详细内容或原文请订阅后点击阅览
在治疗和患者护理中应用多模式生物基础模型
在这篇文章中，我们将探讨多模式 BioFM 的工作原理，展示药物发现和临床开发中的实际应用，并介绍 AWS 如何帮助组织构建和部署多模式 BioFM。
来源:亚马逊云科技 _机器学习医疗保健和生命科学决策越来越依赖多模式数据来诊断疾病、开药和预测治疗结果、准确开发和优化创新疗法。传统方法分析碎片数据，例如用于药物发现的组学、用于诊断的医学图像、用于验证的临床试验报告以及用于患者治疗的电子健康记录 (EHR)。因此，决策者（最高层主管、副总裁、董事）常常会错过隐藏在数据类型之间关系中的关键见解。人工智能的最新进展使您能够有效地集成和分析这些碎片数据流，以支持更全面地了解治疗和患者护理。
AWS 为多模式生物基础模型 (BioFM) 提供统一的环境，使您能够在个性化医疗方面做出更加自信、及时的决策。该人工智能系统结合了生物数据、模型开发、可扩展计算和合作伙伴工具来支持药物开发生命周期。在这篇文章中，我们将探讨多模式 BioFM 的工作原理，展示药物发现和临床开发中的实际应用，并介绍 AWS 如何帮助组织构建和部署多模式 BioFM。
多模态生物基础模型
生物基础模型 (BioFM) 是在大型生物数据集上预先训练的 AI 模型。 BioFM 展示了特定医疗保健和生命科学任务的先进功能。常用的 BioFM 跨越药物发现和临床开发领域，特别是蛋白质结构和分子设计 (~20%)、包括 DNA、表观遗传和 RNA 在内的组学数据分析 (~30%)、医学成像 (15%) 和临床记录 (~35%)（Delile 等人，2025）。
著名的多模式 BioFM 示例包括：