منبع باز گوگل ابزار AI پزشکی در ابر گوگل مستقر DeepVariant گوگل
ساخته شده توسط گوگل مغز و همانا علوم زندگی، ابزار DeepVariant به منظور بهبود دقت تعیین توالی ژنوم، در حال حاضر از طریق پلتفرم ابری گوگل (پلتفرم ابری گوگل؛ GCP) ساخته شده به پایه های برنامه جهانی از هدف DeepVariant.
بر اساس گزارش های بهداشت و درمان فناوری اخبار، تیم مستقر در Google Cloud بستر های نرم افزاری نسخه های منبع باز از DeepVariant، و یک API لوله مقیاس پذیر، بهینه سازی هزینه ها و دستیابی چرخش سریع برای کاربران برای کشف و ارزیابی عملکرد DeepVariant در محیط محاسبات فعلی در حالی که ارائه راه حل های ابر برای پاسخگویی به نیازهای از مجموعه داده های ژنومی بزرگ است.
دقت DeepVariant از طریق توالی بالا در استفاده از برای رسیدگی به یکی از بزرگترین چالش های حال حاضر رو به دقت پزشکی. توسعه دهندگان DePristo و پوپلین گفت که سه میلیارد جفت باز در ژنوم تنها 100 ژن، هر میزان خطا پایه در 0.1 ~ 10٪، از همه جفت شدن بازها به 23 جفت کروموزوم سازماندهی شده است.
به منظور ساخت DeepVariant، تیم مغز گوگل شروع با GIAB (ژنوم در یک کنسرسیوم بطری) سازمان ژنوم مرجع، ایجاد ده ها میلیون نفر از نمونه هایی از رمزگذاری داده می توالی بالا در استفاده از. گام بعدی آموزش گوگل TensorFlow مدل طبقه بندی به تمایز بین ژنوم واقعی است و داده های تجربی.
2016 DeepVariant در غذا و داروی ایالات متحده (FDA) آغاز رقابت PrecisionFDA حقیقت چالش برای به دست آوردن مقام اول، و از آن پس گوگل میزان خطا کمتر از 50٪ DeepVariant.
پس از مایکروسافت (مایکروسافت) و مرکز پزشکی دانشگاه پیتسبورگ، همکاری و توسعه هوش مصنوعی (AI) و انتشار محصولات جدید، از جمله بینش بهداشت، درمان و، مایکروسافت ژنومیک، چت ربات با پروژه InnerEye، در سپتامبر 2017 تاسیس شد در مراقبت های بهداشتی در آزمایشگاه بریتانیا هوش مصنوعی متمرکز .
آی بی ام واتسون از 2015 و کسب Phytel Explorys، هوش مصنوعی به مراقبت های بهداشتی، بدن متمرکز شده است و می افزاید: برنامه مدرسه Huasheng شرکت جی به دلیل واتسون برای تومور ژنومی و راه حل واتسون برای انکولوژی ابر رایانه سبد محصولات.
هدف گوگل این است که استفاده از فناوری در خط بیمه درمانی و دیگر برنامه های کاربردی علمی، و در نهایت به ابزار و اطلاعات موجود را به افراد بیشتری به استفاده از. DeepVariant است با استفاده از قدرت محاسباتی گوگل و یادگیری ماشین به درک ژنوم، و برای جامعه به ارائه بیشتر در عمق ژنومیک ابزارهای مبتنی بر یادگیری است.