整合人工智能,机器学习和动物模型用于精确瘤学:弥合临床前和临床差距
Zahid Rafiq1,2, Tanzeel Bashir3, Weiqin Lu2
1Department of Radiation Oncology, The University of Texas MD Anderson Cancer Center, Houston, Texas 77030, United States.
ACS pharmacology & translational science
|October 16, 2025
概括
人工智能 (AI) 和机器学习 (ML) 可以改善研究中的动物模型的翻译. 这种方法增强了药物开发,使得癌症治疗更可预测,更道德,更个性化.
科学领域:
- 药理学 药理学是指药理学的学科.
- 翻译科学 翻译科学
- 计算生物学 计算生物学
背景情况:
- 动物模型在临床前研究中至关重要,但往往对人类结果的翻译性有限.
- 从动物研究中预测临床疗效仍然是药物开发中的一个重大挑战.
研究的目的:
- 提出一个新的范式,将人工智能 (AI) 和机器学习 (ML) 整合到药理学和翻译科学中.
- 提高治疗开发临床前研究的预测准确性和效率.
主要方法:
- 利用AI和ML算法来分析来自临床前模型的复杂生物数据.
- 将计算精度与实验严谨性相结合,弥合动物研究和临床结果之间的差距.
主要成果:
- 人工智能和机器学习的整合显著放大了动物模型的可翻译性.
- 加快假设测试和减少药物发现管道中的资源负担.
- 改善了新型治疗干预措施的临床可预测性.
结论:
- 人工智能和机器学习的整合为翻译科学提供了一个变革性的方法.
- 这种计算-实验协同作用促进了更道德,更可扩展和更个性化的癌症治疗方法的开发.
- 这种范式的转变有望加速向患者提供有效的治疗方法.


