2026年基于机器学习的药物副作用预测模型研究进展.pptxVIP

2026/06/162026年基于机器学习的药物副作用预测模型研究进展汇报人：药物安全研究中心

目录研究背景与核心挑战技术框架与核心方法关键技术突破应用场景与典型案例行业痛点与解决方案未来趋势与研究展望010203040506

壹研究背景与核心挑战

药物不良反应的临床负担儿科住院患者10%药物不良事件占比，其中近一半属于危及生命的严重不良事件儿童ADR发生率0.6%-16.8%发生率范围跨度大，约3.9%为严重或致命性反应超说明书用药90%住院儿童接受超说明书处方用药，暴露在未经评估的用药风险中成本高昂周期漫长临床试验平均耗时超十年、成本超十亿美元，传统预测方法难以满足快速评估需求动物实验物种差异依赖动物实验存在物种差异，约90%的候选药物在临床试验阶段被淘汰经验积累准确性不足经验积累方法预测准确性不足，难以应对复杂药物相互作用

传统药物研发的困境传统药物研发长期面临双十定律的挑战，成功率不足一成，亟需技术革新研发周期长8-10年从靶点发现到最终上市平均耗时成本高昂8-23亿美元一款新药研发投入金额成功率低90%候选药物在临床试验阶段被淘汰物种差异鸿沟严重毒性风险动物实验安全药物的人体反应伊马替尼案例8年研发周期8亿美元研发投入特定适应症仅对CML有效慢性粒细胞白血病治疗药物，从靶点发现到上市耗时8年，投入约8亿美元，最终仅对特定白血病有效，凸显传统研发模式的高成本、低效率困境

机