生成式 AI 助力医疗健康与生命科学创新
生成式 AI 加速生命科学行业创新,释放医疗保健和生命科学数据的全部潜力。亚马逊云科技帮助医疗保健和生命科学组织存储、转换、访问和分析多种类型和模式的数据,并构建安全合规的生成式 AI 方案,以优化药物发现、疾病预防、诊断和治疗。
生成式 AI 助力医疗健康与生命科学创新
生成式 AI 加速生命科学行业创新,释放医疗保健和生命科学数据的全部潜力。亚马逊云科技帮助医疗保健和生命科学组织存储、转换、访问和分析多种类型和模式的数据,并构建安全合规的生成式 AI 方案,以优化药物发现、疾病预防、诊断和治疗。
最新白皮书及研讨会视频
最新白皮书及研讨会视频
-
视频
-
白皮书
-
视频
-
生成式 AI 加速生命科学与医疗健康创新亚马逊云科技发布的生成式 AI 方案与建议实践基于生成式 AI 的新一代云原生知识检索方案与 Demo 展示基于智能搜索的大语言模型增强方案
-
白皮书
-
机器学习为医疗保健带来了翻天覆地的变化
本白皮书阐述的是经过多年将患者记录数字化并利用云技术的努力之后,医疗保健行业创建了庞大且仍在增长的数据池。分析工具和越来越多的机器学习所使用的数据可以推进从简化医院工作流程到促进癌症或肺栓塞早期检测的一切工作。诸如 Cerner、Aidoc 和 Arterys 之类的公司正在利用亚马逊云科技的高速且大容量数据存储、云中处理和检索以及机器学习工具来开发和应用机器学习算法,从而为患者和医护人员等群体带来积极的影响。
机器学习为医疗保健带来了翻天覆地的变化
本白皮书阐述的是经过多年将患者记录数字化并利用云技术的努力之后,医疗保健行业创建了庞大且仍在增长的数据池。分析工具和越来越多的机器学习所使用的数据可以推进从简化医院工作流程到促进癌症或肺栓塞早期检测的一切工作。诸如 Cerner、Aidoc 和 Arterys 之类的公司正在利用 Amazon Web Service (AWS)的高速且大容量数据存储、云中处理和检索以及机器学习工具来开发和应用机器学习算法,从而为患者和医护人员等群体带来积极的影响。
医疗保健领域的应用场景、解决方案及客户案例
医疗保健领域的应用场景、解决方案及客户案例
-
医学科研探索领域
-
临床效率提升领域
-
患者全周期管理领域
-
互联网医疗与远程护理领域
-
医学科研探索领域
-
聚集多模态数据,如基因组学、临床和成像等数据集,通过云上集成和分析工具,建立统一多组学知识库,并提供智能问答,归纳,搜索和询证功能。
艾伦研究所 Allen Institute 在亚马逊云科技平台上建立大脑细胞知识平台
艾伦脑科学研究所(Allen Institute for Brain Science)使用云构建大脑知识平台(Brain Knowledge Platform BKP),旨在根据人类大脑中大约 2000 亿个细胞的类型和功能绘制其图谱。通过使用云技术以前所未有的精度和规模绘制脑细胞图,艾伦研究所正在为突破性治疗脑疾病开辟一条道路。
艾伦研究所 Allen Institute 在亚马逊云科技平台上建立大脑细胞知识平台
艾伦脑科学研究所(Allen Institute for Brain Science)使用云构建大脑知识平台(Brain Knowledge Platform BKP),旨在根据人类大脑中大约 2000 亿个细胞的类型和功能绘制其图谱。通过使用云技术以前所未有的精度和规模绘制脑细胞图,艾伦研究所正在为突破性治疗脑疾病开辟一条道路。
客户案例
-
临床效率提升领域
-
通过分析患者与临床医生的对话,辅助生成临床电子病历,或者结合影像检查及相关医疗记录,提供辅助的影像诊断建议。
3M 健康信息系统与亚马逊云科技合作,加速临床文档中的人工智能创新
通过机器学习改善临床医生的工作流程效率。例如,利用 Amazon SageMaker 和 Amazon QuickSight 等工具来帮助聚合、结构化和上下文化数据,将对话式和生成式 AI 直接引入临床文档工作流程。帮助加快、完善和扩大临床电子文档的撰写和交付。
3M 健康信息系统与亚马逊云科技合作,加速临床文档中的人工智能创新
通过机器学习改善临床医生的工作流程效率。例如,利用 Amazon SageMaker 和 Amazon QuickSight 等工具来帮助聚合、结构化和上下文化数据,将对话式和生成式 AI 直接引入临床文档工作流程。帮助加快、完善和扩大临床电子文档的撰写和交付。
客户案例
-
患者全周期管理领域
-
从结构化与非结构化医学数据,如体温单,医嘱记录,检查结果等多模数据中,智能提取健康数据,并形成专业化的全病程视图。
基于大语言模型专门理解和生成医学领域相关知识
Clinical Camel 模型是一种基于 Transformer 的语言模型,在 Llama 13B 架构上进行训练。它是专门为理解和生成与医学领域相关的内容而设计的。
基于大语言模型专门理解和生成医学领域相关知识
Clinical Camel 模型是一种基于 Transformer 的语言模型,在 Llama 13B 架构上进行训练。它是专门为理解和生成与医学领域相关的内容而设计的。
客户案例
-
互联网医疗与远程护理领域
-
利用大语言模型良好的交流问答及归纳发现能力,提供智能互联网医疗服务,结合边缘计算及物联网技术,提供个性化远程护理及康复服务。
基于智能搜索的大语言模型增强方案
基于智能搜索的大语言模型增强方案以 Amazon OpenSearch 为基准进行数据库建立和搜索,基于 AI/ML 的词条预处理引入引导式搜索机制,基于 Learning to Rank 引入双向反馈机制,逐步优化迭代搜索引擎准确率。它旨在最小化运营管理的同时,随着时间推移,自动逐步完善提升搜索准确性。
基于智能搜索的大语言模型增强方案
基于智能搜索的大语言模型增强方案以 Amazon OpenSearch 为基准进行数据库建立和搜索,基于 AI/ML 的词条预处理引入引导式搜索机制,基于 Learning to Rank 引入双向反馈机制,逐步优化迭代搜索引擎准确率。它旨在最小化运营管理的同时,随着时间推移,自动逐步完善提升搜索准确性。
客户案例
MetroPlusHealth
使用亚马逊与科技的服务:Amazon Lex, Amazon Connect, Amazon Pinpoint, Amazon SNS, Amazon DynamoDB
MetroPlusHealth
使用亚马逊与科技的服务:Amazon Lex, Amazon Connect, Amazon Pinpoint, Amazon SNS, Amazon DynamoDB
生命科学领域的应用场景、解决方案及客户案例
生命科学领域的应用场景、解决方案及客户案例
-
药物与诊断研发
-
临床试验分析
-
合成制造供应链
-
营销与药店管理
-
真实世界分析与患者支持
-
应用程序辅助代码生成
-
药物与诊断研发
-
帮助科研工作者洞察最新的海量学术文献,并提供归纳分析及询证来源;
或者结合基础大模型(Foundation Model) 探究未知蛋白质靶点,基因序列与疾病关联,以及药物合成最优路线等。
基于亚马逊云科技平台的蛋白质结构规模预测方案
Novo Nordisk 选择部署基于亚马逊云科技批量计算资源、用于 Lustre 存储的 Amazon FSx 和用于作业编排的 AWS Step Functions 的解决方案。通过部署基于 AWS Batch 和 Step Functions 的完整工作流编排解决方案,Novo Nordisk 能够提供高度可扩展的计算环境,并为探索 AlphaFold 使用的研究人员实现显著更高的工作吞吐量,同时与以前的工作流相比,还节省了大量成本。
基于亚马逊云科技平台的蛋白质结构规模预测方案
Novo Nordisk 选择部署基于亚马逊云科技批量计算资源、用于 Lustre 存储的 Amazon FSx 和用于作业编排的 AWS Step Functions 的解决方案。通过部署基于 AWS Batch 和 Step Functions 的完整工作流编排解决方案,Novo Nordisk 能够提供高度可扩展的计算环境,并为探索 AlphaFold 使用的研究人员实现显著更高的工作吞吐量,同时与以前的工作流相比,还节省了大量成本。
在亚马逊云科技平台上,使用生成式 AI 改变生物医药研发模式
通过分析基因组学及临床表征的大量研究成功,包括细胞类型、疾病类型、患者背景和药物扰动影响等等,发现基因与疾病的新的隐藏关系,并推导出新的靶点。
在亚马逊云科技平台上,使用生成式 AI 改变生物医药研发模式
通过分析基因组学及临床表征的大量研究成功,包括细胞类型、疾病类型、患者背景和药物扰动影响等等,发现基因与疾病的新的隐藏关系,并推导出新的靶点。
客户案例
Philips
使用的亚马逊云科技服务:Amazon Elastic Compute Cloud(Amazon EC2)、Amazon IoT Core, Amazon Simple Storage Service, Amazon SageMaker Ground Truth
-
临床试验分析
-
分析临床数据集,协助科研机构和研究者,优化实验规划,遴选合适的实验机构,撰写患者入组同意书,并拟定对照组分析小结等。
通过 Huggingface ClinicalBERT 开源模型,识别提取分析临床数据,部署于亚马逊云平台
ClinicalBERT 模型是在大型多中心数据集上进行训练的,该数据集包含构建的各种疾病的 1.2B 个单词的大型语料库。利用来自超过 300 万条患者记录的大规模 EHR 语料库来微调基本语言模型。
通过 Huggingface ClinicalBERT 开源模型,识别提取分析临床数据,部署于亚马逊云平台
ClinicalBERT 模型是在大型多中心数据集上进行训练的,该数据集包含构建的各种疾病的 1.2B 个单词的大型语料库。利用来自超过 300 万条患者记录的大规模 EHR 语料库来微调基本语言模型。
客户案例
-
合成制造供应链
-
通过生产,库存,上下游供应链等相关数据采集,清洗,聚合等云原生工具,生成更加个性化管理图表,最优计划推荐及预测设备维护,以及智能供应链方案。
Evolvere Bio-Sciences 基于亚马逊云科技,通过生成式 AI 技术,构建智能化大分子合成路径平台,提供最优的设计管道建议
计算生成蛋白质设计是 Evolvere Biosciences 为 21 世纪重新设计抗菌药物的首要原则方法的核心组成部分。Evolvere Biosciences 建立一个平台,通过该平台可以快速生成蛋白质。这些蛋白质可以精确地针对任何选定的细菌,同时最大限度地减少耐药性的出现,副作用最小,并且剂量较低。
Evolvere Bio-Sciences 基于亚马逊云科技,通过生成式 AI 技术,构建智能化大分子合成路径平台,提供最优的设计管道建议
计算生成蛋白质设计是 Evolvere Biosciences 为 21 世纪重新设计抗菌药物的首要原则方法的核心组成部分。Evolvere Biosciences 建立一个平台,通过该平台可以快速生成蛋白质。这些蛋白质可以精确地针对任何选定的细菌,同时最大限度地减少耐药性的出现,副作用最小,并且剂量较低。
客户案例
-
营销与药店管理
-
结合知识图谱技术,构建专业个性化多渠道的学术交流方案,以及结合所在地情况,建议最适合的药店营销活动。
基于亚马逊云科技,通过知识图谱技术构建医药知识库,服务内部及外部专业领域客户
医学信息智能问答,医药研发智能情报平台及医学知识图谱智能检索,慢病智能护理与营养健康知识图谱智能推荐,中医知识图谱辅助诊断系统,慢病危险因素防控。
基于亚马逊云科技,通过知识图谱技术构建医药知识库,服务内部及外部专业领域客户
医学信息智能问答,医药研发智能情报平台及医学知识图谱智能检索,慢病智能护理与营养健康知识图谱智能推荐,中医知识图谱辅助诊断系统,慢病危险因素防控。
客户案例
-
真实世界分析与患者支持
-
与真实世界数据良好结合,发现老药新用,预知药物警戒事件,并通过数字疗法,帮助病患正确服药及康复,获得最良收益。
下一代 AI 医生模型 Chat Doctor, 基于从两个在线医疗咨询网站收集的超过 100,000 条真实世界的医患对话,对 LLaMA 7B 模型进行指令微调开发,部署于亚马逊云科技平台上
ChatDoctor 是基于 LLaMA 模型的下一代 AI 医生模型,目标是为患者提供一个智能且可靠的医疗伴侣,可以回答他们的医疗疑问并为他们提供个性化的医疗建议。
下一代 AI 医生模型 Chat Doctor, 基于从两个在线医疗咨询网站收集的超过 100,000 条真实世界的医患对话,对 LLaMA 7B 模型进行指令微调开发,部署于亚马逊云科技平台上
ChatDoctor 是基于 LLaMA 模型的下一代 AI 医生模型,目标是为患者提供一个智能且可靠的医疗伴侣,可以回答他们的医疗疑问并为他们提供个性化的医疗建议。
客户案例
-
应用程序辅助代码生成
-
应用程序辅助代码生成
Amazon CodeWhisperer 经过数十亿行代码的训练,可以根据您的评论和现有代码实时生成从代码片段到全函数的代码建议。绕过耗时的编码任务,加速使用不熟悉的 API 进行的构建。
应用程序辅助代码生成
Amazon CodeWhisperer 经过数十亿行代码的训练,可以根据您的评论和现有代码实时生成从代码片段到全函数的代码建议。绕过耗时的编码任务,加速使用不熟悉的 API 进行的构建。
客户案例