L'AI nelle scienze della vita ha bisogno di schemi, non di proof-of-concept una tantum
I team delle scienze della vita stanno lavorando con più dati, modelli e controlli normativi che mai. E gran parte di quei dati (omiche, imaging, cartelle cliniche elettroniche, protocolli di sperimentazione, prove reali e altro ancora), sono archiviati in formati non strutturati difficili da cercare e da gestire.
L'AI ha il potenziale di ridefinire ciò che è possibile nelle scienze della vita: trasformando archivi di dati biologici e clinici vasti e non collegati in un'intelligence utilizzabile che accelera il rilevamento, migliora il processo decisionale e, in ultima analisi, aiuta a portare innovazioni salvavita ai pazienti più rapidamente. Ma prima, le organizzazioni devono dimostrare che le decisioni guidate dall'AI sono comprensibili, stabili e conformi.
In questo contesto, i proof-of-concept (POC) una tantum non sono sufficienti. Per raggiungere un livello accettabile di governance e fiducia negli insight basati sull'AI, le organizzazioni del settore delle scienze della vita devono combinare una base affidabile di dati e calcolo con un layer di intelligence in grado di orchestrare modelli e workflow su larga scala.
La partnership tra Cloudera e Salt AI: un'architettura di riferimento per un'IA contestuale e affidabile su larga scala
Cloudera e Salt AI stanno collaborando per offrire una potente combinazione di riferimento per i team delle scienze della vita.
Cloudera offre una piattaforma open data lakehouse e di intelligenza artificiale aziendale che integra streaming di dati, data engineering, data warehousing e ML/GenAI su larga scala, con un livello di sicurezza e governance unificato tramite SDX. Questo framework prevede controlli di accesso ai dati basati su attributi, lineage e arricchimento attivo e catalogazione dei metadati.
Salt AI sfrutta questi meccanismi fondamentali di sicurezza e aggiunge uno strato di orchestrazione tra modelli e dati di AI. L'infrastruttura scalabile cattura continuamente il contesto (prompt, prompt di sistema, flussi di lavoro, prestazioni di esecuzione, ruoli utente e fonti di dati) consentendo casi d'uso complessi che catturano pieno valore da modelli di AI sia specializzati che generali. Le chiamate agli strumenti per le operazioni autonome possono essere prontamente attivate attraverso l'assistente txt2 di Salt, e le pipeline si animano visivamente nel canvas, mostrando esattamente il flusso dei dati.
Questa partnership consente alle organizzazioni delle scienze della vita di applicare controlli dettagliati su ambienti on-premise, cloud pubblico e ibridi, di utilizzare qualsiasi modello appropriato a un determinato compito e di ottenere un registro visivo e verificabile di come i sistemi di AI prendono decisioni.
Inoltre, sia Cloudera che Salt AI guidano l'efficienza computazionale e operativa lungo tutto il ciclo di vita dei dati. Sfruttando i framework di accelerazione GPU, Cloudera offre miglioramenti nell'ingegneria dei dati e nei carichi di lavoro di inferenza LLM fino a 20x e 36x, rispettivamente. Allo stesso modo, Salt AI offre ottimizzazioni come un'architettura split-compute che bilancia i processi CPU e GPU, un sofisticato sistema di cache e la possibilità di scambiare, mixare e combinare modelli di AI nei flussi di lavoro. Quanto più complessa è la pipeline e quanto più viene eseguita, tanto maggiori sono le efficienze di elaborazione quando viene eseguita su Salt.
Progettata per integrarsi in un ecosistema più ampio
La soluzione Cloudera e Salt AI è esplicitamente progettata per funzionare perfettamente all'interno dell'ecosistema esistente di cloud, piattaforme dati e strumenti di AI di ciascun cliente. Può essere implementata nel cloud privato virtuale (VPC) di un cliente, senza uscita pubblica, e si integra con una vasta gamma di fornitori di modelli, archivi vettoriali e sistemi di dati.
Il lago di dati aperti di Cloudera, costruito su Apache Iceberg, offre un formato di tabella flessibile e performante che combina analisi multifunzione e capacità di gestione automatizzata dei dati (ad esempio, evoluzione di schema e partizioni). Questo approccio standardizza i flussi di lavoro di feature engineering su fonti di dati eterogenee e disparate, facilitando la conformità alle norme GxP nel settore delle scienze della vita.
Inoltre, il catalogo REST di Cloudera Iceberg consente la condivisione dei dati con altre piattaforme dati cloud pubbliche (ad esempio, Databricks, Snowflake) che supportano le tabelle Apache Iceberg. Salt AI offre un meccanismo che trasforma le query di testo in flussi di lavoro di R&D che orchestrano LLM, database di grafi, strumenti di modellazione e sistemi interni. Inoltre, consente ai ricercatori di convertire il codice (ad esempio, gli script Python) in flussi di lavoro visivi, migliorando la collaborazione interfunzionale tra i team di ricerca. Queste capacità accelerano i cicli di innovazione democratizzando iniziative di ricerca isolate e automatizzando l'integrazione di sistemi complessi senza lo sforzo laborioso di costruire logiche personalizzate di integrazione e orchestrazione.
Per le organizzazioni che standardizzano su Cloudera, questa partnership offre un percorso rapido: dati governati combinati con un'orchestrazione contestuale, pronti per casi d'uso come la progettazione di molecole, il riutilizzo dei farmaci, la medicina traslazionale, la creazione di protocolli e gli assistenti per gli affari medici. Per altri, serve come modello per unire piattaforme dati esistenti a uno strato di orchestrazione AI centrato sul contesto.
Figura 1. Come la partnership tra Cloudera e Salt AI accelera l'innovazione nelle scienze della vita
Dagli esperimenti al valore aziendale
Nelle implementazioni aziendali, le combinazioni di Cloudera e Salt AI hanno permesso alle organizzazioni di raggiungere una scala senza precedenti, con un throughput di migliaia di lavori di data engineering all'ora, prototipazione più rapida di flussi di lavoro complessi di R&S e miglioramenti significativi delle prestazioni e dei costi per carichi di lavoro di machine learning come AlphaFold2. Ad esempio, Salt AI ha ottenuto tempi di elaborazione 22 volte più veloci rispetto ai benchmark precedenti per Alphafold2. Altrettanto importante, questi guadagni arrivano con telemetria completa, trasferimento della governance e una chiara traccia di controllo per ogni esecuzione del flusso di lavoro. In definitiva i team possono concentrarsi sui risultati scientifici e non sull'integrazione delle soluzioni tecnologiche e dati esistenti.
Salt AI continuerà a investire nell'interoperabilità con un ampio ecosistema di cloud, piattaforme dati e modelli, collaborando con partner come Cloudera per pubblicare schemi concreti che i settori regolamentati possano adottare e adattare. Per i team delle life sciences, ciò significa più scelte ed esempi più chiari per trasformare gli esperimenti di AI in sistemi durevoli e affidabili. Scopri di più sulle capacità di Cloudera e la piattaforma Salt AI.
