人工智能技術發展現狀及趨勢：藥物研發領域中運用情況說明

人工AI技術在藥物研發方面主要有三個階段，分別是藥物發現、臨床前研究、臨床試驗等，主要應用的環節和場景分析情況如下：

藥物發現主要應用環節有三個，其分別是靶點發現、先導化合物研究和化合物篩選、化合物合成;應用場景分別是：

靶點發現主要利用自然語言處理(NLP)技術檢索分析海量的文獻、專利和臨床實驗報告非結構化數據庫，找出潛在的、被忽視的通路、蛋白和機制等與疾病的相關性，從而提出新的可供測試的假說，以發現新機制和新靶點。

先導化合物研究和化合物篩選主要是利用機器學習(或深度學習)技術，學習海量化學知識及資料，建立高效的模型，快速過濾“低質量”化合物，富集潛在有效分子。

化合物合成主要是利用機器學習(或深度學習)技術，學習海量已知的化學知識，之后預測在任何單一步驟中可以使用的化學反應，解構所需分子，得到可用試劑。

臨床前研究主要應用環節有兩個，分別是新適應癥發現和晶型預測，其應用場景分別是：

新適應癥發現主要是借助AI的深度學習能力和認知計算能力，將已上市或處于研發管線的藥物與疾病進行匹配，發現新靶點，擴大藥物的治療范圍。

晶型預測主要是晶型變化會改變固體化合物的物理及化學性質(如溶解度、穩定性、熔點等)，導致藥物在臨床治療、毒副作用、安全性方面的差異。這一多晶型現象會對藥物研發造成干擾，可以利用認知計算實現高效動態配置藥物晶型，預測小分子藥。

臨床試驗的應用環節有兩個，分別是臨床實驗設計和患者招募，其應用場景分別是：

臨床實驗設計主要是利用自然語言處理(NLP)技術檢索過去臨床實驗中的成功和失敗經驗，使臨床實驗方案避免重復常見的遺漏、安全等。

患者招募主要是利用自然語言處理(NLP)技術提取患者數據，為臨床實驗匹配相應患者。

文本由@栗栗-皆辛苦 原創發布于三個皮匠報告網站，未經授權禁止轉載。
數據來源《藥明康德-觀往昔，展未來，奮楫揚帆立潮頭》