一份审查,探索人工智能在药物发现和配方开发中的翻译视角

科学领域:

• 制药研发领域的研发工作.
• 人工智能在药物开发中的作用
• 机器学习应用 机器学习应用

背景情况:

• 传统的药物开发管道是漫长,昂贵和复杂的,通常需要十年和数十亿美元.
• 现有的方法在效率,成本效益和成功率方面面临挑战.
• 迫切需要创新的方法来简化制药研究和开发.

研究的目的:

• 审查人工智能 (AI) 和机器学习 (ML) 对制药研发的转化影响.
• 探索AI/ML技术如何改变药物开发价值链的各个阶段.
• 为AI/ML在药物发现和配方开发中的潜力和局限性提供平衡的视角.

主要方法:

• 在整个制药研发生命周期中审查当前的AI和ML应用.
• 对人工智能对药物发现,临床前开发,临床试验和营销后监测的影响的分析.
• 检查AI在配方开发和优化中的作用.

主要成果:

• 通过in silico模型,AI/ML加速了目标识别 (从几年到几个月),提高了命中率 (30-50%),并减少了动物测试 (40%).
• 临床试验得到了优化,减少了患者队列 (25% - 30%),随着人工智能驱动的真实世界的证据,营销后监测速度快100倍.
• 整体而言,人工智能实施可以节省30-60%的时间,降低25-40%的成本,并提高制药研发的成功率.
• 机器学习算法增强药物配方稳定性和成分,最大限度地减少实验代.

结论:

• 人工智能和机器学习提供了变革性的潜力,可以彻底改变医药研发,提高效率,降低成本,提高成功率.
• 尽管有显著的好处,但必须解决与数据质量,算法偏见和监管接受相关的挑战,才能成功实施人工智能.
• 本综述提供了利用AI/ML在药物发现和配方开发中的路线图,平衡潜力与现有局限性.