Snowflake e NVIDIA BioNeMo Agent Toolkit portano l’Agentic AI nelle life sciences

executive summary

• Snowflake e NVIDIA BioNeMo Agent Toolkit uniscono workflow agentici governati e intelligence biologica specializzata. Combinando il control plane agentico di Snowflake con i modelli e i framework di intelligenza artificiale specifici per dominio di NVIDIA, le organizzazioni possono eseguire workflow scientifici complessi di intelligenza artificiale dove già risiedono i loro dati.

• Questa collaborazione può aiutare i team di R&S farmaceutica ad accelerare ricerca e sviluppo.

• Il futuro dell’intelligenza artificiale nelle life sciences dipende da un’orchestrazione sicura e scalabile tra infrastruttura, dati, ragionamento e competenza di dominio. Con Snowflake e BioNeMo Agent Toolkit, le organizzazioni life sciences possono avvicinarsi a un’Agentic AI pronta per l’enterprise, che trasforma la scoperta scientifica attraverso workflow agentici affidabili. 

Le life sciences si trovano a un punto di svolta unico. Due forze potenti stanno convergendo: la rapida espansione e la crescente complessità dei dati scientifici e clinici, e l’ascesa di tecnologie di intelligenza artificiale di frontiera in grado di ragionare, pianificare ed eseguire processi in più fasi.

Questa nuova era agentica supera i precedenti strumenti di intelligenza artificiale monofunzione e si orienta verso sistemi adattivi in grado di percepire, valutare, concludere e agire direttamente all’interno di workflow business-critical. Per le organizzazioni life sciences, questo cambiamento ha il potenziale di modificare i metodi di scoperta, ridefinire i workflow clinici e ottimizzare le tempistiche di sviluppo.

La portata di questa evoluzione è profonda. Tradizionalmente, il percorso farmaceutico si estende per oltre un decennio, con costi di investimento che spesso superano 1 miliardo di dollari. Consentendo ai team di ricerca di scoprire nuovi target prima irraggiungibili, rendere operativi workflow sofisticati e dare priorità a insight umani di alto valore, l’Agentic AI contribuisce ad abbreviare i cicli di sviluppo e a migliorare il ragionamento strategico lungo l’intero continuum di R&S.

Una nuova era dell’intelligenza artificiale richiede un nuovo approccio

La scoperta scientifica è sempre stata un problema di dati. Sequenze genomiche, strutture proteiche, esiti clinici, interazioni molecolari: le materie prime dell’insight biologico sono vaste, multimodali e profondamente interconnesse. Storicamente, i modelli di intelligenza artificiale che ragionano su questi dati hanno operato lontano dal luogo in cui risiedono, richiedendo costosi spostamenti dei dati attraverso i confini di fiducia regolamentari.

In Snowflake riteniamo che, per un’intelligenza artificiale enterprise-grade di successo, sia necessario un nuovo approccio. Un approccio in cui dati, intelligenza artificiale e intelligence di dominio siano unificati, connessi e sfruttati per agire e consentire alle aziende di governare, orchestrare e rendere operativi gli agenti AI attraverso un control plane agentico sicuro.

Siamo entusiasti di condividere la visione congiunta di Snowflake e NVIDIA per portare l’Agentic AI alle aziende del settore life sciences attraverso un control plane agentico per la R&S completamente governato.

BioNeMo Agent Toolkit offre una suite di modelli e framework di intelligenza artificiale specifici per dominio e progettati appositamente per biologia, chimica e ricerca scientifica, dalla previsione della struttura proteica e generazione molecolare fino alle simulazioni dinamiche e all’analisi genomica. Confezionato come NVIDIA Inference Microservices, o NIM, e distribuito come skill agentiche, BioNeMo è ora progettato per integrarsi in workflow agentici in più fasi.

BioNeMo e Snowflake: combinare l’intelligence biologica di dominio con un’orchestrazione governata degli agenti AI 

Insieme, Snowflake e NVIDIA rendono possibile collegare le funzionalità scientifiche di intelligenza artificiale con i dati governati, il contesto e l’orchestrazione necessari per renderle operative in tutta l’organizzazione life sciences. 

Consideriamo il workflow agentico di scoperta scientifica sbloccato: 

Uno scienziato digita in Snowflake CoWork: "Genera nuovi inibitori per il nostro programma KRAS G12C partendo dal composto X-4217 presente nella nostra libreria interna."

Con NVIDIA BioNeMo Agent Toolkit integrato in Cortex Agents di Snowflake (CoCo e CoWork), lo Scientific Discovery Agent è dotato di skill per eseguire i seguenti task e orchestrare in modo conversazionale un’intera pipeline di drug discovery:

• Recuperare la struttura del target e gli SMILES del composto utilizzando Cortex Analyst

• Generare nuovi composti candidati con GenMol (de novo) o MolMIM (da un hit noto come X-4217)

• Filtrare tramite la valutazione ADMET con KERMT (ottimizzato con Cortex Training) per eliminare tempestivamente le molecole non sicure

• Eseguire il docking dei candidati sottoposti a screening rispetto al target proteico con DiffDock

• Assegnare un punteggio all’affinità di legame con Boltz-2 per classificarli in base alla potenza prevista

Nel frattempo, le funzionalità della piattaforma Snowflake rendono tutto questo production-grade:

• Cortex Analyst offre il recupero dei dati in linguaggio naturale dai database interni di relazione struttura-attività (SAR) 

• Dynamic Tables aggiorna automaticamente i ranking dei candidati man mano che arrivano nuovi dati sperimentali

• Data Sharing recapita liste di hit alle CRO di sintesi in tempo reale senza esportazione dei dati

• Data Clean Rooms abilita la collaborazione interistituzionale nella scoperta scientifica senza esporre l’IP

• Cortex Training ottimizza modelli come KERMT su dati proprietari di saggi preclinici, mantenendo l’IP all’interno del perimetro

• Tutti gli asset digitali, inclusi i nuovi candidati generati in silico, sono catalogati in Snowflake Horizon secondo i principi FAIR

Il risultato è un sistema agentico in cui l’intelligence biologica specializzata agisce sui dati enterprise affidabili in modo sicuro, trasparente e su larga scala. Ogni previsione è verificabile, ogni risultato è governato e ogni ciclo di previsione-sintesi-misurazione-riaddestramento rende l’ipotesi successiva più informata, trasformando la scoperta di farmaci basata sull’intelligenza artificiale da esperimenti isolati in notebook a funzionalità organizzative componibili, conformi e in continuo miglioramento. 

Con questa collaborazione, le organizzazioni life sciences possono immaginare ciò che l’Agentic AI governata potrebbe rendere possibile, tra cui:

• Un agente AI in grado di ragionare end‑to‑end. Può recuperare letteratura e dati sperimentali, generare molecole candidate, valutare le proprietà ADMET e far emergere i lead più promettenti, il tutto all’interno di un ambiente governato in cui la conoscenza istituzionale informa ogni decisione.

• Le pipeline di scoperta in più fasi possono diventare componibili, verificabili e conformi. BioNeMo gestisce la biologia computazionale, mentre Snowflake fornisce contesto, recupero, governance, orchestrazione e tracciamento della lineage.

• La ricerca può autoalimentarsi. I risultati sperimentali rientrano nel sistema e i sistemi agentici affinano le ipotesi nel tempo. Ogni osservazione rende l’ipotesi successiva più informata.

• Le operazioni cliniche agentiche possono supportare workflow nell’ambito di progettazione degli studi, abbinamento dei pazienti, selezione dei siti, stratificazione dei pazienti e generazione di evidenze del mondo reale.

Questa collaborazione consente alle organizzazioni life sciences di eseguire workflow scientifici complessi e in più fasi direttamente dove risiedono i loro dati, accelerando la nuova scoperta e riducendo i tempi dei cicli di sviluppo molecolare. Combinando l’intelligence biologica di dominio progettata appositamente da NVIDIA con la sicurezza e la governance enterprise-grade di Snowflake, le aziende life sciences possono ottimizzare e accelerare i workflow di R&S contribuendo al tempo stesso a mantenere la compliance per informazioni scientifiche sensibili.
 

I vantaggi della visione condivisa di Snowflake e NVIDIA per la R&S nelle life sciences includono:

• Cicli di scoperta compressi: Gli agenti AI possono esplorare vasti spazi molecolari e biologici in silico e aiutare a concentrare l’expertise umana dove conta di più.

• Tempistiche di sviluppo abbreviate: I workflow agentici possono supportare l’ottimizzazione dei lead e lo sviluppo molecolare, il scoring multiproprietà e di bio-signature, e test preclinici e clinici informati.

• Operazioni cliniche più efficienti: I workflow agentici possono supportare processi complessi, dall’ottimizzazione della progettazione degli studi alle submission regolatorie, con governance integrata.

• Apprendimento continuo: Poiché ogni esperimento, sia in silico sia al banco, rientra nel sistema, le organizzazioni possono creare un ciclo di apprendimento continuo che migliora la qualità delle ipotesi future.

La data foundation: un control plane agentico per le life sciences 

Per ottenere questi risultati, le organizzazioni life sciences hanno bisogno di più che singoli modelli di intelligenza artificiale o app isolate. Hanno bisogno di un control plane agentico che riunisca capacità di calcolo, dati enterprise governati, ragionamento di frontiera e intelligence scientifica specifica per dominio in un unico ambiente operativo sicuro. È qui che Snowflake e BioNeMo Agent Toolkit si uniscono per fornire la data foundation per un’Agentic AI pronta per l’enterprise nelle life sciences.
 

La data foundation per un control plane agentico nelle life sciences include quattro livelli di funzionalità che lavorano insieme:

• L’infrastruttura fornisce la data foundation di capacità di calcolo scalabile per l’enterprise AI nelle life sciences. Con l’accelerazione GPU di classe NVIDIA Blackwell all’interno dell’ambiente enterprise governato di Snowflake, le organizzazioni possono eseguire workload di training e inferenza impegnativi per casi d’uso di AI biomedica su larga scala.

• I dati governati e il contesto garantiscono che gli agenti AI possano operare su conoscenza enterprise affidabile. I dati proprietari di ricerca, genomici, molecolari, di saggi e clinici possono essere unificati in data product multimodali con governance centralizzata coerente e sicura e contesto semantico, rendendoli accessibili in modo fluido senza spostamento o duplicazione.

• L’intelligence di frontiera fornisce agli agenti AI il ragionamento e la pianificazione necessari per scomporre domande scientifiche complesse in workflow eseguibili, indipendentemente dal fatto che tali funzionalità vengano invocate tramite API, codice, agenti AI o pipeline di dati.

• L’intelligence di dominio porta conoscenze biologiche specializzate nel workflow agentico. BioNeMo Agent Toolkit codifica funzionalità biologiche come folding proteico, dinamica molecolare, analisi genomica e ragionamento biomedico come skill agentiche che possono essere sfruttate come skill integrate in Snowflake CoCo.

Quando queste funzionalità convergono su una piattaforma governata, diventano un potente meccanismo per ottenere risultati di business. Le organizzazioni delle life sciences possono iniziare a rimodellare il modo in cui operano tra scoperta, sviluppo, operazioni cliniche e gestione della conoscenza enterprise.

Il futuro: guidare l’innovazione agentica nella R&S 

Man mano che la collaborazione cresce, l’opportunità per Snowflake si espande dall’orchestrazione di singoli workflow scientifici alla creazione di un sistema a livello enterprise per l’intelligence biomedica governata. In questo futuro, ricercatori, team di dati e operatori clinici possono utilizzare il linguaggio naturale per accedere a funzionalità BioNeMo specializzate, ottimizzare modelli su dati proprietari e rendere operativi workflow agentici direttamente all’interno dell’ambiente governato Snowflake.

La nostra visione condivisa per il futuro include:

• Workflow scientifici unificati: Integrare i microservizi BioNeMo NIM con Cortex Agents per coprire simulazione molecolare, analisi multi-omica approfondita, recupero clinico, analisi dei dati del mondo reale e decision-making operativo.

• Fine‑tuning sicuro dei modelli: Sfruttare Cortex Training per trasformare l’intelligenza artificiale biomedica generale in intelligence scientifica proprietaria utilizzando dati privati, il tutto senza che i dati lascino la piattaforma Snowflake.

• Scienza conversazionale: Fornire accesso in linguaggio naturale a workflow BioNeMo complessi, consentendo ai ricercatori di invocare screening in silico e scoperta scientifica attraverso la conversazione con governance istituzionale completa.

Costruire il futuro, insieme

Il futuro dell’Agentic AI nelle life sciences non riguarda un singolo modello o una singola piattaforma. Riguarda l’integrazione: intelligenza artificiale biologica avanzata che opera su dati governati, orchestrata da agenti AI che comprendono la scienza, aiutano a supportare la compliance e accelerano la scoperta. Il risultato non è solo workflow più rapidi, ma anche il potenziale per un maggiore impatto sui pazienti.

In Snowflake, ci impegniamo a fornire il control plane agentico per le life sciences in modo sicuro, su larga scala e con governance integrata. Con NVIDIA BioNeMo Agent Toolkit che porta intelligence di dominio progettata appositamente nell’orchestrazione di workflow enterprise-grade, Snowflake e NVIDIA aiutano le organizzazioni delle life sciences ad avvicinarsi a un nuovo modello di innovazione scientifica governata e agentica.

Vuoi approfondire questi argomenti? Esplora le nostre risorse più recenti qui sotto:

• Guarda Snowflake Summit Encore: Life Sciences

  Esplora le ultime soluzioni AI e le storie di clienti Snowflake.

  Guarda ora

• Approfondisci come distribuire agenti AI su larga scala

  Scopri come passare dalle POC di Agentic AI ai casi d’uso scalabili con il nostro ultimo ebook: Distribuzione di agenti AI su larga scala: 3 modelli per andare oltre la POC.

  Scarica l’ebook

Dichiarazioni previsionali

Questo blog contiene dichiarazioni previsionali espresse e implicite, incluse dichiarazioni riguardanti (i) la strategia di business, i piani, le opportunità o le priorità di Snowflake, (ii) il prodotto, i servizi e le offerte tecnologiche di Snowflake, comprese quelle in fase di sviluppo o che non sono in GA, (iii) la crescita del mercato, le tendenze e le considerazioni competitive, (iv) la visione, la strategia e i benefici attesi di Snowflake in relazione all’intelligenza artificiale e ad altre aree emergenti del prodotto, e (v) l’integrazione, l’interoperabilità e la disponibilità del prodotto, dei servizi e delle offerte tecnologiche di Snowflake con e su piattaforme di terze parti. Queste dichiarazioni previsionali sono soggette a una serie di rischi, incertezze e ipotesi, inclusi quelli descritti sotto la voce “Fattori di rischio” e altrove nelle Relazioni trimestrali sul Modulo 10-Q e nelle Relazioni annuali sul Modulo 10-K che Snowflake deposita presso la Securities and Exchange Commission. Alla luce di questi rischi, incertezze e ipotesi, i risultati effettivi potrebbero differire in modo sostanziale e sfavorevole da quelli previsti o impliciti nelle dichiarazioni previsionali. Di conseguenza, non dovresti fare affidamento su alcuna dichiarazione previsionale come previsione di eventi futuri.