原始标题：人工智能出版社的药物研发和开发编辑器“第一前向键”注意：人工智能正在重建科学研究的范式。从新药物的研究和开发到气候变化模拟到明显的遗传代码，再到宇宙的神秘裂缝，AI具有提高科学研究效率并扩大研究限制的巨大潜力。截至今天，报纸将启动一系列报告，讨论AI对“科学研究AI+”破译，介绍AI应用的结果，例如医学，数学，材料，化学和天文学的结果，并增强科学研究的高质量发展。
保护所有基因的潜在目标，发现帕金森氏病的新治疗目标并习惯了药物筛查。 15年前，我们占据了阿尔茨海默氏病的风险，诊断精度大于98.7％...近年来，福丹大学在医学领域取得了一系列进步。在这些进步的背后，所有这些都与CFFF提供的计算机喂养支持AI密不可分，CFFF是云科学研究的智能计算平台。该平台由Fudan，Alibaba Cloud等人共同创建，并在公共云模式下提供了超过100公里的智能计算机科学，这支持了规模上的高能培训。
目前，AI已将研究更改为授权技术。几位专家最近在接受科学技术记者的采访时说，在医学和健康领域，AI已应用于目标发现，药物设计和临床试验，从而大大提高了科学研究的效率。同时，不能忽略诸如“数据筒仓”之类的问题。
改变药物开发模型
AI技术正在改变客观发现模型。在传统的resea下RCH模型由假设促进，研究人员推测，基于现有的理论系统和设计实验，某些蛋白质在致病蛋白的传播中起着重要作用，以确认这一点。该模型不仅需要大量时间，而且在工作中占很大，而且很容易忽略现有理论系统之外的许多可能性。
对IAESTO技术的支持已实现了基于数据的研究模型。这是一个没有预反应的调查想法。我们可以检测所有基因的潜在目标，并在体外和体外进行基本实验以进行验证，在很大程度上将数据分析量表和研究效率造成了损害。
Yu Jint Parkenson Yu Jint Parkenson Yu Jint Parkenson。“我们使用大型模型技术对超过一百万个样品进行了大规模的基因组关联分析，并发现FAM171A2基因的突变与帕金森氏病的风险显着相关。”我们从未研究过FAM171A2神经元的角色α-突触核蛋白传播中的膜蛋白。
AI在检测化合物中也发挥了重要作用。
传统研究模型需要重复的论文和错误才能开发出高度创新的客观药物。研究人员需要检测具有活性和选择性的成千上万个分子，出色的RIT是疾病，吸收和代谢特性，并符合安全标准。只有满足这些要求的药物分子才能进入临床阶段。这种方法主要基于专家的个人经验和创造力，通常会消耗大量时间，从而带来高昂的成本和材料。 AI蛋白质和虚拟检测技术的结构的预测使有效的药物可以快速预测哪些分子最有可能是。在某些情况下，AI还可以在48小时内检测到1亿种化合物。
在CFFF平台的帮助下，Yujintai的团队能够检测到PRECISE的所有基因的潜在目标，并很快发现了可以有效抑制FAM171A2蛋白和病理性锡鲁鲁核蛋白的小分子的小分子。 Yu Jintai说：“完成这项工作只花了五年时间，最初花了数十年才完成。”
CFFFF平台还支持其他团队调查。该设备使用AI技术开发脑脊液蛋白6361和高级阿尔茨海默氏病。选择了四种相关蛋白质。根据这些新的诊断生物标志物，可以预测15年前阿尔茨海默氏病的风险，准确性超过98.7％。据报道，今年年底将在主要医院和体格检查中心启动根据此结果开发的早期检测和诊断试剂以及对阿尔茨海默氏病进行的早期测试。
提高临床试验效率
拍摄药物之前，您t接受临床试验，并批准严格批准药物监管机构。 “进入临床阶段之后，没有AI作为传统药物的药物的快捷方式。” Yingsi Intelligent Technology（Shanghai）Co.，Ltd。
但是，这并不意味着进入临床阶段后AI无效。相反，此阶段需要紧急干预。
传统的临床试验在招募受试者，检测，数据收集和质量控制方面效率低下，经济和时间的时间和失败风险更大。 IA可以优化患者招聘标准，预测试验的结果，模拟临床试验，并提供新的想法和方法，以打破传统临床试验的瓶颈。
今年6月，申请被批准用于发射长期动作的雾化支气管扩张剂，用于慢性阻塞性肺部疾病ASE。为III期临床试验的患者招聘过程，Yidu Technology Co.，Ltd。由技能创建的患者招聘代理，以显示，将注册率提高30％以上，并且质量维度严格控制了90％以上。该公司生命科学部智能临床试验主管Hao Yuan说：“该代理商的精度是传统模型的三倍以上。”
一些公司正在积极调查使用AI技术来预测临床试验结果。 Insilicon Intelligent使用了IA开发的“ Intinist”的临床试验的预测，以精确预测II期临床试验到III期的几项临床试验的转化结果。
临床数据管理过程对于AI也具有很大的潜力。上海Yaocheng Health Technologand Co.，Ltd. Auroraprime平台可以将临床研究报告初稿的发电时间减少90％，从而节省了45％的基因时间。
IA还可以优化临床试验方案。 Wenzhou's Medicine University的Li Xiaokun学术团队使用AI来优化用于生长因子的药物的临床试验计划，以成功缩短转化周期。
AI引起的变化正在浸渍临床试验中的每个链接。根据研究公司优先调查的数据，全球临床测试市场将在2025年达到26亿美元。据估计，它在2034年将超过223.6亿美元。
行业专家认为，AI临床试验市场正处于爆炸性增长的前夕，技术创新将显着提高行业效率。在我的时候，值得注意的是，监管框架和道德风险的延误（例如保护数据隐私和技术滥用）是限制行业健康发展的重要瓶颈。建筑自适应监管系统和道德治理框架是紧迫的。
faCE“数据岛”的挑战
在整合大数据和丰富知识的时代，计算机力量已成为科学研究的关键生产力。随着计算机功率水平的不断提高，科学研究的效率也随之提高。
哈达大学智力科学与技术研究所的研究人员陈维（Chen Wei）被计算机力量的跳跃深深感动。 “我在2011年至2012年之间购买了几台机器，但是处理100个图像数据已经很困难。小服务器是在Varyan时代执行的。”他说，CFFF平台可以提供更多的计算机功率，并启用多任务同时计算机科学。信任平台，相信您可以构建一个较大的数据库来促进研究。
Cheng Wei在AI时代对计算机能源的需求不断增长，数据收集说，由于专注于治愈和隐私，许多大学正在建设或加强自己的计算机平台口气。他说：“成为计算机平台的所有者至关重要，尤其是在包含机密临床数据的研究中。”
但是，从另一个角度来看，这加剧了数据障碍的问题。数据资源的分裂限制了“ AI+”药房的技术可能性的释放。 “如果需要AI发挥更重要的作用，我们需要创建更多标准化的数据。” Jingtai Smart PharmaceuticalTechnology（上海）有限公司Ma Jian，公司的联合创始人兼首席执行官，希望在未来五到十年中，该行业将在高质量数据的一代中投入更多的能源。
“ AI的制药公司通常使用公开可用的数据来开发算法技术。目前的数据数量足够，但是该行业的进展将导致公司要求越来越多的算法精确度，并且将来将不可避免地形成许多标准化的数据差距。” Ren Feng说Yingsi智能T全年维护一个由20-40人组成的数据挖掘团队，每天保持相关的数据更新，但是行业“数据筒仓”的问题不能忽略。
许多受访者认为，在“ AI+药房”领域中，最严重的挑战在于可信赖的机制以及当前AI工具和流量工作的整合，制药公司和AI开发人员正在积极促进系统中的数据协作，通过系统之间的数据协作来创建可解释的AI模型，并建立可解释的标准化验证框架，并建立标准化的框架，从而积极促进行业中的公开协作。将来，我们需要更多地提高AI决策系统的透明度，并制定透明的传播标准，以符合临床研究标准，以增加医生和监管机构。
（编辑：Luo Zhizhi，Chen Jian）
遵循官方帐户：人们的每日财务
分享以向更多人展示
