领先的制药和技术生物公司的研究人员和开发人员现在可以通过亚马逊网络服务(AWS)轻松部署NVIDIA Clara软件和服务，加速医疗保健领域的发展。
该计划于AWS re:Invent上宣布，为使用AWS云资源的医疗保健和生命科学开发人员提供了灵活性，可以集成NVIDIA加速的产品，例如NVIDIA BioNeMo——一种用于药物发现的生成式人工智能平台，即将在AWS上推出NVIDIA DGX Cloud，目前可通过AWS ParallelCluster集群管理工具和Amazon SageMaker机器学习服务使用。
全球数千家医疗保健和生命科学公司使用AWS。现在，他们将能够使用BioNeMo访问专有数据构建或定制数码生物学基础模型，并使用NVIDIA GPU加速的AWS云服务器来扩大模型的培训和部署。
包括Alchemab Therapeutics、Basecamp Research、Character Biosciences、Evozyne、Etcembly和LabGenius在内的生物技术创新者已经是AWS的用户，并且已经在使用BioNeMo进行生成式人工智能加速的药物发现和开发。这种合作使他们能够更快速地扩展云计算资源，以开发基于生物分子数据的生成式人工智能模型。
此次宣布扩展了NVIDIA在AWS上已有的面向医疗保健的产品——用于医学成像工作流程的NVIDIA MONAI和加速基因组学的NVIDIA Parabricks。
AWS新推出：NVIDIA BioNeMo推进生成式人工智能的药物发现
BioNeMo是一个针对数码生物学生成式人工智能的领域专用框架，包括预训练的大型语言模型 (LLMs)、数据加载器和优化的训练配方，可以帮助加速计算机辅助药物发现的目标识别、蛋白质结构预测和药物候选筛选。
药物发现团队可以利用他们的专有数据使用BioNeMo构建或优化模型，并在基于云的高性能计算集群上运行这些模型。
其中的一个模型ESM-2是一款功能强大的LLM，支持蛋白质结构预测，几乎能够线性扩展至256个NVIDIA H100 Tensor Core GPU。研究人员可以扩展至512个H100 GPU，以在几天内完成训练，而不是一个月，这是该论文中发布的训练时间。
开发人员可以使用650亿或30亿参数的ESM-2进行大规模训练。BioNeMo训练框架还支持的其他AI模型包括小分子生成模型MegaMolBART和蛋白质序列生成模型ProtT5。
BioNeMo的预训练模型和优化训练配方，可以使用AWS ParallelCluster和Amazon ECS等自我管理服务，也可以使用NVIDIA DGX Cloud和Amazon SageMaker等集成的托管服务。这可以帮助研发团队构建基础模型，可以探索更多药物候选，优化湿实验室实验，并更快地找到有前途的临床候选。
AWS还提供：NVIDIA Clara用于医学成像和基因组学
由NVIDIA共同创立并得到企业支持的Project MONAI用于支持医学成像工作流程，已经被下载超过180万次，并可在AWS上部署。开发人员可以利用已存储在AWS云资源上的专有医疗保健数据集，快速注释和构建用于医学成像的人工智能模型。
这些模型是在使用NVIDIA GPU提供的Amazon EC2实例进行训练的，可用于医学影像中的交互式注释和细化分割、分类、配准和检测任务。开发人员还可以利用MONAI中提供的MRI图像合成模型来增强训练数据集。
为了加快基因组学流水线的处理速度，Parabricks 能够在大约15分钟内对整个人类基因组进行变异调用，而在仅使用CPU的系统上可能需要一天的时间。在AWS上，开发人员可以快速扩展以处理大量的基因组数据，跨多个GPU节点进行处理。
作为Ready2Run工作流，AWS HealthOmics提供了十多个Parabricks工作流程，允许客户轻松运行预构建的流水线。
开始使用NVIDIA Clara on AWS来加速药物研发、基因组学和医学影像的AI工作流程。
订阅NVIDIA健康医疗新闻。