NVIDIA NIM 利用 AI 增强生物学见解的提炼
realtime news Apr 11, 2025 11:56
NVIDIA NIM 联合 CytoReason，利用 AI 加速从科学文献中提取生物学见解，在保持高准确度的同时显著减少处理时间。
在一项突破性发展中，NVIDIA 引入了一种先进的检索增强生成（RAG）流程，由 NVIDIA NIM 提供支持，以简化从科学文献中提炼生物学见解的过程。据 NVIDIA 称，此举与 CytoReason 合作，旨在革新科学数据整理的速度和准确性。
科学文献整理的挑战
科学论文本质上是多样化的，使用广泛的术语和方法。对于需要从大量数据中提取有意义见解的研究人员来说，这种可变性是一个挑战。传统的手动整理过程耗时且需要深厚的生物学专业知识以确保结果的可靠性。
通过 NVIDIA NIM 的 AI 驱动解决方案
NVIDIA 将大型语言模型（LLMs）整合到 RAG 流程中，显著提升了自动化整理过程。这种由 AI 驱动的方法允许快速处理科学论文，揭示的人类审查员难以实现的大量相关发现。包括 Mistral 12B Instruct 工具在内的 NVIDIA NIM 微服务是这一过程的核心，能够以惊人的准确性进行高通量数据提取。
由 CytoReason 实施
作为 NVIDIA 创业计划的成员，CytoReason 利用这一技术来增强其计算疾病模型。这些模型在各种生物学层面上模拟人类疾病，帮助生物制药进行决策。通过自动化生物学发现提取，CytoReason 能够更好地预测疾病进程、评估治疗效果并确定关键的生物学目标。
RAG 流程的效率和准确性
RAG 流程显著减少了整理所需的时间。在一项针对克罗恩病基因表达的案例研究中，该流程在几分钟内识别出了99个基因，其中70个与手工整理结果一致，其余提供的新见解已由专家验证。提取数据的准确性得到96%的确认，展示了流程的可靠性。
结论
NVIDIA NIM 将 AI 融入科学研究标志着生物数据整理方式的重大转变。通过将时间从几天缩短到几小时并保持高准确性，这一技术提高了科学发现的能力。研究人员和生物制药公司将显著受益于这些进步，为在疾病建模中的更知情决策和加速创新铺平了道路。
Image source: Shutterstock