。 最后,凯文优雅地将舞台交给了吉利德的杰里米·张,让他详细介绍吉利德如何战略性地利用生成性人工智能来改变药物开发过程。 Jeremy首先深入地强调了Gilead在全球范围内强大的影响力。在考虑全球临床站点、MSL(医疗科学联络)以及当地分公司等方面时,他指出解决方案必须进行全面的综合评估。他特别指出了人工智能相关的法规在各个地区的迅速发展,尤其是在欧盟,这引发了一系列关于信任、可解释性、隐私和安全的问题。 此外,他还注意到了人才是他们最宝贵的资源,因为高技能的数据科学家有许多有吸引力的选择,而不仅仅局限于加入高度受监管的制药公司。针对这些挑战,Gilead已经审慎地将生成性AI的应用分为基础模型、定制模型和DIY模型这三个领域,每个方法都有需要仔细评估的复杂权衡因素。 Jeremy还提供了一个例子,展示了Gilead是如何通过构建一个端到端的AI驱动应用程序来优化临床试验的。他们整合了大量的内部和外部数据到一个灵活的通用数据模型中,涵盖了临床、真实世界、运营以及其他数据类型。借助亚马逊云科技的服务,如S3、RDS、Airflow和Databricks,他们的目标是建立一个支持企业级平台,以支持各种当前的和未来的AI应用程序。 他们的第一个成功应用是促进了自然语言查询,使得跨职能团队能够通过与系统的交流而不是低效的长会议来分析数据和讨论协议。这个系统将通用数据模型与Bedrock相结合,以便查找相关信息、生成摘要并回答问题。 Jeremy清楚地解释了这种对话式的方向如何使他们在优化试验可行性、方案设计、患者群体匹配等方面比传统工作流程更快。它还有助于确保试验的多样性,这是从2023年开始的FDA的要求。 总的来说,Jeremy强调了他对如何通过AI改变业务流程的雄心壮志,明智地选择了有针对性的应用场景,紧密地将技术与商业价值相结合,并利用像Bedrock这样的服务将数据转化为可操作的见解和显著的生产力提升。 最终,UJ总结了这场富有洞察力的会议,并分享了实施生成性人工智能的一些关键收获和最佳实践。他建议从明确的使用场景出发,而非仅仅关注模型本身;注重数据的差异性,并在可能的情况下采用托管服务;同时审慎处理治理、合规性和偏见消除等方面的问题。 他强调,亚马逊云科技始终以客户需求为导向,致力于借助诸如生成性人工智能等先进技术推动生命科学领域的创新,并为社会福祉做出贡献。UJ礼貌地结束了发言,并邀请与会者参观亚马逊云科技展区的各种医疗保健应用场景展示,同时通过捐款支持儿童脑肿瘤研究。 总的来说,这次内容丰富多样的会议展示了生成性人工智能如何通过与创新型公司(如Gilead Sciences)的合作,深刻改变生命科学行业的面貌。它为医疗保健机构提供了如何审慎地利用这些新兴技术加速研究和改进过程的策略建议,同时负责应对潜在的挑战。演讲者清晰地阐述了如何将优质的模型和数据与实际的实施相结合,以充分发挥生成性人工智能改善人类健康、拯救生命的巨大潜力。 **下面是一些演讲现场的精彩瞬间:** 亚马逊云科技的专业人士探讨了生成性人工智能如何重塑生命科学行业。 ![](https://d1trpeugzwbig5.cloudfront.net/LFS202-Accelerating_life_sciences_innovation_with_generative_AI_on_AWS/images/rebranded/LFS202-Accelerating_life_sciences_innovation_with_generative_AI_on_AWS_0.png) 通过对特定领域的数据进行AI模型的调整,企业可以开发出独具特色且具有影响力的解决方案。 ![](https://d1trpeugzwbig5.cloudfront.net/LFS202-Accelerating_life_sciences_innovation_with_generative_AI_on_AWS/images/rebranded/LFS202-Accelerating_life_sciences_innovation_with_generative_AI_on_AWS_1.png) 这些专业人士强调,生成性人工智能需要在模型质量、成本效益和低延迟之间找到平衡。 ![](https://d1trpeugzwbig5.cloudfront.net/LFS202-Accelerating_life_sciences_innovation_with_generative_AI_on_AWS/images/rebranded/LFS202-Accelerating_life_sciences_innovation_with_generative_AI_on_AWS_2.png) 如果使用不当,大型语言模型可能会危险地将不同的数据源组合在一起并泄露私人信息。 ![](https://d1trpeugzwbig5.cloudfront.net/LFS202-Accelerating_life_sciences_innovation_with_generative_AI_on_AWS/images/rebranded/LFS202-Accelerating_life_sciences_innovation_with_generative_AI_on_AWS_3.png) 此外,随着人工智能法规的增多,团队需要考虑使用某些模型所带来的影响。 ![](https://d1trpeugzwbig5.cloudfront.net/LFS202-Accelerating_life_sciences_innovation_with_generative_AI_on_AWS/images/rebranded/LFS202-Accelerating_life_sciences_innovation_with_generative_AI_on_AWS_4.png) 这些专业人士还强调了在采用新技术(如生成性人工智能)时,从实际应用场景出发进行逆向思考的重要性。 ![](https://d1trpeugzwbig5.cloudfront.net/LFS202-Accelerating_life_sciences_innovation_with_generative_AI_on_AWS/images/rebranded/LFS202-Accelerating_life_sciences_innovation_with_generative_AI_on_AWS_5.png) 他们宣布将原本为客户量身定制的科学网络桌面环境开源,供所有人共享。 ![](https://d1trpeugzwbig5.cloudfront.net/LFS202-Accelerating_life_sciences_innovation_with_generative_AI_on_AWS/images/rebranded/LFS202-Accelerating_life_sciences_innovation_with_generative_AI_on_AWS_6.png) ## 总结 1. 吉利德在亚马逊云科技平台上搭建了一个云优先的数据平台,使他们能够自主获取高质量的数据产品。这为他们使用了诸如SageMaker等生成性AI和[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)工具提供了支持。吉利德专注于根据业务需求构建模型,从而实现从概念验证到实际应用的平稳过渡。 2. 吉利德正在运用生成性AI来挖掘洞察并简化工作流程。具体应用包括分析研究论文、制作营销材料、用真实世界数据优化临床试验设计以及构建用于查询数据的对话式应用程序。 3. 吉利德制定了一系列关于部署生成性AI的责任指南,如确保数据和模型的隐私、利用托管服务以及为每个应用场景选择合适的模型。他们采用了逐步推进的方法,从创新到产品开发。 总的来说,吉利德科学公司正在谨慎地利用亚马逊云科技和生成性AI来加速从研发到商业化的整个业务流程的创新。凭借合适的数据基础和负责任的AI方法,他们正致力于为患者带来革命性的成果。 ## 演讲原文 ## 想了解更多精彩完整内容吗?立即访问re:Invent 官网中文网站! [2023亚马逊云科技re:Invent全球大会 - 官方网站](https://webinar.amazoncloud.cn/reInvent2023/?s=8739&smid=19458 "2023亚马逊云科技re:Invent全球大会 - 官方网站") [点击此处](https://aws.amazon.com/cn/new/?trk=6dd7cc20-6afa-4abf-9359-2d6976ff9600&trk=cndc-detail "点击此处"),一键获取亚马逊云科技全球最新产品/服务资讯! [点击此处](https://www.amazonaws.cn/new/?trk=2ab098aa-0793-48b1-85e6-a9d261bd8cd4&trk=cndc-detail "点击此处"),一键获取亚马逊云科技中国区最新产品/服务资讯! ## 即刻注册亚马逊云科技账户,开启云端之旅! [【免费】亚马逊云科技“100 余种核心云服务产品免费试用”](https://aws.amazon.com/cn/campaigns/freecenter/?trk=f079813d-3a13-4a50-b67b-e31d930f36a4&sc_channel=el&trk=cndc-detail "【免费】亚马逊云科技“100 余种核心云服务产品免费试用“") [【免费】亚马逊云科技中国区“40 余种核心云服务产品免费试用”](https://www.amazonaws.cn/campaign/CloudService/?trk=2cdb6245-f491-42bc-b931-c1693fe92be1&sc_channel=el&trk=cndc-detail "【免费】亚马逊云科技中国区“40 余种核心云服务产品免费试用“")
目录
亚马逊云科技解决方案 基于行业客户应用场景及技术领域的解决方案
联系亚马逊云科技专家
亚马逊云科技解决方案
基于行业客户应用场景及技术领域的解决方案
联系专家
0
目录
关闭