应用和采用人工智能用于药物发现的数据中心挑战

科学领域:

• 药物的发现和开发.
• 人工智能应用的人工智能应用.
• 计算化学是一种计算化学.

背景情况:

• 人工智能 (AI) 为加速药物发现和降低相关成本提供了巨大的潜力.
• 当前的人工智能模型面临的局限性影响了它们在现实世界药物开发中的范围和有效性.

研究的目的:

• 确定和讨论阻碍人工智能在药物发现中的影响的关键挑战.
• 探索有效的缓解数据问题,不确定性量化和评估陷.
• 突出人类偏见的作用和前性验证的重要性.

主要方法:

• 审查和讨论用于药物发现的AI中常见的数据问题 (例如偏差,小尺寸,高维度).
• 对AI模型预测不确定性量化的挑战分析.
• 在AI模型评估中检查概念错误,基准和性能误估.
• 讨论人类偏见和未来经验的需要.

主要成果:

• 数据的局限性,如偏差,不一致性和高维度,对AI模型性能构成重大挑战.
• 不确定性量化技术在提高人工智能预测的信任和可靠性方面遇到了障碍.
• 错误的评估方法,包括不切实际的基准和绩效错误估计,可能会阻碍人工智能模型的开发.
• 专家对人类的偏见可能会对人工智能开发和应用产生负面影响.

结论:

• 克服数据挑战,改善不确定性量化和完善评估策略对于推动药物发现中的AI至关重要.
• 未来的验证和对人类偏见的认识对于实现人工智能模型的实际价值至关重要.
• 需要编辑,资助者,投资者和研究人员做出明智的决定,以指导对药物发现人工智能的负责任开发.