La startup spécialisée en intelligence artificielle Trillion Labs a annoncé le 5 avoir été sélectionnée comme organisme de développement du « Projet de modèle de fondation spécialisé en IA », un projet stratégique national promu par le ministère des Sciences et des TIC. Ce projet vise à créer le premier modèle de fondation au monde dédié aux sciences médicales. Piloté par Lunit, il réunit un consortium composé d'importantes entreprises chinoises des secteurs de l'IA et des biotechnologies, dont Trillion Labs.
Le projet s'intitule « Développement d'un modèle de fondation spécialisé en sciences médicales multi-échelles pour l'innovation en sciences médicales à cycle complet, des molécules à la population », et son objectif est de connecter les données médicales à cycle complet, y compris les molécules, les protéines, les données omiques (données intégrées relatives aux phénomènes de la vie tels que les génomes et les protéomes), les produits pharmaceutiques et les données cliniques, dans un seul modèle d'IA.
Au sein du consortium, Trillion Labs est responsable de la conception et du développement du moteur principal et de la structure d'apprentissage du modèle de base. S'appuyant sur son expérience dans le développement de modèles de langage à grande échelle comportant de 7 à 70 milliards de paramètres et sur sa technologie propriétaire d'attention multilingue aux documents (XLDA), Trillion Labs prévoit de créer un modèle d'IA capable d'apprendre efficacement à partir de données médicales à grande échelle et d'en tirer des conclusions fiables.
Nous participons également au développement du système « Co-Scientist (Bio-Medical Co-Scientist, BMCS) », un pilier essentiel de ce projet. Ce système est une plateforme de recherche collaborative intelligente qui permet aux chercheurs, aux cliniciens et aux entreprises pharmaceutiques de générer et de valider des hypothèses en temps réel grâce à l'IA. Trillion Labs a développé le moteur principal de Co-Scientist, automatisant des processus de recherche tels que l'exploration des cibles, l'analyse des groupes de patients, ainsi que la conception et la documentation des hypothèses cliniques.
En particulier, grâce à l'application de la technologie « Chaîne de preuves », la fiabilité et la reproductibilité des résultats sont accrues en reliant les réponses générées par l'IA aux lignes directrices, aux essais cliniques, aux étiquettes et aux données du monde réel.
Trillion Labs développe également un environnement d'IA de santé sur site en collaboration avec Rebellion, une entreprise américaine spécialisée dans les NPU (unités de traitement neuronal). Cet environnement fournira une infrastructure d'apprentissage et d'inférence garantissant la souveraineté des données de santé tout en offrant des capacités de calcul haute performance et de sécurité renforcée.
Ce consortium, hébergé par Lunit, regroupe sept entreprises (Trillion Labs, Izen Science, SK Biopharmaceuticals, Kakao Healthcare, Standigm, Rebellion et Dcircle), six équipes de recherche dirigées par des professeurs de KAIST et de l'Université nationale de Séoul, et neuf établissements de santé, dont l'hôpital Ilsan du Service national d'assurance maladie. Le coût total du projet s'élève à environ 18,2 milliards de wons, dont environ 17,4 milliards de wons sont financés par le gouvernement pour l'infrastructure GPU. La deuxième phase de recherche et développement se déroulera jusqu'en septembre prochain.
« Ce projet va bien au-delà du simple développement d'un nouveau modèle d'IA ; il constituera un tournant technologique majeur qui permettra à la Corée de garantir sa compétitivité mondiale en IA médicale et, plus généralement, dans les sciences et technologies », a déclaré Jae-min Shin, PDG de Trillion Labs. « Nous ouvrirons la voie à un nouveau paradigme de recherche et de pratique clinique où l'IA collaborera avec les humains grâce à la mise en place d'un modèle fondamental extrêmement fiable et performant, utilisable conjointement par les chercheurs, les hôpitaux et les industriels. »
- Voir plus d'articles connexes
You must be logged in to post a comment.