Le 1er novembre, lors de la 14e série d'activités Sichuan Netcom « Digital Intelligence Pilot » 2024 et de la 10e conférence sur les technologies intelligentes et les mégadonnées biomédicales, l'académicien de l'Académie chinoise des sciences, Chen Runsheng, un chercheur de l'Institut de biophysique de l'Académie chinoise des sciences a été interviewé par un journaliste du Daily Economic News.
Dans l'interview, Chen Runsheng a déclaré que les modèles d'intelligence artificielle à grande échelle en sont encore à leurs débuts, y compris leur application dans l'industrie biomédicale, et qu'il reste encore un long chemin à parcourir. On peut dire que l’application de grands modèles d’intelligence artificielle dans l’industrie biomédicale ne fait que commencer.
À l'avenir, « l'application et l'intervention de grands modèles d'intelligence artificielle dans l'ensemble du système médical seront complètes, et l'application de l'intelligence artificielle sera réalisée avant, pendant et après le traitement. L'intelligence artificielle améliorera non seulement considérablement l'efficacité du système médical. traitement, mais aussi cela changera fondamentalement l’ensemble du système médical, le transformant en une supervision médicale couvrant toutes les personnes et toutes les étapes, changeant ainsi le paradigme médical dans son ensemble », a-t-il déclaré.
Récemment, la 14e série d'activités Sichuan Netcom « Digital Intelligence Navigation » 2024 Sichuan Netcom « Entrer dans la frontière de la nouvelle productivité » et la 10e conférence sur les technologies intelligentes du Big Data biomédical se sont tenues à Chengdu. Lors de la réunion, des représentants d'experts médicaux nationaux et étrangers, d'entreprises médicales intelligentes et d'autres parties ont discuté du développement de haute qualité d'une nouvelle productivité numérique dans le domaine de la santé.
En tant que l'un des premiers chercheurs scientifiques engagés dans la recherche en biologie théorique et en bioinformatique en Chine, Chen Runsheng a déclaré qu'en général, les grands modèles d'intelligence artificielle en sont encore à leurs débuts, y compris leur application dans l'industrie biomédicale, et qu'il reste encore un long chemin à parcourir. il faut y aller. On peut dire que l’application de grands modèles d’intelligence artificielle dans l’industrie biomédicale ne fait que commencer.
« Ces premières applications de données, notamment la gestion des dossiers médicaux, l'enregistrement des informations d'enregistrement de base et la gestion des dossiers médicaux électroniques, utilisaient toutes le Big Data pour automatiser le processus. Avec l'aide de ces données, nous pouvons analyser les parties régulières, puis résoudre le problème. "C'est un problème plus pratique. Bien qu'encore à ses débuts, le big data a déjà apporté une contribution substantielle à l'industrie biomédicale", a-t-il déclaré.
En prenant comme exemple le développement précoce de médicaments, l’expérience passée montre qu’il faut 10 ans et 1 milliard de dollars pour développer un nouveau médicament. Mais avec l'aide du big data et de l'intelligence artificielle, les types de composés qui doivent être criblés peuvent être passés de dizaines de milliers à des centaines, voire des dizaines, et la portée de la recherche est devenue 1 % de l'efficacité initiale. le développement de nouveaux médicaments a été considérablement amélioré. Il s’agit des pratiques d’application du big data et de l’intelligence artificielle dans le domaine de la biomédecine.
Selon Chen Runsheng, tous les grands modèles industriels reposent sur la puissance de calcul et les données.
"Tout d'abord, la clé pour savoir si un grand modèle industriel peut être réalisé est la quantité de données industrielles que le constructeur maîtrise, donc les données sont la clé. Mais avec les données, deux problèmes doivent être résolus, l'un est la standardisation des données, et l'autre est l'intégration des données", a-t-il déclaré. La soi-disant standardisation des données fait référence à l'universalité et à la reconnaissance mutuelle des données. Si les normes relatives aux données générées par diverses institutions ou plateformes ne sont pas unifiées, la base d'application sera perdue. L'intégration des données consiste à dépasser les limites des données uniques. Si le partage des données ne peut pas être réalisé, le rôle et l'importance des grands modèles diminueront.
Pour résoudre les problèmes de normalisation et d’intégration des données, il faut un organisme leader. Chen Runsheng estime qu'en prenant les États-Unis comme exemple, le principal organisme chargé de résoudre la normalisation des données pourrait être l'IA ouverte, tout en prenant les données de l'industrie médicale comme exemple, les départements concernés tels que les soins de santé pourraient devoir prendre l'initiative de résoudre la spécification standard. question des sources de données. En plus de résoudre le problème de la standardisation des données, l'intégration des données nécessite également qu'un tel département institutionnel prenne les devants.
De plus, pour les établissements médicaux, la construction de leurs propres grands modèles pharmaceutiques reste un élément de coût. Pour un grand nombre d’hôpitaux confrontés à des problèmes de rentabilité, la manière de créer et d’utiliser le Big Data et les Big Models est une question de coûts et de bénéfices. À cet égard, Chen Runsheng a déclaré : « L'amélioration de la sensibilisation des hôpitaux et l'intervention des services de gestion résoudront progressivement ce problème. Parce que l'utilisation du Big Data est inévitable pour le développement, si vous ne franchissez pas cette étape, vous serez progressivement éliminé. . Ce n'est pas une question de savoir s'il faut le faire ou non. La question de savoir quand le faire est une tendance à laquelle il faut s'adapter. Celui qui le fera en premier aura l'avantage, et celui qui le fera en premier en bénéficiera davantage.
Chen Runsheng a déclaré : « L'application et l'intervention du grand modèle d'intelligence artificielle à l'ensemble du système médical sont complètes. L'application de l'intelligence artificielle sera réalisée avant, pendant et après le traitement. L'intelligence artificielle n'améliorera pas seulement considérablement l'efficacité du traitement médical. , mais aussi cela changera fondamentalement l'ensemble du système médical, en le transformant en une supervision médicale couvrant toutes les personnes et toutes les étapes, changeant tout le paradigme médical.