NVIDIA加大对GPU加速基因组学的投入,在医疗影像AI领域创造了多个“第一”
在NVIDIA的深度学习和加速计算技术的帮助下,基因组学将有望成为主流。
自2003年首次对人类基因组进行测序以来,整个基因组测序流程的成本就一直在下降,而且下降的速度远快于根据摩尔定律所预测的速度。从新生儿基因组测序到开展全国人口基因组计划,该领域正在蓬勃发展,并且日趋个体化。
测序技术的进步引发了基因组数据的爆炸式增长。序列数据总量每七个月增加一倍。这一惊人的速度可能会使得到2025年基因组学产生的数据量比其他大数据源(例如天文学、Twitter和 YouTube)数据量总和的10倍还多,达到两位数的艾字节。
各种新的测序系统,比如全球最大的基因组学研究集团——华大集团的DNBSEQ-T7等正在推动这项技术的广泛应用。该系统每天可以生成高达60个基因组,相当于6TB字节的数据。
凭借华大集团的流动池技术的发展以及一对NVIDIA V100 Tensor Core GPU所提供的加速,DNBSEQ-T7的测序速度提高了50倍,令其成为迄今为止吞吐量最高的基因组测序器。
随着成本的下降和测序时间的缩短,这项技术的应用范围正在扩大,例如在分秒必争的重症监护室为新生儿进行测序。
基因组学界继续不断地从DNA中获得新的洞察。近期所取得的突破包括通过单细胞测序了解细胞水平的突变以及使用循环血DNA检测和监测癌症的液体活检。但一直以来,基因组分析都是测序流程中的计算瓶颈,而使用GPU加速可以解决这一瓶颈。
NVIDIA创始人兼首席执行官黄仁勋在GTC China上告诉大家,Parabricks团队(一家总部位于密歇根州安阿伯市的基因组学GPU软件开发公司)已加入NVIDIA的医疗团队,一同制定针对关键基因组分析流程的持续GPU加速方案。
通过与华大集团合作,Parabricks的软件可以在一小时内完成全基因组的分析。华大集团使用一台内置8个NVIDIA T4 Tensor Core GPU的服务器,证明了可以通过提高吞吐量将基因组测序成本降至2美元,这还不到现有系统成本的一半。
整个医疗行业都在发明新的医疗设备。上海联影医疗科技有限公司已推出两款业内首创的医疗设备。uEXPLORER是全球首台全身PET-CT扫描仪,对患者的全身进行静态扫描。凭借这一先进的功能,该设备能够快速、连续追踪分布在整个人体内的示踪剂。
由于能够拍摄全身,uEXPLORER大大缩短了扫描时间。与扫描时间长达20分钟以上的传统系统相比,该设备只需30秒就能完成扫描,而且图像质量十分出色。uEXPLORER还在示踪剂的剂量方面树立了新的标杆。成像所需的剂量约为常规剂量的1/50,而且不会影响图像质量。
该系统已经通过FDA批准,其采用了16个NVIDIA V100 Tensor Core GPU和8个Mellanox 56GB/s无限带宽技术(InfiniBand)网络链接来处理类似电影的扫描工作,这可能需要处理多达1TB的数据。美国加州大学戴维斯分校已经开始使用该系统。该校的科学家们帮助设计了该系统。《自然》杂志上也登载了一篇关于该系统的文章。YouTube上已有近50万观众观看了该主题的相关视频。
联影的另一个开创性系统——uRT-Linac,是首个支持从检测到预防,全套放射治疗的套装仪器。
有了这套系统,对于那些居住在偏远地区,就医不便的患者来说,他们只需来到医院一次,就可以接受诊断测试和治疗。uRT-Linac结合了CT成像、AI处理技术来协助放疗系统制定与模拟治疗方案。通过多模态技术和AI,联影改变了癌症治疗的性质。
未来,越来越多的智能医疗设备将使用AI增强信号和图像处理、优化工作流程以及分析数据。
我们能看到的有能够感知患者何时处于危险状态的患者监护仪,和可以在手术过程中为外科医生提供指导的智能内窥镜。毫不夸张地说,未来,医院中的每个传感器都将具有AI所带来的功能。
我们于近期发布的NVIDIA Clara AGX开发套件将帮助推动这一趋势。Clara AGX包含基于NVIDIA Xavier SoCs和Volta Tensor Core GPU的硬件以及Clara AGX软件开发套件,它能够让提高医疗行业智能化和个体化程度的智能医疗设备变得更加普及。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。