<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>NVIDIA &#187; Medical Research and Healthcare</title>
	<atom:link href="https://blogs.nvidia.co.jp/tag/medical-research-and-healthcare/feed/" rel="self" type="application/rss+xml" />
	<link>https://blogs.nvidia.co.jp</link>
	<description>Japan Blog</description>
	<lastBuildDate>Fri, 25 Feb 2022 02:47:26 +0000</lastBuildDate>
	<language>en-US</language>
		<sy:updatePeriod>hourly</sy:updatePeriod>
		<sy:updateFrequency>1</sy:updateFrequency>
	<generator>http://wordpress.org/?v=4.0</generator>
	<item>
		<title>UKバイオバンクがNVIDIA Clara Parabricksでゲノム研究を推進</title>
		<link>https://blogs.nvidia.co.jp/2022/02/15/uk-biobank-advances-genomics-research-clara-parabricks/</link>
		<comments>https://blogs.nvidia.co.jp/2022/02/15/uk-biobank-advances-genomics-research-clara-parabricks/#comments</comments>
		<pubDate>Tue, 15 Feb 2022 02:46:56 +0000</pubDate>
		<dc:creator><![CDATA[Craig Rhodes]]></dc:creator>
				<category><![CDATA[Cloud]]></category>
		<category><![CDATA[Deep Learning]]></category>
		<category><![CDATA[Artificial Intelligence]]></category>
		<category><![CDATA[COVID-19]]></category>
		<category><![CDATA[Medical Research and Healthcare]]></category>
		<category><![CDATA[NVIDIA Clara]]></category>
		<category><![CDATA[Social Impact]]></category>

		<guid isPermaLink="false">https://blogs.nvidia.co.jp/?p=8769</guid>
		<description><![CDATA[遺伝子研究向け非識別加工データの世界最大級のリポジトリが科学者にNVIDIA Clara Parabricksへのアクセスを提供、ゲノムおよび創薬研究を能率化 UKバイオバンクは、膨大なデータセットと共に、NVIDIA GPUによって高速化された解析ツールをクラウド上で提供を開始しました。これにより、より多くの科学者がより簡単に、高品質なゲノムデータおよび解析ツールにアクセスできるようになりました。 UKバイオバンクには、世界中で2万5千人以上の研究者が利用登録しています。同機関は、英国全土で50万人以上の登録者が提供する医用画像および健康記録データに加え、非識別加工の遺伝子データセットを有する、大規模なバイオメディカル データベースおよび研究資源となっています。 バイオ医薬品製薬大手のリジェネロン (Regeneron) は、同社の高性能配列解読センターであるリジェネロン遺伝学センター (Regeneron Genetics Center) において、最近、UKバイオバンクと共同で、バイオバンク登録者全員のゲノムの全タンパク質コーディング領域であるエクソームの配列決定および解析を行いました。 リジェネロンのチームは、エクソーム シーケンシング工程において、次世代シーケンシング データの二次ゲノム解析向けのソフトウェア スイート、NVIDIA Clara Parabricksを利用しています。 UKバイオバンクは、こうしたエクソームのうち45万人分を承認された研究者がアクセスできるように公開していますが、今回、研究者がクラウドベースのResearch Analysis Platformを通じて、6か月間無料でClara Parabricksにアクセスできるようにしました。Research Analysis Platformは、バイオインフォマティクス プラットフォームを提供するDNAnexusによって開発されたもので、このプラットフォームを利用すれば、研究者はAWSクラウド上のNVIDIA GPUで動作するClara Parabricksを使用することができます。 UKバイオバンク副社長のMark Effingham氏は、以下のように述べています。「リジェネロン社が実証しているように、高速化されたGPUとClara Parabricksによって、ゲノムデータセットを大規模処理する際に必要な処理能力、スピード、再現性が実現します。英国内の多くの研究グループが、こうした高速化ツールがUKバイオバンクの広範なデータセット向けのプラットフォーム上で利用できるようになることを強く求めていました」 Clara Parabricksでリジェネロンのエクソーム研究が促進&#46;&#46;&#46;]]></description>
		<wfw:commentRss>https://blogs.nvidia.co.jp/2022/02/15/uk-biobank-advances-genomics-research-clara-parabricks/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>世界記録の DNA シーケンシング技術が、臨床医による救急患者の診断を高速化</title>
		<link>https://blogs.nvidia.co.jp/2022/01/21/world-record-genome-sequencing-parabricks/</link>
		<comments>https://blogs.nvidia.co.jp/2022/01/21/world-record-genome-sequencing-parabricks/#comments</comments>
		<pubDate>Fri, 21 Jan 2022 01:10:04 +0000</pubDate>
		<dc:creator><![CDATA[Kimberly Powell]]></dc:creator>
				<category><![CDATA[Cloud]]></category>
		<category><![CDATA[Deep Learning]]></category>
		<category><![CDATA[Research]]></category>
		<category><![CDATA[Artificial Intelligence]]></category>
		<category><![CDATA[Medical Research and Healthcare]]></category>
		<category><![CDATA[NVIDIA Clara]]></category>
		<category><![CDATA[Science]]></category>
		<category><![CDATA[Social Impact]]></category>

		<guid isPermaLink="false">https://blogs.nvidia.co.jp/?p=8689</guid>
		<description><![CDATA[NVIDIA Clara、Google DeepVariant、Oxford Nanopore Technologies を使ったシーケンシングにより、スタンフォード大学医学部の主導によるイニシアチブが、遺伝性疾患をわずか 7.5 時間で特定 患者の全ゲノムのシーケンシングと解析にかかる時間を数日から数時間に短縮することは、単に臨床効率を高めるだけでなく、命を救うことにもつながります。 スタンフォード大学が率いる研究チームは、血液サンプルの収集からゲノム全体のシーケンシング、疾患を引き起こすバリアントの特定まで、このプロセスのすべての工程を短縮し、発作を引き起こす遺伝性の希少難病を患う生後 3 か月の乳児に対して、わずか数時間で病原性バリアントを発見して診断確定を行いました。従来の遺伝子パネル検査にも同時に依頼していましたが、こちらは診断結果が返されるまでに 2 週間かかりました。 1月12日付で『New England Journal of Medicine』に詳細な説明が掲載されたこの超高速なシーケンシング法により、この乳児の発作の種類と抗てんかん薬に対する治療反応についての洞察を得ることができ、医師はてんかんの症状に対処することができました。 このシーケンシング法は 5 時間 2 分という記録を叩き出し、世界最速の DNA シーケンシング技術として世界で初めてギネス世界記録に認定されました。この方法を開発したのが、スタンフォード大学、NVIDIA、Oxford Nanopore Technologies、Google、ベイラー医科大学、カリフォルニア大学サンタクルーズ校の研究者たちです。 この研究者たちは、Google Cloud 上で NVIDIA GPU を使用して、ベース&#46;&#46;&#46;]]></description>
		<wfw:commentRss>https://blogs.nvidia.co.jp/2022/01/21/world-record-genome-sequencing-parabricks/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>シンガポール国⽴大学保健機構、健康管理予測の向上に向けて NVIDIA DGX A100 を採用したAIプラットフォームを構築</title>
		<link>https://blogs.nvidia.co.jp/2022/01/19/singapore-nuhs-builds-ai-platform/</link>
		<comments>https://blogs.nvidia.co.jp/2022/01/19/singapore-nuhs-builds-ai-platform/#comments</comments>
		<pubDate>Wed, 19 Jan 2022 08:23:45 +0000</pubDate>
		<dc:creator><![CDATA[NVIDIA Singapore]]></dc:creator>
				<category><![CDATA[Deep Learning]]></category>
		<category><![CDATA[Artificial Intelligence]]></category>
		<category><![CDATA[Medical Research and Healthcare]]></category>
		<category><![CDATA[NVIDIA DGX]]></category>

		<guid isPermaLink="false">https://blogs.nvidia.co.jp/?p=8663</guid>
		<description><![CDATA[シンガポールのヘルスケア機関がAI を利用して患者の治療とケアを改善 シンガポール国⽴大学保健機構（National University Health System、以下NUHS) は、NVIDIA DGX A100 システムをベースに構築した AI プロダクション プラットフォームにより、シンガポールのヘルスケア 機関として初めてリアルタイム ストリーミング機能を実装しました。これにより NUHS は、患者の治療とケアを改善し、生物医学研究のコラボレーションを促進し、病気の管理および治療方法を変革することが可能になります。 NUHS の新しい Endeavour AI プラットフォームの中核を担う NVIDIA DGX A100 は、AI ツールを実行することにより、診断、病勢進行、再入院、転倒リスクなどについてリアルタイムでの予測を行います。 この新システムは、NUHS の Discovery AI トレーニング プラットフォームと統合され、同グループのデジタル トランスレーション施策の一環として、学習および推論の完全なシステムを構成する予定です。&#46;&#46;&#46;]]></description>
		<wfw:commentRss>https://blogs.nvidia.co.jp/2022/01/19/singapore-nuhs-builds-ai-platform/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>AI が世界の産業に与える影響に関する 2022 年度予測</title>
		<link>https://blogs.nvidia.co.jp/2021/12/22/2022-predictions-ai-global-industries/</link>
		<comments>https://blogs.nvidia.co.jp/2021/12/22/2022-predictions-ai-global-industries/#comments</comments>
		<pubDate>Wed, 22 Dec 2021 01:40:47 +0000</pubDate>
		<dc:creator><![CDATA[Cliff Edwards]]></dc:creator>
				<category><![CDATA[Data Center]]></category>
		<category><![CDATA[Deep Learning]]></category>
		<category><![CDATA[Artificial Intelligence]]></category>
		<category><![CDATA[Data Science]]></category>
		<category><![CDATA[Finance]]></category>
		<category><![CDATA[Medical Research and Healthcare]]></category>
		<category><![CDATA[NVIDIA DGX]]></category>
		<category><![CDATA[NVIDIA Research]]></category>
		<category><![CDATA[Omniverse]]></category>
		<category><![CDATA[Retail]]></category>
		<category><![CDATA[Telecommunications]]></category>

		<guid isPermaLink="false">https://blogs.nvidia.co.jp/?p=8556</guid>
		<description><![CDATA[不確実な情勢が長期化し利益と生産性を圧迫する中、アクセラレーテッド コンピューティングと AI が産業界の主流に 不確実な時代にこそ優れたビジネスが発展すると、古くから言われています。大規模な激変の前兆が見える 2022 年、このことが試される年になることは間違いないでしょう。 パンデミックによるサプライチェーンの混乱は、自動車や電子機器から玩具やトイレット ペーパーに至るまで、あらゆるものの生産に影響を及ぼしています。また、食料事情に関しては、労働者の不足、工場の閉鎖、商品価格の高騰により、最も高度な予測や物流業務ですら計画が破綻したため、世界の食料価格はここ 10 余年で最高水準に跳ね上がりました。 昨年、NVIDIA のトップ エキスパート数人に、AI とアクセラレーテッド コンピューティングの世界に 2021 年がもたらすものは何であるかについて、インタビューを行いました。企業が製品予測、サプライチェーン管理、科学研究のための新しい道を模索する中、それぞれが計画段階から稼働段階へと移行するだろうという予測を立てていました。 2021 年の 1 年間で書かれたさまざまなドキュメントの見出しを見てみると、彼らの予測が正しいことが分かります。小売企業の Home Depot、Target、Walmart は、クリスマスに向けて自社専用の貨物船をチャーターし、世界中の店舗に商品を配送しました。BMW や Ericsson などの企業は、市場投入までの時間を短縮するためにデジタル ツイン テクノロジを使用して実世界の環境のシミュレートを始めています。 AI の導入は有名企業に限ったことではありません。事実、銀行や医療、エネルギーなどの 9 つのセクターにわたる&#46;&#46;&#46;]]></description>
		<wfw:commentRss>https://blogs.nvidia.co.jp/2021/12/22/2022-predictions-ai-global-industries/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>世界中で高まる連合学習への期待と、それに応える NVIDIA Clara Imaging</title>
		<link>https://blogs.nvidia.co.jp/2021/12/17/federated-learning-casestudies-jikei-u/</link>
		<comments>https://blogs.nvidia.co.jp/2021/12/17/federated-learning-casestudies-jikei-u/#comments</comments>
		<pubDate>Fri, 17 Dec 2021 00:46:47 +0000</pubDate>
		<dc:creator><![CDATA[NVIDIA Japan]]></dc:creator>
				<category><![CDATA[Deep Learning]]></category>
		<category><![CDATA[Medical Research and Healthcare]]></category>
		<category><![CDATA[NVIDIA Clara]]></category>

		<guid isPermaLink="false">https://blogs.nvidia.co.jp/?p=8535</guid>
		<description><![CDATA[東京慈恵会医科大学准教授の中田典生氏が臨床現場での活用に向けて研究を推進 医療AIで今、機密性の高い臨床データを直接共有することなく、複数機関が協力して AI モデルのトレーニングや評価を行うことが可能なテクノロジとして連合学習（Federated Learning) が注目を集めており、世界中で研究が進んでいます。11月に開催されたNVIDIA GTCでは、AIおよびGPUコンピューティングがヘルスケアにおけるあらゆる分野で変革をもたらしている様子が紹介されましたが、その中でも連合学習に対する注目は大きく、ドイツ、米国、日本など各国から連合学習を主題としたセッションが行われました。 米国のセッションは “Federated Learning is Becoming a Reality in Healthcare AI and Transforming Research” と題したディスカッションであり、NVIDIAの他、世界有数の医療機関であるジョンズ ホプキンズ病院、連合学習に特化したソリューションを提供するスタートアップのRhino Health、FDA医用機器・放射線保健センター(CDRH)、そして米国国立衛生研究所(NIH)から計6名のスピーカーが参加しました。NIHはNVIDIAと共に、世界中の 20 の病院による最大かつ最も多様な連合学習のイニシアチブである、EXAM (EMR CXR AI Model)のプロジェクトにも参加しており、こちらをはじめとする連合学習の臨床応用を目指す実例をもとに、その合理性や価値、潜在的なハードルが検証されました。 日本の医用画像×AIの第一人者が、連合学習の最新研究結果を紹介 日本からは東京慈恵会医科大学　人工知能医学研究部長　准教授の中田典生氏が、「カスケード型医工連携と連合学習」と題したセッションに登壇しました。中田氏は、AIを活用した画像診断支援研究の第一人者であり、連合学習を臨床現場に活用するための研究を進めています。人工知能学部では中田氏が自ら構築した、NVIDIA GPU搭載のAI開発用コンピューター4台が設置されており、中田氏はそれらを用いて行った連合学習による学習結果と、従来の機械学習を活用した結果に生じる差についての研究を紹介しました。 研究に用いられたデータは、日本医療研究開発機構（AMED)が主導し、東京慈恵会医科大学が協力するプロジェクトで全国6施設の病院から集められた乳腺腫瘤の超音波画像です。この超音波画像をバラバラにし、施設ごとに分けることで疑似的に連合学習の状態を再現しました。5施設 Institution&#46;&#46;&#46;]]></description>
		<wfw:commentRss>https://blogs.nvidia.co.jp/2021/12/17/federated-learning-casestudies-jikei-u/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>NVIDIA FLARE が、ヘルスケアをはじめとする分野でAI のコラボレーションを加速</title>
		<link>https://blogs.nvidia.co.jp/2021/12/02/federated-learning-ai-nvidia-flare/</link>
		<comments>https://blogs.nvidia.co.jp/2021/12/02/federated-learning-ai-nvidia-flare/#comments</comments>
		<pubDate>Thu, 02 Dec 2021 07:35:07 +0000</pubDate>
		<dc:creator><![CDATA[Prerna Dogra]]></dc:creator>
				<category><![CDATA[Deep Learning]]></category>
		<category><![CDATA[Software]]></category>
		<category><![CDATA[Artificial Intelligence]]></category>
		<category><![CDATA[Inception]]></category>
		<category><![CDATA[Medical Research and Healthcare]]></category>
		<category><![CDATA[Social Impact]]></category>

		<guid isPermaLink="false">https://blogs.nvidia.co.jp/?p=8509</guid>
		<description><![CDATA[新しいオープンソース ソフトウェアによって、フェデレーテッド ラーニングのための共通コンピューティング基盤をヘルスケア、製造、金融サービスなどの業界に提供 NVIDIA は、より一般化可能な AI モデルの分散共同開発を支援するソフトウェア開発キットである NVIDIA FLARE をオープンソース化することにより、かつてないほど容易にフェデレーテッド ラーニングを利用できるようにしようとしています。 フェデレーテッド ラーニングは、わずかなデータ、機密のデータ、または多様性に欠けるデータを扱う場合に特に役立つ、プライバシー保護を可能にするテクノロジです。それだけでなく、組織のデータ収集方法や、患者や顧客の人口統計によって偏りが生じることがある大規模データセットにも役立ちます。 NVIDIA FLARE (Federated Learning Application Runtime Environment) は、医用画像、遺伝分析、オンコロジー、COVID-19の研究への AI 応用に利用されている NVIDIA Clara Train のフェデレーテッド ラーニング ソフトウェアの基盤となるエンジンです。この SDK を使用すれば、研究者やデータ サイエンティストは既存の機械学習やディープラーニングのワークフローを分散パラダイムに適応させることができます。 NVIDIA FLARE&#46;&#46;&#46;]]></description>
		<wfw:commentRss>https://blogs.nvidia.co.jp/2021/12/02/federated-learning-ai-nvidia-flare/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>NVIDIA AI Enterprise が、がん治療の研究者、病院の目標達成を支援</title>
		<link>https://blogs.nvidia.co.jp/2021/12/02/ai-enterprise-healthcare-cancer-research-rsna/</link>
		<comments>https://blogs.nvidia.co.jp/2021/12/02/ai-enterprise-healthcare-cancer-research-rsna/#comments</comments>
		<pubDate>Thu, 02 Dec 2021 07:10:45 +0000</pubDate>
		<dc:creator><![CDATA[David Niewolny]]></dc:creator>
				<category><![CDATA[Data Center]]></category>
		<category><![CDATA[Deep Learning]]></category>
		<category><![CDATA[Software]]></category>
		<category><![CDATA[Artificial Intelligence]]></category>
		<category><![CDATA[Inception]]></category>
		<category><![CDATA[Medical Research and Healthcare]]></category>
		<category><![CDATA[Social Impact]]></category>

		<guid isPermaLink="false">https://blogs.nvidia.co.jp/?p=8503</guid>
		<description><![CDATA[オランダがん研究所とヘルスケア企業の Vyasa、iCADおよびRhino Health は、NVIDIA のソフトウェア スイートを使用して、エンドツーエンドの AI ワークロードをいち早く実現 AI は、がん検診の促進、偽陽性の削減、腫瘍の特定や治療計画の改善など、医療の革新と加速を実現する強力な存在です。 しかしその期待に反して、AI を実際のソリューションに統合することは多くの IT 組織にとって難題となっています。 世界トップクラスのがん研究および治療センターであるオランダがん研究所 (NKI)は、NVIDIA AI Enterprise のソフトウェア スイートを使用して、現在一般的に使用されているものより高精度の 3D がんスキャンで AI ワークロードをテストしています。 NKI の AI モデルは、以前は低解像度の画像でトレーニングされていました。しかし、NVIDIA AI Enterprise が提供する大容量のメモリを利用することで、NKI の研究者たちは高解像度の画像でトレーニングを行うことが可能になりました。このような解像度の向上により、臨床医は患者が治療を受けるたびに、腫瘍のサイズや位置をより正確に特定できるようになります。 NKI が導入した&#46;&#46;&#46;]]></description>
		<wfw:commentRss>https://blogs.nvidia.co.jp/2021/12/02/ai-enterprise-healthcare-cancer-research-rsna/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>ゴードン ベル賞のファイナリストが NVIDIA のテクノロジで COVID と闘い、科学を進歩させる</title>
		<link>https://blogs.nvidia.co.jp/2021/11/18/ai-gordon-bell-sc21/</link>
		<comments>https://blogs.nvidia.co.jp/2021/11/18/ai-gordon-bell-sc21/#comments</comments>
		<pubDate>Thu, 18 Nov 2021 05:37:59 +0000</pubDate>
		<dc:creator><![CDATA[Dion Harris]]></dc:creator>
				<category><![CDATA[Deep Learning]]></category>
		<category><![CDATA[Supercomputing]]></category>
		<category><![CDATA[Artificial Intelligence]]></category>
		<category><![CDATA[COVID-19]]></category>
		<category><![CDATA[GPU Computing]]></category>
		<category><![CDATA[High Performance Computing]]></category>
		<category><![CDATA[Machine Learning]]></category>
		<category><![CDATA[Medical Research and Healthcare]]></category>
		<category><![CDATA[New GPU uses]]></category>
		<category><![CDATA[NVIDIA A100]]></category>
		<category><![CDATA[NVIDIA DGX]]></category>
		<category><![CDATA[Parallel computing]]></category>
		<category><![CDATA[Science]]></category>

		<guid isPermaLink="false">https://blogs.nvidia.co.jp/?p=8427</guid>
		<description><![CDATA[NVIDIA のアクセラレーテッド コンピューティングと AI プラットフォームを使用して、4 チームがゴードン ベル賞の本賞または COVID 研究特別賞のファイナリストにノミネートされ、そのうちの 2 チームは驚異的な 10 億個の原子のシミュレーションを行いました。 10 億個の原子を対象とした 2 つのシミュレーション、SARS-CoV-2 ウイルスの仕組みについての新たな 2 つの知見、そして創薬を加速する新しい AI モデル。 上記は、ハイ パフォーマンス コンピューティング界のノーベル賞とも言われるゴードン ベル賞のファイナリストに選出された研究結果です。これらは NVIDIA のテクノロジを用いて、AI、アクセラレーテッド コンピューティング、またはその両方で科学を進歩させています。 COVID-19 研究特別賞のファイナリストに、AI を使用して複数のシミュレーションを結び付け、ウイルスが宿主内でどのように複製するかを新たなレベルで明確に示した研究チームがあります。 アルゴンヌ国立研究所の計算生物学者であるアルヴィンド ラマナサン&#46;&#46;&#46;]]></description>
		<wfw:commentRss>https://blogs.nvidia.co.jp/2021/11/18/ai-gordon-bell-sc21/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>Entos、NVIDIA の AIを活用した分子シミュレーションで新薬の発見と設計を変革</title>
		<link>https://blogs.nvidia.co.jp/2021/11/16/entos-drug-discovery-ai-molecular-simulation/</link>
		<comments>https://blogs.nvidia.co.jp/2021/11/16/entos-drug-discovery-ai-molecular-simulation/#comments</comments>
		<pubDate>Tue, 16 Nov 2021 01:26:10 +0000</pubDate>
		<dc:creator><![CDATA[Abraham Stern]]></dc:creator>
				<category><![CDATA[Deep Learning]]></category>
		<category><![CDATA[Artificial Intelligence]]></category>
		<category><![CDATA[GTC 2021]]></category>
		<category><![CDATA[Inception]]></category>
		<category><![CDATA[Medical Research and Healthcare]]></category>
		<category><![CDATA[Social Impact]]></category>

		<guid isPermaLink="false">https://blogs.nvidia.co.jp/?p=8399</guid>
		<description><![CDATA[NVIDIA Clara Discovery が、サンディエゴのスタートアップによる次世代治療法の開発に向けた新たな機械学習アプローチを可能に 「知識が多いほど、より多くの情報に基づいた予測が可能になる」—これは、カリフォルニア州サンディエゴを拠点とするスタートアップ Entos が、分子特性の予測を 1,000 倍加速することができる AI アプローチで、新薬の設計に革命的変化をもたらすために適用している指針です。 創薬が時間のかかるデータ集約的なプロセスであることはよく知られていますが、それは Entos の OrbNet アーキテクチャによって変わろうとしています。このアーキテクチャが分子創薬モデルのトレーニングを量子精度で行うのに必要なデータは、従来の 30 分の 1です。そして、有望な薬剤化合物の発見に要する実験回数が 100 分の 1 で済むようになります。つまり、従来の治療薬発見手法に伴う待ち時間や複雑さが解消されるということです。 AI やデータ サイエンス分野の先進技術を駆使して業界に革命をもたらそうとしているスタートアップを支援するプログラム、 NVIDIA Inception のメンバーである同社では、NVIDIA Clara Discovery を活用して研究を進めています。NVIDIA Clara Discoveryには、何十億個もの薬剤候補分子がいかに人間の体内で相互作用するかについて洞察を引き出すためにつくられた、最先端のフレームワーク、アプリケーション、事前トレーニング済みのモデルが含まれます。&#46;&#46;&#46;]]></description>
		<wfw:commentRss>https://blogs.nvidia.co.jp/2021/11/16/entos-drug-discovery-ai-molecular-simulation/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>NVIDIA、医療機器やデバイスのリアルタイム センシングを可能にするAIコンピューティング プラットフォームを発表</title>
		<link>https://blogs.nvidia.co.jp/2021/11/12/clara-holoscan-real-time-ai-medical-devices/</link>
		<comments>https://blogs.nvidia.co.jp/2021/11/12/clara-holoscan-real-time-ai-medical-devices/#comments</comments>
		<pubDate>Thu, 11 Nov 2021 16:37:12 +0000</pubDate>
		<dc:creator><![CDATA[Kimberly Powell]]></dc:creator>
				<category><![CDATA[Data Center]]></category>
		<category><![CDATA[Deep Learning]]></category>
		<category><![CDATA[Software]]></category>
		<category><![CDATA[Artificial Intelligence]]></category>
		<category><![CDATA[GTC 2021]]></category>
		<category><![CDATA[Medical Research and Healthcare]]></category>
		<category><![CDATA[Social Impact]]></category>

		<guid isPermaLink="false">https://blogs.nvidia.co.jp/?p=8364</guid>
		<description><![CDATA[Clara Holoscan の活用により、開発者はマルチモーダル センサーデータを処理し、物理ベースのモデルを実行し、AI 推論を加速し、高品質のグラフィックスをリアルタイムでレンダリングするアプリケーションを構築可能に AI と組み合わせた医療機器技術の革新は、医療の各種専門医がロボット支援手術、インターベンショナル ラジオロジー (IVR) 、放射線治療計画などにおけるケアを提供するための、より優れた意思決定ツールをもたらしています。 これを臨床に応用するためには、AI 支援の医療機器にデータをリアルタイムに処理、予測、可視化するための高速なパイプラインが必要となります。 NVIDIA Clara Holoscan は、Jetson AGX Orinを搭載したヘルスケア業界向けの新しいプラットフォームであり、医療機器からのストリーミング データをスケーラブルかつソフトウェア デファインド、そしてエンドツーエンドに処理できるコンピューティング インフラストラクチャを提供します。 NVIDIA Clara Holoscan は、医療機器とエッジ サーバーをシームレスにブリッジするためのエンドツーエンド プラットフォームとして構築されています。開発者は、デバイス上では低遅延のストリーミング アプリケーションを実行し、より複雑なタスクにはデータセンターのリソースを活用する AI マイクロサービスを作成できます。 リアルタイムパイプラインの実現 あらゆるインテリジェントな医療機器には、センサーから始まりデータ ドメインに至り、人間の意思決定のために可視化する類似の処理パイプラインがあります。手元のデバイス (CT&#46;&#46;&#46;]]></description>
		<wfw:commentRss>https://blogs.nvidia.co.jp/2021/11/12/clara-holoscan-real-time-ai-medical-devices/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>MDアンダーソンの研究者らがAIを利用したがん治療の改革を推進</title>
		<link>https://blogs.nvidia.co.jp/2021/11/11/md-anderson-ai-cancer-care/</link>
		<comments>https://blogs.nvidia.co.jp/2021/11/11/md-anderson-ai-cancer-care/#comments</comments>
		<pubDate>Thu, 11 Nov 2021 03:41:47 +0000</pubDate>
		<dc:creator><![CDATA[Mona Flores]]></dc:creator>
				<category><![CDATA[Deep Learning]]></category>
		<category><![CDATA[Research]]></category>
		<category><![CDATA[Artificial Intelligence]]></category>
		<category><![CDATA[GTC 2021]]></category>
		<category><![CDATA[Medical Research and Healthcare]]></category>
		<category><![CDATA[NVIDIA DGX]]></category>
		<category><![CDATA[Science]]></category>
		<category><![CDATA[Social Impact]]></category>

		<guid isPermaLink="false">https://blogs.nvidia.co.jp/?p=8341</guid>
		<description><![CDATA[米国屈指のがんセンターの科学者たちがAIの力を活用し、データへのアプローチを再構築 真の洞察をデータから引き出すためには、AIとデータサイエンスの研究は組織の外にあるべきではありません。組織のコア戦略の一部となるべきものです。 米国のトップランクのがんセンターであるテキサス大学MDアンダーソンがんセンターは、まさにこれを実行中です。データ ガバナンスに新たな焦点を当てており、数十人の研究者が AIによって高速化された腫瘍学プロジェクトを推進し、患者のケアの改善を追求しています。 「私たちはコンテキストの中でのデータに焦点を当てています。調整されたメタデータ サプライチェーンを確保して、臨床現場で真価を発揮するAIモデルを構築するための現在の課題に対処しています」と語るのは、 MDアンダーソンの最初のチーフデータ役員に最近任命されたキャロライン チョン (Caroline Chung) 博士です。「より優れた、より堅牢な予測モデルを構築するには、データ生成から機械学習の洞察の臨床使用までのあらゆる段階を網羅する、統合された戦略が必要です」。 このデータ ガバナンス戦略は、洞察を生成するための病院データの収集と利用方法に影響を与え、データの検索性、アクセス性、相互運用性、再利用性を可能にします。チョン博士は、MDアンダーソンの最高技術責任者 兼 デジタル オフィサーであるデビット ジャフレイ (David Jaffray) 博士と共同執筆した『Cancer Research』に最近掲載された記事の中で、AIのメタデータ サプライチェーンの重要性について考察しています。 「それは大きなカルチャー チェンジです」とチョン博士は言います。 「コンテキスト情報を含むデータをより多く取得できるほど、より複雑な質問をすることが可能になります。また、機械学習の洞察を使用して、臨床医が患者とのやり取りを改善し、ケアの目標に沿った最良の患者の転帰を伴うデータ主導の治療決定を導くのに役立つ可能性が高くなります」。 研究者が必要とする高品質のデータを収集し、安全に保管し、その使用状況を追跡するパイプラインを構築することで、MDアンダーソンは臨床医が放射線データを分析し、がん治療を提供し、敗血症などの合併症を予測するのに役立つプロジェクトをより適切にサポートすることを目指しています。 これらのプロジェクトの多くはすでに進行中であり、NVIDIA DGX システムなど、GPUを利用した新たなテクノロジによって加速されています。MDアンダーソンによる新たな投資により、研究者は何千基もの追加のGPUコアにアクセスし、センター全体のAIプロジェクトをサポートできるようになります。 画像診断へのAIの応用 腫瘍学の最初のステップは腫瘍を検出することであり、早いほど効果的です。MDアンダーソンでは、5年生存率がわずか10％の膵臓がんの患者を診断するのに貢献する、早期検出AIアプリケーションを開発しています。 「膵臓がんは他の臓器へ転移後に診断されることがよくあります」と語るのは、MDアンダーソンの消化管放射線腫瘍学の共同ディレクターであるユージン コアイ (Eugene&#46;&#46;&#46;]]></description>
		<wfw:commentRss>https://blogs.nvidia.co.jp/2021/11/11/md-anderson-ai-cancer-care/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>MRI に AI の目を: 医用画像における AI と機械学習の最新情報を業界のエキスパートらが紹介</title>
		<link>https://blogs.nvidia.co.jp/2021/10/13/ai-medical-imaging-gtc/</link>
		<comments>https://blogs.nvidia.co.jp/2021/10/13/ai-medical-imaging-gtc/#comments</comments>
		<pubDate>Wed, 13 Oct 2021 01:08:01 +0000</pubDate>
		<dc:creator><![CDATA[Clarissa Garza]]></dc:creator>
				<category><![CDATA[Deep Learning]]></category>
		<category><![CDATA[Artificial Intelligence]]></category>
		<category><![CDATA[Medical Research and Healthcare]]></category>
		<category><![CDATA[Science]]></category>
		<category><![CDATA[Social Impact]]></category>

		<guid isPermaLink="false">https://blogs.nvidia.co.jp/?p=8232</guid>
		<description><![CDATA[医療業界において、放射線分野ほど AI の台頭が顕著な領域はおそらくないでしょう。放射線分野では、機械学習が医療従事者のワークフローにあらゆる面で寄り添って支援しています。 たとえばセント ジュード チルドレンズ リサーチ ホスピタル (St. Jude Children’s Research Hospital) では、研究者チームが AI を利用してがん治療が脳の構造に与える影響についての研究を進めています。 カリフォルニア大学サンフランシスコ校 (UCSF) では、放射線医学ワークフローの一部自動化を目指す臨床チームを、データ サイエンティスト チームが機械学習を用いてサポートしています。 また、上海では、放射線科医らが単一画像から骨折やさまざまな疾患を特定するのに役立つ AI を活用しています。 世界規模で医用画像を進化させている驚くべき研究やテクノロジについて、今年4月に開催されたNVIDIA GPU テクノロジ カンファレンスのセッションの中から、いくつか以下にご紹介します。また、11 月 8 ～ 11 日にオンライン開催される GPU&#46;&#46;&#46;]]></description>
		<wfw:commentRss>https://blogs.nvidia.co.jp/2021/10/13/ai-medical-imaging-gtc/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>医療 AI で求められるフェデレーテッド ラーニング、将来的にはあらゆる業界でも活用が期待される</title>
		<link>https://blogs.nvidia.co.jp/2021/09/29/federated-learning-nature-medicine/</link>
		<comments>https://blogs.nvidia.co.jp/2021/09/29/federated-learning-nature-medicine/#comments</comments>
		<pubDate>Wed, 29 Sep 2021 05:52:04 +0000</pubDate>
		<dc:creator><![CDATA[Mona Flores]]></dc:creator>
				<category><![CDATA[Deep Learning]]></category>
		<category><![CDATA[Research]]></category>
		<category><![CDATA[Artificial Intelligence]]></category>
		<category><![CDATA[COVID-19]]></category>
		<category><![CDATA[Medical Research and Healthcare]]></category>
		<category><![CDATA[Science]]></category>
		<category><![CDATA[Social Impact]]></category>

		<guid isPermaLink="false">https://blogs.nvidia.co.jp/?p=8190</guid>
		<description><![CDATA[『Nature Medicine』に掲載された結果によると、フェデレーテッド ラーニングにより医療機関をまたいで一般化する強力な AI モデルを構築できることが示されており、将来的にエネルギー、金融サービス、製造などの分野に応用が広がる見込み COVID-19 による危機をきっかけとした、複数の病院による取り組みによって明らかになったことがあります。それは、どのような業界の機関であっても連携することで、精度と一般化可能性の両方に新しい基準を打ち立てる予測 AI モデルを開発できるということです。 査読付き大手医学誌である『Nature Medicine』で今月発表されたコラボレーションは、機密データや少量なデータによる制約がある業界でも、プライバシーを保護するフェデレーテッド ラーニング技術によって、組織の垣根を越えて機能する堅牢な AI モデルの構築が可能であることを示しています。 Mass General Brigham で AI 開発を主導し、ヘルスケアのスタートアップ企業 Rhino Health を今年設立した、この研究の筆頭著者のイッタイ ダヤン博士 (Dr. Ittai Dayan) は次のように述べています。「AI 開発では通常、ある病院のデータに基づいてアルゴリズムを作成しても、他の病院ではうまく機能しません。 しかし、フェデレーテッド ラーニングと、さまざまな大陸から集めた客観的なマルチモーダル データを使用してモデルを開発することで、一般化可能なモデルを構築することができ、最前線で働く世界中の医師に役立ててもらえるようになります。」 他にも、5 人のメンバーによるマンモグラフィー評価の研究や、脾臓のセグメンテーションに使用する&#46;&#46;&#46;]]></description>
		<wfw:commentRss>https://blogs.nvidia.co.jp/2021/09/29/federated-learning-nature-medicine/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>サイエンスが鍵： いかにしてJohnson &amp; Johnsonは MLOps によってビジネスを強化したのか</title>
		<link>https://blogs.nvidia.co.jp/2021/09/15/johnson-and-johnson-domino-data-science-mlops/</link>
		<comments>https://blogs.nvidia.co.jp/2021/09/15/johnson-and-johnson-domino-data-science-mlops/#comments</comments>
		<pubDate>Wed, 15 Sep 2021 03:13:43 +0000</pubDate>
		<dc:creator><![CDATA[Isha Salian]]></dc:creator>
				<category><![CDATA[Accelerated Analytics]]></category>
		<category><![CDATA[Software]]></category>
		<category><![CDATA[Data Science]]></category>
		<category><![CDATA[Industrial and Manufacturing]]></category>
		<category><![CDATA[Medical Research and Healthcare]]></category>

		<guid isPermaLink="false">https://blogs.nvidia.co.jp/?p=8139</guid>
		<description><![CDATA[ヘルスケア業界の大手企業であるJohnson &#38; Johnsonは、製造、臨床試験登録、予測などを改善するために、ビジネス全体へのデータ サイエンスの導入を進めています。 同社のエグゼクティブ バイスプレジデント兼本社最高情報責任者であるジム スワンソン (Jim Swanson) 氏は、今春に開催された NVIDIA GPU テクノロジ カンファレンス（GTC）のパネル ディスカッションで、次のように述べています。「本当は意思決定科学と呼びたいところです。単にモデルを構築するだけではなく、それらのモデルからどんな決定や洞察を引き出そうとするかが重要だからです。」 Machine Learning Operations (MLOps) は、企業が AI 運用を成功させるために活用できる一連のベスト プラクティスです。MLOps 戦略により、企業はデータを活用して難しい問題の答えを見つけたり、事業活動を目に見えて改善することができます。 例えば、Johnson &#38; Johnsonはデータ サイエンス協議会を社内に設置し、スワンソン氏が「バイリンガル データ サイエンティスト」と呼ぶ、専門領域の深い知識とデータ サイエンスのスキルを兼ね備えた人材を育成しています。 「バイリンガル データ サイエンティストは、ビジネス上の主要な問題を理解し、データ&#46;&#46;&#46;]]></description>
		<wfw:commentRss>https://blogs.nvidia.co.jp/2021/09/15/johnson-and-johnson-domino-data-science-mlops/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>NVIDIA Clara Imagingが放射線治療のリアルタイム化を加速</title>
		<link>https://blogs.nvidia.co.jp/2021/09/06/clara-imaging-casestudies-hibms/</link>
		<comments>https://blogs.nvidia.co.jp/2021/09/06/clara-imaging-casestudies-hibms/#comments</comments>
		<pubDate>Sun, 05 Sep 2021 22:58:51 +0000</pubDate>
		<dc:creator><![CDATA[NVIDIA Japan]]></dc:creator>
				<category><![CDATA[Deep Learning]]></category>
		<category><![CDATA[Medical Research and Healthcare]]></category>

		<guid isPermaLink="false">https://blogs.nvidia.co.jp/?p=8115</guid>
		<description><![CDATA[ひょうご粒子線メディカルサポートが業界の長年の課題にAIでブレイクスルーをもたらす 今、AIと粒子線治療という、二つの先端技術を組み合わせたがんの新たな治療法の開発に、NVIDIA Clara Imagingが活用されています。 がんにおける放射線治療では現状、X線の照射が一般的ですが、陽子線や炭素イオン線を照射する粒子線治療ではX線よりもピンポイントでがん細胞に照射できるため、周囲の正常細胞への照射により発生する副作用を軽減することができます。さらに、より高い能力でがん細胞を消失させることができるため、国内外で普及が期待されています。 兵庫県立粒子線医療センターはがんの撲滅を目標に、兵庫県によって2001年に設立されました。世界初の陽子線治療と炭素イオン線治療の両方が行える施設であり、粒子線治療を施行した症例は9,000例以上と世界トップクラスの経験を有しています。株式会社ひょうご粒子線メディカルサポートは、粒子線治療の普及を目的に兵庫県が中心となり2011年に設立された第3セクターのコンサルティング会社であり、兵庫県立粒子線医療センターから提供される専門性の高い治療ノウハウをもとに、システム開発や施設の立ち上げ支援を行っています。 放射線業界における長年の課題に挑む リアルタイムで腫瘍と周辺正常組織の位置を把握することは、放射線業界において長年の課題で、技術的に解決することが困難でした。現状、治療の照射を行う前に一週間ほどかけて照射範囲や方向を決める治療計画が行われますが、特に腹部の臓器は日々動いているため、治療当日に、照射すべき位置や形が計画から変わっている場合があります。しかし現状のシステムではそれらの変化にすぐに対応して照射することができません。 治療計画作成時と、治療日当日では、臓器の位置が変わっていることがあり、照射計画の変更が求められます このブレイクスルーとして、ひょうご粒子線メディカルサポートが取り組んでいるのが、治療日に撮影したCT画像上の腫瘍と周辺正常臓器の輪郭を作成するAIシステムの開発です。通常は医師がCT画像上でこの作業を行いますが、輪郭の作成には、概ね3～5時間を要します。また、この作業は医療知識だけでなく、ソフトウェアのスキルや経験も求められます。ひょうご粒子線メディカルサポートは、この作業をAIの活用により効率化・高速化することを目指しています。 医師が納得する精度と機能性を提供するClara Imaging ひょうご粒子線メディカルサポートは8年前からリアルタイムの放射線照射の実現に向けて取り組んできました。しかしAIの活用に関しては社内で前例がなかったため、社内でAIへの信頼が乏しく、既存の自動識別アルゴリズムを上回ることができるのか、また限られた予算で開発できるかなど、疑問視する声や課題が多くありました。そのような状況の中、出会ったのがClara Imagingでした。 Clara Imagingは医用画像向けの AI 開発プラットフォームです。アプリケーションフレームワークであるClara Train SDKには、臓器や膵臓ベースのセグメンテーション、分類、AIアノテーションのための2D/3Dの事前学習済みモデル15種類以上が含まれており、NGC catalog上で無料提供されています。医療機関はこれらを利用してAI支援アノテーションを行ったり、各機関が所有する独自のデータを使って転移学習や連合学習を行い、モデルをトレーニングすることができます。また、Clara Deploy SDKを利用することで、Clara Trainで構築されたモデルを推論用にエクスポートすることができます。既存の医用画像システムへのAIアプリケーションの統合を効率化し、PACS環境とのシームレスな通信が行えるため、臨床現場に容易に展開することが可能です。 株式会社ひょうご粒子線メディカルサポート　支援企画課　主任の原田秀一氏は以下のように述べています。「Clara Imagingが提供する事前学習済みモデルは臨床現場の医師が納得する高い精度を備えていることが採用の決め手になりました。さらに3Dで学習できるアーキテクチャや医療画像で広く使われている画像フォーマット、DICOMにも対応している利便性も高く評価しています。」 90％の精度を実現、実用化を視野に ひょうご粒子線メディカルサポートは2019年からNVIDIAの支援のもと、Clara Imagingを活用し、放射線治療向けに、単純CT画像上の腫瘍と周辺正常臓器輪郭を作成する各種AIモデルの作成、およびトレーニングを開始しました。学習環境には、コンパクトなワークステーションながら、AIスーパーコンピューターの性能を持つNVIDIA DGX Stationを導入しています。約100,000枚に及ぶCTデータを学習データとして、Clara Imagingで提供される事前学習済みモデルや既存のモデルのアーキテクチャをベースとし、肝臓、前立腺、頭部や胸部の臓器などを認識する独自のAIモデルを2年間で20種類以上開発しました。 すでに単純CTのみで高い精度の輪郭を作成することに成功しているモデルも多く、例えば医師が前立腺をCT画像上で抽出する場合、30分程度を要しますが、ひょうご粒子線メディカルサポートが開発したAIは、たった1分で90％という高い精度で認識することができました。また、複数の臓器を高速に同時抽出することも実現しています。 医師と同レベルの高い精度を実現するAI&#46;&#46;&#46;]]></description>
		<wfw:commentRss>https://blogs.nvidia.co.jp/2021/09/06/clara-imaging-casestudies-hibms/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>NVIDIA Inception：世界最大級のAIスタートアップ エコシステムが反映する、スタートアップのグローバルなトレンド</title>
		<link>https://blogs.nvidia.co.jp/2021/08/05/inception-8k-members/</link>
		<comments>https://blogs.nvidia.co.jp/2021/08/05/inception-8k-members/#comments</comments>
		<pubDate>Thu, 05 Aug 2021 02:33:12 +0000</pubDate>
		<dc:creator><![CDATA[Serge Lemonde]]></dc:creator>
				<category><![CDATA[Corporate]]></category>
		<category><![CDATA[Deep Learning]]></category>
		<category><![CDATA[Artificial Intelligence]]></category>
		<category><![CDATA[Inception]]></category>
		<category><![CDATA[Medical Research and Healthcare]]></category>
		<category><![CDATA[robotics]]></category>

		<guid isPermaLink="false">https://blogs.nvidia.co.jp/?p=7998</guid>
		<description><![CDATA[ヘルスケア業界には、他のどの業界よりも多くの AI スタートアップが存在します。メディアおよびエンターテイメント業界の AI スタートアップの数は、小売業界のそれとほぼ同じです。すべての AI スタートアップの 10 社に 1 社以上がカリフォルニアを拠点としています。 どうしてそんなことが分かるのでしょうか。NVIDIAの AI スタートアップ向けアクセラレーション プラットフォーム NVIDIA Inception には、現在、8,500 社以上のメンバーが参加しています。この数字は、PitchBook の試算による世界全体の AI スタートアップの総数の約 3 分の 2 に相当します。資金調達の累計額が 600 億ドルを超え、90 か国にメンバーを有する NVIDIA Inception は、世界最大の AI スタートアップ&#46;&#46;&#46;]]></description>
		<wfw:commentRss>https://blogs.nvidia.co.jp/2021/08/05/inception-8k-members/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>ゲノムからタンパク質や細胞まで、バイオのデジタル革命を HPC と AI が牽引</title>
		<link>https://blogs.nvidia.co.jp/2021/07/06/genomics-parabricks-hpc-ai/</link>
		<comments>https://blogs.nvidia.co.jp/2021/07/06/genomics-parabricks-hpc-ai/#comments</comments>
		<pubDate>Tue, 06 Jul 2021 01:22:08 +0000</pubDate>
		<dc:creator><![CDATA[Rory Kelleher]]></dc:creator>
				<category><![CDATA[Deep Learning]]></category>
		<category><![CDATA[Supercomputing]]></category>
		<category><![CDATA[Artificial Intelligence]]></category>
		<category><![CDATA[Medical Research and Healthcare]]></category>
		<category><![CDATA[Science]]></category>
		<category><![CDATA[Social Impact]]></category>

		<guid isPermaLink="false">https://blogs.nvidia.co.jp/?p=7899</guid>
		<description><![CDATA[世界の科学者がハイパフォーマンス コンピューティング システムと NVIDIA Clara Parabricks を使ってゲノミクス データを読み解く 科学者やヘルスケアの研究者は、ウェットラボで観察できるサンプル数や細胞をのぞき込む顕微鏡の質に制約を受けていたものですが、今や強力な計算ツールを活用し、留まるところを知らぬ生物学データによる発見から知見を引き出しています。 バイオのデジタル革命を支えているのは、ハイパフォーマンス コンピューティング システムと、ドメイン特化型のソフトウェア フレームワークの組み合わせです。 最も強力なシステムの最新の TOP500 ランキングが発表され、ヘルスケアに重点を置いた NVIDIA の Cambridge-1 とバイオテクノロジー企業 Recursion 社の BioHive-1 がランクインしています。この 2 つのスーパーコンピューターは、NVIDIA DGX SuperPOD リファレンス アーキテクチャをベースにしています。 そして、世界中の医療研究機関、製薬会社、バイオテクのスタートアップは、ゲノミクス ライブラリとリファレンス アプリケーションのスイートである NVIDIA&#46;&#46;&#46;]]></description>
		<wfw:commentRss>https://blogs.nvidia.co.jp/2021/07/06/genomics-parabricks-hpc-ai/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>Carestream Health や複数のスタートアップが NVIDIA Clara AGX 開発者キットを活用し、 AI 対応の医療機器を開発</title>
		<link>https://blogs.nvidia.co.jp/2021/04/22/carestream-health-startups-ai-instruments-clara-agx/</link>
		<comments>https://blogs.nvidia.co.jp/2021/04/22/carestream-health-startups-ai-instruments-clara-agx/#comments</comments>
		<pubDate>Thu, 22 Apr 2021 10:10:30 +0000</pubDate>
		<dc:creator><![CDATA[Kimberly Powell]]></dc:creator>
				<category><![CDATA[Autonomous Machines]]></category>
		<category><![CDATA[Deep Learning]]></category>
		<category><![CDATA[Artificial Intelligence]]></category>
		<category><![CDATA[Embedded Computing]]></category>
		<category><![CDATA[GTC 2021]]></category>
		<category><![CDATA[Medical Research and Healthcare]]></category>
		<category><![CDATA[NVIDIA Ampere architecture]]></category>
		<category><![CDATA[Social Impact]]></category>

		<guid isPermaLink="false">https://blogs.nvidia.co.jp/?p=7678</guid>
		<description><![CDATA[Clara AGX が手術装置、X 線システム、内視鏡、超音波装置などの AI 機器の開発を加速 医用画像システムの大手メーカー、Carestream Health は、シングル フレームのストリーミング X 線アプリケーションで AI を活用した機能を開発するために、医療機器向けの組み込み AI プラットフォームである NVIDIA Clara AGX の利用を検討しています。 世界中のスタートアップも、医用画像、手術、電子顕微鏡のAIソリューションで Clara AGX を採用しています。そのうちの 1 社がボストンに本社を構える Activ Surgical です。最近、同社は AI に基づく洞察を手術室でリアルタイムに提供するハードウェア画像処理モジュールに対して FDA 認証を取得しました。 現在、一般に提供されている&#46;&#46;&#46;]]></description>
		<wfw:commentRss>https://blogs.nvidia.co.jp/2021/04/22/carestream-health-startups-ai-instruments-clara-agx/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>NVIDIA が AstraZeneca、UF Health と協業し、創薬における AI の活用を後押し</title>
		<link>https://blogs.nvidia.co.jp/2021/04/15/ai-drug-discovery-astrazeneca-university-florida-health/</link>
		<comments>https://blogs.nvidia.co.jp/2021/04/15/ai-drug-discovery-astrazeneca-university-florida-health/#comments</comments>
		<pubDate>Thu, 15 Apr 2021 10:13:22 +0000</pubDate>
		<dc:creator><![CDATA[Kimberly Powell]]></dc:creator>
				<category><![CDATA[Deep Learning]]></category>
		<category><![CDATA[Supercomputing]]></category>
		<category><![CDATA[Artificial Intelligence]]></category>
		<category><![CDATA[GTC 2021]]></category>
		<category><![CDATA[Inception]]></category>
		<category><![CDATA[Medical Research and Healthcare]]></category>
		<category><![CDATA[Social Impact]]></category>

		<guid isPermaLink="false">https://blogs.nvidia.co.jp/?p=7600</guid>
		<description><![CDATA[NVIDIA Clara Discovery が、有望な新薬をいち早く発見するために必要なツールを研究者に提供 NVIDIA は、画期的な Transformer ニューラルネットワークを用いた新しい AI 研究プロジェクトにおいて、バイオ製薬会社の AstraZeneca およびフロリダ大学の学術医療センターである UF Health と協業しています。 ここ数年でようやく利用可能になった Transformer ベースのニューラルネットワークのアーキテクチャは、研究者が自己教師あり学習を用いて膨大なデータセットを利用することを可能にし、事前トレーニング時に手作業でラベル付けされたデータを必要としません。これらのモデルは、言語の文法の学習と同様に、化学構造を記述するための構文規則の学習にも適しており、研究分野やモダリティを超えて応用が進んでいます。 NVIDIA は、英国最大のスーパーコンピューターとしてまもなく運用が開始される Cambridge-1 で実行される最初のプロジェクトとして、創薬に使われる化学構造の Transformer ベースの生成 AI モデルについて、AstraZeneca と共同研究を行っています。このモデルはオープンソース化され、NVIDIA NGC ソフトウェア カタログで研究者や開発者に提供され、計算創薬のための NVIDIA Clara Discovery プラットフォームで展開可能になる予定です。&#46;&#46;&#46;]]></description>
		<wfw:commentRss>https://blogs.nvidia.co.jp/2021/04/15/ai-drug-discovery-astrazeneca-university-florida-health/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>ハーバード大学とNVIDIA の研究者が細胞内 DNA のアクティブな領域の特定にAIを活用、ゲノミクスにおけるブレイクスルーを実現</title>
		<link>https://blogs.nvidia.co.jp/2021/03/29/atacworks-genomics-ai-research/</link>
		<comments>https://blogs.nvidia.co.jp/2021/03/29/atacworks-genomics-ai-research/#comments</comments>
		<pubDate>Mon, 29 Mar 2021 05:35:35 +0000</pubDate>
		<dc:creator><![CDATA[Johnny Israeli]]></dc:creator>
				<category><![CDATA[Deep Learning]]></category>
		<category><![CDATA[Research]]></category>
		<category><![CDATA[Artificial Intelligence]]></category>
		<category><![CDATA[Medical Research and Healthcare]]></category>
		<category><![CDATA[NVIDIA Research]]></category>
		<category><![CDATA[Science]]></category>
		<category><![CDATA[Social Impact]]></category>

		<guid isPermaLink="false">https://blogs.nvidia.co.jp/?p=7537</guid>
		<description><![CDATA[『Nature Communications』誌でも紹介されたエピゲノム研究向けのディープラーニング ツールキットのAtacWorksが、希少なシングルセル実験に必要となるコストと時間を削減 スーツケースにクローゼットの服をすべて詰め込んで移動する旅行者のように、体内のほとんどの細胞にはその人の DNA の完全なコピーが詰まっており、核には数十億の塩基対が詰め込まれています。 しかし個々の細胞は、機能するのに必要な部分の遺伝子のみを発現させ、肝臓、血液、皮膚細胞などの細胞タイプごとに異なる遺伝子を活性化します。DNA の領域のうち、細胞固有の機能を決定する領域は簡単にアクセスできるように開かれていますが、それ以外の領域はタンパク質の周りに巻き付いたままになっています。 NVIDIA とハーバード大学幹細胞再生生物学部の研究者たちは、上記のアクセス可能な DNA 領域を研究するのに役立つディープラーニング ツールキットを開発しました。このツールキットは、サンプル データにノイズが多い場合やデータが限られている場合でも研究に用いることができ、さらにはがんや遺伝子病の早期発見に役立てることもできます。 最新の『Nature Communications』誌でも特集されたこのツールキット、 AtacWorks は、シーケンス データのノイズ除去およびアクセス可能な DNA 領域の特定をどちらも行うことができ、NVIDIA Tensor コア GPUを使用することで、わずか 30 分で全ゲノムの推論を実行できます。AtacWorks は、GPU に最適化されたNVIDIAのソフトウェアのハブである NGC から利用可能です。 AtacWorks は ATAC-seq と連携します。ATAC-seq&#46;&#46;&#46;]]></description>
		<wfw:commentRss>https://blogs.nvidia.co.jp/2021/03/29/atacworks-genomics-ai-research/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
	</channel>
</rss>
