SandboxAQ ogłosił współpracę z Sanofi w zakresie identyfikacji biomarkerów podczas rozwoju klinicznego.
Projekt wykorzysta modele Ilościowej AI SandboxAQ do przyczynowego filtrowania grafów wiedzy. Ta technika pozwoli naukowcom automatycznie wydobywać nowe hipotezy kliniczne z literatury i wyróżniać te, które są rzeczywiście przyczynowe. Modele Ilościowej AI SandboxAQ mają na celu zrozumienie ludzkiej biologii, wspierając identyfikację nowych biomarkerów oraz ułatwiając naukowcom demonstrowanie mechanizmu działania, skuteczności i bezpieczeństwa leków i celów badanych w ramach rozwoju klinicznego.
Modele przyczynowego filtrowania SandboxAQ są częścią rosnącego zestawu Dużych Modeli Ilościowych (LQMs), Ilościowych Modeli AI szkolonych na wielu strumieniach danych, w tym danych własnych generowanych wewnętrznie przez algorytmy SandboxAQ. Ponieważ te dane są zarówno precyzyjne, jak i nieograniczone, LQMs unikają ograniczeń związanych ze skalą i dokładnością, które są charakterystyczne dla modeli językowych LLM szkolonych na publicznie dostępnych danych z Internetu.
Nadia Harhen, dyrektor generalny ds. symulacji AI w Sandbox AQ, powiedziała: „Duże Modele Ilościowe, takie jak te, które wykorzystujemy do przyczynowego filtrowania grafów wiedzy, okazują się mieć wpływ na wiele obszarów nauk przyrodniczych, od przekształcania leków po odwrotne skanowanie. Zastosowanie z Sanofi, skoncentrowane na identyfikacji biomarkerów, jest bardzo ekscytujące, ponieważ zwiększa nasz zasięg do późniejszych etapów rozwoju klinicznego i korzyści dla pacjentów, które mogą zostać odblokowane daleko poza wczesnymi etapami odkrywania leków.”
W zeszłym roku SandboxAQ ogłosił współpracę z zakresu Ilościowej AI z Uniwersytetem Kalifornijskim w San Francisco (UCSF), Novonix i Riboscience. W 2024 roku Flagship Pioneering, SPARK NS i inne organizacje dołączyły do dalszego rozwijania swoich innowacyjnych projektów.
Skomentuj ten artykuł za pośrednictwem X: @IoTNow i odwiedź nasza strone IoT Now Polska
