传统中医药中的人工智能:多代谢物多目标相互作用建模方面的进展

科学领域:

• 综合医学和计算生物学
• 药理学和药物发现

背景情况:

• 传统中医 (TCM) 采用多代谢物,多目标策略来治疗复杂疾病,比单个目标方法具有潜在的优势.
• 传统医学的主要挑战包括阐明活性代谢物,治疗点及其复杂的组合机制.
• 人工智能 (AI) 的整合对于推动TCM向精准医学发展至关重要.

研究的目的:

• 审查人工智能在传统中医药中预测治疗点的应用.
• 分析当前的人工智能方法,包括多omics,专业数据库,机器学习 (ML),深度学习 (DL) 和交叉模式融合.
• 批判性地评估阻碍人工智能在TCM目标预测中的实际实施的挑战和局限性.

主要方法:

• 探索用于TCM目标预测的AI技术.
• 审查多学科数据集成和专业的TCM数据库.
• 机器学习 (ML) 和深度学习 (DL) 模型的分析,包括跨模式融合策略.

主要成果:

• 人工智能,包括ML和DL,在识别TCM治疗点方面显示出显著的潜力.
• 多omics数据和TCM特定的数据库增强AI驱动的目标预测准确性.
• 持续存在的挑战包括数据异质性,模型可解释性,因果混和验证.

结论:

• 人工智能集成正在将TCM转变为复杂疾病的精准医学范式.
• 未来的研究必须专注于优化人工智能算法 (例如,零射击学习,自我监督的对比学习) 以提高可靠性和可扩展性.
• 解决当前的局限性对于人工智能在TCM的成功临床应用至关重要.