разбор · оркестрациятема-фронтир · H 1.49
1.0
из 10
смотреть не обязательно — забрать выжимку и пункты
оценка машинная и частично зависит от длины ролика — спорите, открывайте оригинал
Мультиомные трансформеры для подбора пациентов в клинических испытаниях
🔬 Training Transformers to solve 95% failure rate of Cancer Trials — Ron Alfa & Daniel Bear, Noetik
Noetic создала уникальный pipeline для обработки опухолевых образцов и обучила трансформеры на мультиомных данных пациентов, чтобы выявлять терапевтически релевантные подтипы рака и улучшать подбор пациентов для клинических испытаний. Это помогает повысить успех лекарств за счёт точного таргетинга пациентов, а не только разработки молекул.
Модели на данных пациентов предсказывают, кому поможет препарат, снижая провалы онкологических испытаний.
что из этого моё
Оператору входа в AI полезно применять подходы Noetic для оркестрации мультиомных моделей, автоматизации обработки сложных биомедицинских данных и создания агентов, которые могут динамически подбирать и комбинировать модели для точного таргетинга и анализа пациентов.
Тезисы ролика
применимого к своей работе линза здесь не нашла
▸Создайте собственный pipeline сбора и обработки данных, чтобы получить уникальные и качественные мультиомные данные.
▸Используйте self-supervised обучение трансформеров на реальных данных пациентов для выявления новых подтипов заболеваний без заранее заданных биомаркеров.
▸Применяйте модели для двунаправленной задачи: подбор пациентов под лекарство и поиск новых терапевтических целей.
▸Откажитесь от устаревших моделей на клеточных линиях и животных, которые плохо коррелируют с клиническими результатами.
о чём говорят, по времени
главы доводят до 09:19 · дальше по ролику меток нет
01
Начало и сбор данных00:00 ↗
Описание запуска лаборатории и создания pipeline для обработки опухолевых образцов.
02
Тезис Noetic01:33 ↗
Почему большинство онкологических препаратов терпят неудачу и как Noetic решает эту проблему.
03
Двойное применение моделей03:05 ↗
Использование моделей для поиска новых целей и подбора пациентов в клинических испытаниях.
04
Проблемы традиционных моделей05:40 ↗
Почему клеточные линии и животные модели плохо отражают клиническую реальность.
05
Обучение моделей на реальных данных09:19 ↗
Как Noetic обучает модели выявлять подтипы рака без предвзятости.