医护人员战斗在医疗健康系统的第一线，为我们提供即时护理。与此同时，医疗研发人员也在不断攻坚克难，致力于为临床医师提供更先进的医疗工具和技术。

这些研发人员不断研制新的药物来治疗目前还无法治愈的疾病，模拟生物有机体和结构以更好地了解它们的工作原理，并深入研究基因组数据以找到与特定健康状况相关的遗传标记物。

以上研发过程均需依赖AI和加速计算技术。

AI如何改变药物研发

潜在的药物样分子几乎与可观测的宇宙中的粒子一样多。为了探索这个巨大的分子库，制药公司和研究人员投入了多年的努力和数十亿美元的资金，以发现疾病治疗的新方法。

科学家凭借其专业知识来猜测哪些药物分子能够阻止某种疾病的恶化。以前，他们每次只能关注一种疾病，并投入数年时间来进行研究。而在人工智能的帮助下，现在他们可以模拟数百万种分子，并一次性尝试数百种疾病。

利用深度学习技术，研究人员可以探索药物分子在人体内发挥作用的生化规律，这有助于他们了解药物分子的潜在副作用，甚至还可以创造出治疗疾病的全新合成分子。

匹兹堡大学的研究员 David Koes 所做的，正是如此。他利用 NVIDIA GPU 进行分子对接，模拟试验药物与目标蛋白的结合过程。他的团队开发了一个深度学习模型，将预测准确度从 52% 提高到了 70%。

Recursion Pharmaceuticals 公司是 NVIDIA 初创加速计划的一员，他们正在使用 100 多台 GPU 来训练其神经网络，以便在多个治疗领域推进药物研发过程，包括目前尚无治愈疗法的数百种罕见疾病。

Recursion 公司的深度学习模型可分析显微图像，从而确定药物化合物能否有效治愈患病细胞。借助人工智能技术，该公司可以在一周内从 1000 多万个细胞中筛选出数百种特征。

AI如何改变基因组学

基因组学是另一个数据规模和复杂性都超乎想象的医学领域。尽管基因组学是一个新兴领域，但它的发展速度很快，数据集的规模每八个月就会翻一番。

目前，全世界大约有一百万个完整的人类基因组已完成测序，这为科学家们提供了用于精确医学、免疫疗法和人口研究的庞大数据库。但是，除了收集数据之外，这些数据都需要进行计算分析。

斯克里普斯研究转化研究所 (Scripps Research Translational Institute) 正与 NVIDIA 合作开发深度学习应用程序，旨在提供更经济的基因组测序方式和更有效的基因数据突变检测。各类初创企业也在利用 GPU 来应对基因组分析中面临的挑战。

初创公司 Parabricks 是 NVIDIA 初创加速计划的成员之一，其联合创始人 Ankit Sethia 表示，与 GPU 通过独立处理多个像素来解决图形问题这一过程类似，他们也可以将遗传信息分解成微小的、单独的碎片，然后再将其重新组合在一起。

该公司正在使用 NVIDIA DGX-1 服务器来检测序列基因组中的关键标志物和异常值。借助于NVIDIA DGX-1服务器，该工序耗时从几天缩短到一个小时以内。

AI如何改变医学研究

世界各地大学的研究人员正在使用人工智能技术和 GPU 来模拟我们尚未完全理解的生物结构和疾病。

澳大利亚蒙纳士大学的一个团队正在使用一种名为低温电子显微镜的方法来研发高分辨率的三维分子模型，这是一项计算密集型的研发过程，需要借助搭载 NVIDIA GPU 的超级计算机来完成。

研究人员正在利用这项技术开发能够对抗超级细菌或耐药细菌的药物。

在美国，美国科罗拉多州立大学的研究人员正在模拟一种在登革热病毒中发现的酶。登革热病毒是一种致命病毒，每年会感染数亿人。借助位于圣地亚哥超级计算中心的搭载 GPU 的超级计算机，该团队正在研究这种酶的全新活动机理。

随着精度的不断提高，这项研究工作可以带来全新发现，阻止登革热这类疾病的传播。

深度学习技术还有助于研究人员收集用于开发突破性医疗应用所需的源数据。在 NVIDIA，研究人员正在使用生成性对抗网络 (GAN) 来推进医学研究。该网络可以 生成异常的大脑磁共振成像 (MRI)，从而训练用于医学成像的神经网络。

这些合成 MRI 图像有助于医药研发人员应对常见的挑战——缺乏平衡、可靠的训练数据来训练他们的深度学习模型。