法國生物科技公司發布全球首個生物學通用AI模型

法國人工智能初創公司Bioptomus是生物研究模型系列H-Optomus的開發先驅，今日宣布推出該公司新一代臨床生物學AI模型H-Optomus-1，以及全球首個用于研究的通用多模態AI基礎模型M-Optimus。

H-Optimus-1是該公司于2024年底發布的首個模型H-Optimus-0的迭代版本，目前是組織學領域領先的基礎模型。組織學是通過顯微鏡研究生物組織以了解其結構的學科，主要揭示細胞如何組織成組織和器官的微觀解剖結構。

Bioptomus表示，H-Optimus-1在組織分析方面取得了突破性進展，可輔助識別疾病和其他病理狀況。該模型在多項綜合性多任務、多器官基準測試中位居榜首，包括香港科技大學的PathBench和哈佛大學的HEST基準測試。

M-Optimus的發布標志著一個統一基礎模型的誕生，該模型利用日益增長的多模態生物醫學數據來促進生物學發現和發展。

該模型能夠跨疾病和人群對細胞、組織和患者進行強大的表征建模，通過"數字孿生"技術提供預測臨床結果的通用框架。這些數字孿生本質上是虛擬生物化身，可用于預測疾病進展和個體治療反應。

通過為組織和疾病進展提供人工模擬基礎，該模型可以指導治療決策并擴展計算機驅動的臨床試驗規模。

Bioptimus聯合創始人兼首席執行官讓-菲利普·維爾特表示："通過M-Optimus，我們成功組裝了破解生物學密碼之旅的第一批關鍵組件，實現了大規模結合多種模態的目標。"

Bioptomus將這一新模型描述為在全球最大專有數據集上訓練的通用模型。訓練數據整合了來自數百萬患者、50多種器官類型和數百個醫療中心的精選信息，這種廣泛覆蓋為模型提供了深厚的生物多樣性和深度。

M-Optimus幫助解決臨床科學中的緊迫問題，包括使用直接多模態和組織學數據預測基因表達、治療反應和結果。該公司表示，這為通過預測建模和模擬患者反應來加速藥物設計開辟了機會。

生成組織、患者和人群數字孿生的能力使該模型能夠協助大規模臨床試驗，大幅減少測試新型治療方法的時間和成本。

長期以來，醫學研究行業在分子級生物學與臨床決策之間存在鴻溝，因為從實驗室過渡到現實世界可能是一個充滿挑戰的過程。通過現實建模，實驗室工作和臨床試驗可以針對核心機會進行定制，并覆蓋邊緣案例，避免重疊或"盲目嘗試"。

研究人員還可以通過使用專有數據進行微調來訓練自己的版本，在保留模型通用理解能力的同時保護企業私有信息。

在M-Optimus發布的同時，該公司宣布H-Optimus-1將通過亞馬遜云科技的SageMaker平臺廣泛提供訪問。SageMaker是該云計算公司用于構建、訓練和部署AI模型的完全托管環境。

Q&A

Q1：H-Optimus-1模型的主要功能是什么？

A：H-Optimus-1是目前組織學領域領先的基礎模型，在組織分析方面取得了突破性進展，可以輔助識別疾病和其他病理狀況。該模型在香港科技大學的PathBench和哈佛大學的HEST等多項綜合性多任務、多器官基準測試中位居榜首。

Q2：M-Optimus模型的數字孿生技術能做什么？

A：M-Optimus的數字孿生技術本質上是創建虛擬生物化身，可以用于預測疾病進展和個體治療反應。通過為組織和疾病進展提供人工模擬基礎，該技術可以指導治療決策，協助大規模臨床試驗，大幅減少測試新型治療方法的時間和成本。

Q3：M-Optimus模型使用了哪些訓練數據？

A：M-Optimus在全球最大的專有數據集上進行訓練，訓練數據整合了來自數百萬患者、50多種器官類型和數百個醫療中心的精選信息。這種廣泛的數據覆蓋為模型提供了深厚的生物多樣性和深度，使其能夠跨疾病和人群進行準確建模。