健康是所有人的追求,随着技术进步基于“个人”基因、病史等大数据分析的“精准医疗”,正成为各国医学界探索的新方向。
近日,中科曙光在其官微发布了《先进计算“精准医疗”领域三大趋势》(以下简称“趋势”),“趋势”指出:1、精准医疗对于HPC(高性能计算机)的需求将随着海量增加的基因数据和复杂的组学分析流程而全面升级;2、云计算将成为“精准医疗”首选场景;3、不同研究机构将联合建立可控的共享基因数据库。
自2015年美国前总统奥巴马提出“精准医疗计划”以来,包括我国的十余国家已提出相关计划。2016年,中国科技部首次召开“国家精准医疗战略专家会议”,计划在2030年前投入600亿元推动“精准医疗”发展。而“精准医疗”已离不开先进计算的支持。
《先进计算“精准医疗”领域三大趋势》指出,随着“精准医疗”的基因检测、组学分析等技术的发展,对“先进计算”平台提出了更高的性能与兼容性要求。
如针对“精准医疗”第三代基因测序、组学分析等技术的大批量、小规模,一次提交成百上千应用数据处理需求特点,以及多种基因检测及特征分析软件并存、更新迭代快且无统一标准的局面,HPC将全面升级,具备PB(十亿亿字节)级存储架构下,解决数据复杂流程分析能力,并适应软件的多样与多变。
目前,“个人”基因测序成本已下降到几百美金,但个人的“基因谱”如何才能得到系统的“精准医疗”检测,业界还没有完善产业模式。但像谷歌、微软已开始通过云计算提供“基因云”等服务,因此未来更多“精准医疗”场景将首先通过“云计算”来实现。
此外,随着基因测序的普及,“精准医疗”产业链上的不同研究机构,将在可控条件下,交换共享基因数据,以提升各自在相关领域的研发能力和效率,建立可控的共享基因数据库。
对此“趋势”,中科曙光解决方案中心技术总监杨莉表示,曙光很早便为医疗机构提供“先进计算”解决方案。非典时期,曙光4000超级计算机无偿协助完成了SARS全基因组测序。
“‘精准医疗’发展依靠对海量医疗数据信息的存储、分析、利用,如何快速进行复杂流程的数据分析、将海量数据转化为可用信息,是精准医疗的难题,也是对先进计算平台的挑战。”杨莉表示,目前曙光已为“北京大学医学部”、“四川省人民医院”等超12所三甲级医院,以及“重庆市巴南医院”、“江苏泰州市人民医院”等超50家普通医院、县级医院、医疗机构等提供计算服务。
此外,曙光还与华大基因等“基因组学研发机构”合作,推动基因测序行业发展。而本次发布的“趋势”正是基于曙光为大量客户提供解决方案实践所得到的。
北京迈基诺基因科技股份有限公司,首席IT架构与运维工程师王晓斌表示。目前“基因测序”数据作为“精准医疗”行业的基础,是整个行业投入资源最多领域。而第二、三代“基因测序”软件,对计算平台的IO读写稳定与带宽,还有CPU性能要求较高。
王晓斌和同事在考察了多家供应商后,基于数据读写效率以及计算稳定性考虑,于2018年上半年采购了曙光可支持Infiniband网络的并行存储设备,以及四路服务器产品。
“从硬件到软件,曙光对Infiniband架构并行储存器都有完善的解决方案,对‘基因测序’软件的兼容性很好,整个存储系统运行一年多很稳定。”王晓斌说,今年他们还会继续加大在存储与计算设备领域的投入,以满足业务增长需求。
目前,中科曙光具备提供“精准医疗”全方位“先进计算”平台的成熟经验,对基因组、蛋白组、转录组和代谢组等组学技术的分析、存储、共享,以及精准医疗相关研究中大数据的分析、解读,具有从硬件、软件、维护的全面支持服务。
好文章,需要你的鼓励
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
哈佛、MIT联合研究揭示人类语言理解的神经机制,发现大脑通过"信息出口"将语言从核心系统传递至专业脑区实现深度理解。研究提出浅层与深层理解的区别,为人工智能发展提供重要启示,表明真正智能需要多系统协作而非单一优化。该发现可能改变我们对语言认知的理解。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
腾讯混元等团队开发出革命性的AI视频生成自我评判系统PAVRM和训练方法PRFL,让AI能在创作过程中实时评估和改进视频质量,无需等到完成才反馈。该技术使视频动态表现提升56%,人体结构准确性提升21.5%,训练效率提升1.4倍,为AI视频生成质量带来质的飞跃。