عوامل سلامت دیجیتال با توجه به گفته های خود، به طور فزاینده ای در سیستم مراقبت های بهداشتی ایالات متحده برای استفاده از هوش مصنوعی برای کاربردهای مختلف، از جمله کشف دارو، استخراج داده ها و سازماندهی تصویر CT سه بعدی استفاده می شود. Nvidia
به گفته این شرکت، میکروسرویس‌های ابری NIM این شرکت برای تسهیل استقرار مدل هوش مصنوعی استفاده می‌شوند.
NIM مجموعه‌ای از ریزسرویس‌های بومی ابری بهینه‌شده است که برای کوتاه‌تر کردن زمان ورود به بازار و ساده‌سازی استقرار مدل‌های هوش مصنوعی مولد طراحی شده‌اند.
نمونه‌هایی از برنامه‌های NIM که در مراقبت‌های بهداشتی مورد استفاده قرار می‌گیرند شامل محققان موسسه ملی سرطان است که چندین مدل هوش مصنوعی ساخته شده با Nvidia MONAI را برای تصویربرداری پزشکی به کار می‌برند. مدل پایه VISTA-3D NIM برای تقسیم بندی و حاشیه نویسی تصاویر CT سه بعدی استفاده می شود.
علاوه بر این، غربالگری مجازی مولد برای کشف دارو با استفاده از سه ریزسرویس NIM به محققان کمک می‌کند تا کتابخانه‌های مولکول‌های کوچک را جستجو و بهینه‌سازی کنند تا نامزدهای امیدوارکننده‌ای را که به پروتئین هدف متصل می‌شوند، شناسایی کنند.
انویدیا اخیراً دو میکروسرویس جدید NIM را برای کشف دارو منتشر کرده است تا به محققان کمک کند تا بفهمند چگونه پروتئین‌ها به مولکول‌های هدف متصل می‌شوند، مرحله‌ای حیاتی در طراحی دارو.
اینها میکروسرویس NIM AlphaFold2-Multimer هستند که به گفته انویدیا به محققان کمک می‌کند تا ساختار پروتئین را از روی توالی‌هایشان در عرض چند دقیقه پیش‌بینی کنند و نیاز به آزمایش‌های وقت‌گیر در آزمایشگاه را کاهش دهند.
میکروسرویس RFdiffusion NIM که از هوش مصنوعی مولد برای طراحی پروتئین‌های جدیدی استفاده می‌کند که کاندیدهای دارویی امیدوارکننده‌ای هستند، زیرا احتمالاً با یک مولکول هدف متصل می‌شوند.
انویدیا گفت NIM و NIM Agent Blueprints می‌توانند به محققان پزشکی در سراسر بخش دولتی کمک کنند تا مدل‌های پیشرفته و بهینه‌شده هوش مصنوعی را برای سرعت بخشیدن به کار خود آغاز کنند.
مدل های از پیش آموزش دیده بر اساس داده های خود سازمان قابل تنظیم هستند و می توانند به طور مستمر بر اساس بازخورد کاربر اصلاح شوند.
با انجام تحقیقات پیش‌بالینی بیشتر به‌صورت دیجیتال، دانشمندان می‌توانند پیش از آزمایش در آزمایشگاه، مجموعه داوطلبان دارویی خود را محدود کنند و فرآیند کشف را کارآمدتر و کم‌هزینه‌تر کنند.
برای مثال، تیمی در مرکز ملی پیشرفت علوم ترجمه NIH (NCATS) از طرح NIM Agent برای غربالگری مجازی مبتنی بر هوش مصنوعی برای کاهش زمان و هزینه توسعه مولکول‌های دارویی جدید استفاده می‌کند.
مرکز اطلاعات ژنتیک و بیماری‌های نادر، که توسط NCATS نیز اداره می‌شود، در حال بررسی با استفاده از طرح استخراج داده‌های PDF برای توسعه ابزارهای مولد هوش مصنوعی است که توانایی مرکز را برای جمع‌آوری اطلاعات از پایگاه‌های داده غیرقابل جستجوی قبلی افزایش می‌دهد.
حجم عظیمی از داده‌های مراقبت‌های بهداشتی – از جمله مقالات تحقیقاتی، گزارش‌های رادیولوژی و سوابق بیمار – ساختاری ندارند و در اسناد PDF قفل شده‌اند، که جستجوی سریع اطلاعات را برای محققان دشوار می‌کند.
سام مایکل، مدیر ارشد اطلاعات NCATS، گفت: «این مرکز منابع داده‌ای را در کتابخانه ملی پزشکی، پایگاه داده Orphanet و سایر مؤسسات و مراکز در NIH تجزیه و تحلیل می‌کند تا به سؤالات بیماران پاسخ دهد.»
استخراج داده‌های PDF مبتنی بر هوش مصنوعی می‌تواند استخراج اطلاعات ارزشمند از پایگاه‌های اطلاعاتی غیرقابل جستجو را بسیار آسان‌تر کند.
شرکت‌هایی مانند Abridge و HealthOmics نیز از برنامه‌های NVIDIA برای برنده شدن در قراردادهای دولتی استفاده می‌کنند.