L’AI crée de nouvelles possibilités dans les sciences de la vie et les soins de santé, de la découverte de médicaments et de la génomique à l’imagerie médicale, la documentation clinique et l’engagement des patients. À mesure que l’adoption progresse, ces applications imposent également de nouvelles exigences aux environnements technologiques qui les soutiennent.

La découverte de médicaments repose sur de grands volumes de données scientifiques et des simulations avancées. L’imagerie médicale nécessite d’importantes capacités de traitement et des outils spécialisés. Les applications cliniques soulèvent des considérations supplémentaires en matière de sécurité, de confidentialité et de conformité. La montée des modèles multimodaux et de l’AI Agentique ajoute une complexité supplémentaire.

Cependant, pour de nombreuses organisations, le défi le plus important est de faire passer les expérimentations AI réussies en production et de livrer des résultats fiables et reproductibles à l’échelle de l’entreprise.

Pour y parvenir, il faut une fondation qui relie l’infrastructure, les données, les logiciels, la sécurité et les opérations tout en soutenant la gouvernance et la viabilité économique à long terme.

C’est là que AI Factory de HCLTech, propulsée par AMD, joue un rôle important.

Bâtir la fondation de l’AI en santé

À mesure que l’AI s’intègre plus en profondeur dans les environnements de recherche, cliniques et opérationnels, les choix technologiques sous-jacents deviennent de plus en plus cruciaux.

AI Factory de HCLTech, propulsée par AMD, rassemble les capacités nécessaires pour concevoir, déployer et gérer l’AI à grande échelle. Les technologies AMD constituent une partie essentielle de cette fondation, avec les GPU AMD Instinct, CPU AMD EPYC et logiciel AMD ROCm qui prennent en charge les charges de travail exigeantes en AI et scientifiques.

Ceci est particulièrement pertinent dans les sciences de la vie et les soins de santé, où les organisations travaillent avec des types de données variés et des modèles de plus en plus spécialisés. Les applications scientifiques telles que la modélisation des protéines, la simulation moléculaire et la découverte de médicaments peuvent nécessiter d’importantes capacités de traitement, alors que l’AI multimodale et agentique introduit de nouvelles exigences à mesure de leur passage en production.

L’objectif est de créer un environnement où les organisations peuvent faire correspondre la technologie aux besoins de leurs initiatives AI et les faire évoluer à mesure que la demande augmente.

Rendre l’économie de l’AI durable

À mesure que les organisations dépassent le stade de l’expérimentation, l’aspect économique devient une dimension essentielle de la discussion sur l’AI.

Une preuve de concept prometteuse ne se traduit pas nécessairement par un déploiement durable à l’échelle de l’entreprise. L’entraînement, l’inférence et les opérations en continu contribuent tous aux coûts, particulièrement à mesure que les modèles se complexifient et que l’AI est appliquée à un nombre croissant de processus d’affaires et de recherche.

Pour les organisations des sciences de la vie et des soins de santé, ceci est fondamental car bon nombre des applications les plus prometteuses impliquent de gros ensembles de données et un traitement scientifique intensif.

L’architecture sous-jacente peut donc avoir un impact direct sur l’analyse de rentabilité de l’AI. L’utilisation efficace des ressources et la capacité à répondre à différents besoins sans complexité inutile peuvent permettre aux organisations de maîtriser les coûts à long terme de l’adoption.

La valeur d’une architecture ouverte

Les environnements technologiques des sciences de la vie et des soins de santé couvrent souvent des plateformes de recherche, des systèmes cliniques et des technologies opérationnelles. À mesure que l’AI intègre ces environnements, les entreprises doivent intégrer de nouvelles capacités sans créer une couche technologique isolée supplémentaire.

AMD ROCm offre une plateforme logicielle ouverte pour l’AI et le calcul haute performance, compatible avec des technologies largement adoptées telles que PyTorch et les déploiements basés sur Kubernetes, aidant ainsi les organisations à développer et faire évoluer les charges de travail en AI. 

Au sein d’AI Factory de HCLTech, propulsée par AMD, cette ouverture aide les entreprises à travailler avec différents modèles et environnements technologiques selon l’évolution de leurs besoins.

Pour les organisations œuvrant en santé, cette flexibilité est cruciale. Les modèles utilisés aujourd’hui continueront d’évoluer. De nouvelles applications apparaîtront et les technologies requises pour les soutenir évolueront aussi. Une approche ouverte donne aux entreprises une plus grande flexibilité au fur et à mesure de l’évolution des modèles, outils et besoins d’infrastructure.

Déployer l’AI dans les sciences de la vie et la santé

La valeur de cette fondation devient plus évidente lorsqu’on la considère au regard des charges de travail AI qui émergent dans l’ensemble de l’écosystème de la santé.

En recherche pharmaceutique, l’AI est explorée pour des domaines comme l’identification de cibles, la modélisation moléculaire et la découverte de médicaments. Les capacités de calcul scientifique peuvent soutenir des charges de travail englobant la modélisation des protéines et la simulation moléculaire, qui nécessitent de gros ensembles de données et une puissance de calcul considérable.

L’imagerie médicale représente un autre volet important. Les modèles AI peuvent assister des charges de travail nécessitant la manipulation d’images, qui requièrent des cadres spécialisés et une capacité informatique importante. Dans l’ensemble du secteur de la santé, les organisations MedTech intègrent de l’intelligence aux dispositifs connectés et aux solutions de diagnostic.

Les assureurs de santé peuvent appliquer l’AI à des domaines tels que la gestion des réclamations et l’engagement client, tandis que les établissements de santé peuvent l’utiliser pour la documentation clinique, le soutien aux processus et la réduction du fardeau administratif.

Les exigences varient selon les applications, d’où la nécessité que la fondation AI soit en mesure d’accommoder différents modèles, types de données et besoins informatiques tout en maintenant les exigences d’entreprise en matière de sécurité et de gouvernance.

Faire passer l’AI en santé en production

La prochaine phase de l’AI en santé se définira par sa capacité à concrétiser des idées prometteuses en solutions fiables à l’échelle de l’entreprise et à générer des résultats mesurables dans le temps.

La technologie n’est qu’une dimension de cette transition. Les organisations ont aussi besoin d’une gouvernance, de processus opérationnels et de l’expertise nécessaire pour gérer l’AI à toutes les étapes de son cycle de vie.

AI Factory de HCLTech, propulsée par AMD, réunit ces éléments en combinant technologies, services-conseils, évaluation, déploiement et capacités opérationnelles pour accompagner la transformation de l’expérimentation vers la production.

En collaboration avec AMD, nous aidons les organisations des sciences de la vie et de la santé à établir cette fondation pour qu’elles puissent faire évoluer l’AI dans les environnements de recherche, cliniques et opérationnels.