در حال حاضر بیش از ۵۷ میلیون نفر در سراسر جهان با انواع زوال عقل زندگی می‌کنند و سالانه بیش از ۱۰ میلیون مورد جدید ابتلا شناسایی می‌شود. با وجود اینکه بودجه مؤسسه ملی سلامت آمریکا در حوزه آلزایمر طی ۱۵ سال گذشته به ۳٫۹ میلیارد دلار در سال رسیده، هنوز درمانی برای متوقف‌کردن یا پیشگیری از این بیماری پیدا نشده است. پژوهشگران در این مسیر با کمبود تلاش مواجه نیستند، بلکه چالش اصلی حجم بسیار زیاد داده‌ها، پراکندگی اطلاعات در پایگاه‌های اختصاصی نهادها و روند کند ترکیب یافته‌های علمی است. برای حل این مشکل، کنسرسیوم پژوهش‌های زیست‌پزشکی و هوش مصنوعی در بیماری‌های تخریب‌کننده عصب موسوم به C-BRAIN با همکاری انویدیا زیرساختی یکپارچه برای پردازش سریع داده‌ها شکل داده است.
داده‌های پنهان و یادگیری فدرال در پژوهش‌های آلزایمر
بخش بزرگی از سرمایه‌های اطلاعاتی در تحقیقات زیستی را داده‌هایی تشکیل می‌دهند که هرگز در اختیار پژوهشگران عمومی یا مدل‌های زبانی بزرگ قرار نگرفته‌اند. این مجموعه شامل داده‌های منتشرنشده، نتایج منفی آزمایش‌ها و اطلاعات دارای مالکیت درون‌سازمانی است که کنسرسیوم C-BRAIN از آن‌ها با عنوان «داده‌های تاریک» یا پنهان یاد می‌کند. باقی ماندن این داده‌ها در سیستم‌های محلی باعث می‌شود بخش بزرگی از دانش تجربی بدون استفاده رها شود.
برای بهره‌گیری از این داده‌ها بدون نقض حریم خصوصی بیماران یا مقررات حاکمیتی نهادها، کنسرسیوم C-BRAIN از معماری ترکیبی شامل رویکرد متمرکز و یادگیری فدرال استفاده می‌کند. در این الگو، مدل‌های هوش مصنوعی برای یادگیری به سراغ سرورهای هر مرکز دانشگاهی و بیمارستانی می‌روند، بدون آنکه نیاز باشد اطلاعات محرمانه از محدوده امن آن سازمان خارج شوند. بخشی از داده‌های بدون حساسیت نیز به‌صورت مستقیم در سامانه‌های رایانه‌ای امن برای پردازش ابزارهای هوش مصنوعی ذخیره می‌شوند.
زیرساخت سخت‌افزاری و پلتفرم‌های نرم‌افزاری شتاب‌یافته
پیاده‌سازی یادگیری فدرال و پردازش حجم عظیمی از داده‌های زیستی نیازمند توان رایانشی بالایی است که بخش مهمی از پشتیبانی فنی آن را انویدیا بر عهده دارد. کنسرسیوم C-BRAIN در حال حاضر ۶۴ پردازنده گرافیکی دیتاسنتری انویدیا را به‌شکل محلی به همراه نودهای مبتنی بر فضای ابری مایکروسافت آژور به کار گرفته است. همچنین با گسترش دامنه پروژه، برنامه‌ریزی برای به‌کارگیری ظرفیت‌های محاسباتی جدید از جمله سیستم‌های مبتنی بر معماری بلک‌ول در دستور کار قرار دارد.
در بخش نرم‌افزار، این کنسرسیوم فناوری‌های متن‌باز و توسعه‌یافته انویدیا شامل پلتفرم BioNeMo و فریم‌ورک MONAI را وارد خطوط پردازش داده‌های زیستی خود کرده است. به گفته دکتر اد اوله‌ووله، مدیر ارشد فناوری C-BRAIN، مدل‌سازی معماری‌های یادگیری ماشین در حوزه فضایی چند-امیکس نیازمند بهینه‌سازی دقیق است و پشته نرم‌افزاری انویدیا به هماهنگی این پردازش‌ها کمک می‌کند تا مدل‌ها خروجی‌های کاربردی تولید کنند.
ابزارهای متن‌باز OpenScientist و InsightEngine
پژوهشگران C-BRAIN تاکنون دو ابزار متن‌باز مستقل بر پایه هوش مصنوعی عاملی توسعه داده‌اند تا چرخه آزمایش فرضیه‌ها را سرعت ببخشند:
با توجه به حضور بیش از ۲۰۰ گروه پژوهشی در این شبکه، به‌کارگیری چنین ابزارهایی می‌تواند بیش از یک میلیون ساعت ظرفیت تحقیقاتی را به‌صورت سالانه آزاد کند و در اختیار محققان قرار دهد.
چشم‌انداز مدل پایه زیستی و درک پیوند علّی بیماری
برنامه بلندمدت کنسرسیوم C-BRAIN ساخت یک مدل پایه چندوجهی زیستی است که روی گستره کاملی از داده‌ها، شامل تصاویر برداری عصبی، داده‌های چند-امیکس، نشانگرهای زیستی مایعات بدن و ارزیابی‌های بالینی طولی آموزش ببیند. این کنسرسیوم در نظر دارد تا سال سوم فعالیت خود، از مرحله مشاهده همبستگی‌های ساده فراتر برود و سازوکارهای علّی پیری مغز و زوال آلزایمر را شناسایی کند. این الگو به محققان اجازه می‌دهد پیش از طراحی دارو، اصول علمی قابل آزمون را ارزیابی کنند.
هوش فیسیت · از این مطلب بپرس
بعد از خواندن مطلب بپرسید؛ پاسخ فقط از همین مقاله است.
این مطلب برایتان مفید بود؟
رایان جهانی خبرنگار موبایل، کامپیوتر و گجت فیسیت است. گوشی، لپ‌تاپ، قطعه و گجت را پوشش می‌دهد و مشخصات روی کاغذ را با واقعیت بازار ایران می‌سنجد؛ عدد بنچمارک را بدون قیمت، گارانتی و کاربرد روزمره رها نمی‌کند.
علاقه‌اش به این است که بفهمد یک دستگاه در دست کاربر چطور کار می‌کند، نه فقط روی اسلاید رونمایی. خبر معرفی و مقایسهٔ مدل‌های موبایل و سخت‌افزار را معمولاً او می‌نویسد.
قابلیت‌های نسل جدید سیری و هوش مصنوعی اپل؛ آنچه در آیفون تغییر می‌کند
اجرای ابری بازی‌های سنگین روی پی‌سی ضعیف؛ سرویس GeForce NOW چطور کار می‌کند؟
خطای ۴۲۹ در API همیشه نشانهٔ تمام شدن شارژ نیست؛ تفاوت محدودیت سرعت و اعتبار حساب
نظرات کاربران