人工智能在医药研发中的创新应用.pdfVIP

科技创新TechnicalInnovation

人工智能在医药研发中的创新应用

文◆迪普佰奥生物科技（上海）有限公司 谢 伟

引言医药研发的创新进行探索研究，包括分子设计、虚拟筛选和化合物优化

医药研发一直是科学和技术等方面的应用。关注临床试验的优化情况，探讨AI如何改善试验设计、

不断演进的前端领域。随着科技加速患者招募以及提高试验效率。深入研究个性化医疗，包括基因组学

的快速发展，人工智能（AI）在的应用、患者数据的分析以及个体化治疗方案的制定。关注医学影像分

医药研发领域正引领着一场新的析领域，审视AI提高医学影像解读的准确性和效率的措施。

革命。AI介入为研发带来了新

的视角，尤其在药物发现、临床1人工智能在药物发现中的应用

试验优化、个性化医疗和医学影1.1分子设计

像分析等方面，AI展现出巨大分子设计是药物发现中的关键步骤之一。AI技术在分子设计方面的

的潜力。传统药物研发过程通常应用早已取得了显著成果。通过对数百万化合物的分析，机器学习模型

漫长而昂贵。深度学习、机器学能够预测不同分子的活性和相互作用，从而加速候选药物的筛选过程。

习和大数据分析等技术的发展为1.2虚拟筛选

研究人员提供了处理庞大生物信虚拟筛选通过计算方法对大量的化合物进行预测，以识别可能具有

息学数据的新手段，加速了药物生物活性的分子。人工智能在虚拟筛选中的应用有助于研究人员有效确

研发的步伐。基于此，回顾总结定候选化合物，减少实验室实验的次数，提高药物发现的效率。

国际上人工智能在药物发现方面1.3化合物优化

的最新进展，对于AI如何推动化合物优化是药物研发中至关重要的一步，旨在改善药物的药效、

减轻毒副作用、提高生物利用度。人工智能在这一领域的应用涵盖了多

个子领域，每个子领域都取得了显著的技术进展。

1.3.1生成对抗网络（GANs）在分子设计中的应用

生成对抗网络是一种强大的生成模型，已在药物发现中展现出巨大

的潜力。通过学习大量已知活性分子的结构和性质，GANs能够生成新

的、具有更好活性的分子结构，为药物优化提供了全新的思路。近期研

究表明，GANs在药物发现中能够生成具有多样性和生物活性的分子，

为新药物的开发提供了更广泛的化学空间。

1.3.2强化学习在化合物优化中的应用

强化学习是通过模拟智能体与环境的交互，以试错的方式进行优

化的策略。在化合物优化中，强化学习被广泛用于制定化合物的合成路

【作者简介】谢伟（1980—），男，四川成都人，博士，研究方向：生物医学和人工智能相结合领域。

31|2024.02

中国信息界|InformationChina

径，以达到特定的药物设计目标。该方法已经在分子组装、键合选择和2.2.1电子健康记录的利用

反应条件优化等方面取得了重要进展。通过分析大量的电子健康

1.3.3深度生成模型在药物属性预测中的应用记录（EHR），机器学习模型可