在2021年两会中,生物医药领域的发展成为了热点话题。上海对生物医药等三大先导产业提出了新的目标:努力实现产业规模倍增,打造包括生命健康产业在内的六大重点产业集群。
当前,中国医药领域数字化进程不断加速,国家积极推动精准医学发展,基因测序正在从个体走向大规模群体,从科研走向广泛应用,伴随而来的计算分析模式也逐步走向云端,基因测序行业在云计算、大数据、AI的科技浪潮之下,正在释放前所未有的能量。
4月16日,由上海市生物医药科技发展中心主办,上海市生物医药行业协会协办,华为技术公司承办的万物生长——基因测序精英沙龙活动在上海成功举办。
华为与业内知名专家学者、基因测序相关企业齐聚现场,聚焦行业发展,凝聚思想共识,激发奋进力量,共同就云计算、大数据、AI等新技术赋能基因测序行业场景,做了深入探讨。
上海市生物医药科技发展中心主任兼上海市生物医药技术研究院院长傅大煦致欢迎辞,他表示基因技术正在迎来一个新的发展的春天,国家对基因技术的发展越来越重视,基因编辑技术越来越被临床认可,未来基因测序这个行业在医学领域一定有很大的发展空间。大数据云计算等一系列的技术为基因测序技术也带来了新的发展机遇,推动上海基因检测与基因技术达到新的发展。
基因测序从科研走向应用
上海市生物医药技术研究院副院长黄薇带来了《精准医学时代测序技术从科研走向应用的创新发展》的主题分享。
复旦大学生命科学研究院副院长卢大儒为大家带来了题为《基因测序与遗传病》的主题分享。
云计算、大数据、AI助力基因测序行业发展
北京希望组CEO汪德鹏就《三代测序大数据分析与云计算》与大家进行了深入探讨。
华为云医疗智能体产品总监孟鑫介绍了“华为云人工智能在基因测序领域的探索和实践”。华为云携手生态伙伴,将云计算、AI、大数据等技术与基因测序技术有机结合,共同推动基因测序的数字化和智能化转型。他表示,华为云医疗智能体(EIHealth)为基因组、医学影像、药物研发三个领域提供了专业AI研发平台,并深度融合AI与科学计算,产生更加便捷、快速、准确、可解释的医疗智能模型,加速医疗大健康行业的创新发展。
自由研讨环节由华为云医疗智能体产品总监孟鑫主持,参会嘉宾就“云计算、大数据、AI如何助力基因测序”、“基因测序行业云化之路阻塞问题讨论”等话题,从各自的观点出发,充分探讨,碰撞思维的火花。
华为云医疗智能体产品总监孟鑫提到,云计算的安全性能有效承载基因测序行业对数据等保安全的高要求,华为在保护客户数据隐私与安全方面遵从着严格的行业标准规范。
北京希望组CEO汪德鹏提到,华为云可能会带来基因测序价值的商业模式突破创新,把技术研究与商业价值变现有效结合,进而推动基因测序行业圈层的知识产权保护与发展。
华为上海云与计算CTO徐华蕾提到,生信领域BT+IT跨学科深度交叉的特点和其他行业非常不同,现在科研人员往往是既需要懂生命科学领域知识又要有IT相应能力,甚至需要亲自写脚本,极大的影响了科研成果产出效率。华为作为一家专业的拥有深厚ICT技术能力的公司,在基因测序领域已经做了大量的研发并形成专业的解决方案,切实的帮助生信科研人员聚焦科研本身。
基因测序行业正在势如破竹的发展,而云计算加速了这一进程,此次基因测序精英沙龙,各位业内大咖共襄盛举,是华为技术有限公司深化服务产业集群,助力生物医药行业数字化转型的又一次重要实践。华为技术有限公司聚焦生物医药行业发展,举办万物生长生物医药行业系列活动,接下来,还将为业内朋友带来主题为医药流通、创新药物研发、医疗器械等的专题活动。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。