人工智能技术发展现状及趋势：药物研发领域中运用情况说明

人工AI技术在药物研发方面主要有三个阶段，分别是药物发现、临床前研究、临床试验等，主要应用的环节和场景分析情况如下：

药物发现主要应用环节有三个，其分别是靶点发现、先导化合物研究和化合物筛选、化合物合成;应用场景分别是：

靶点发现主要利用自然语言处理(NLP)技术检索分析海量的文献、专利和临床实验报告非结构化数据库，找出潜在的、被忽视的通路、蛋白和机制等与疾病的相关性，从而提出新的可供测试的假说，以发现新机制和新靶点。

先导化合物研究和化合物筛选主要是利用机器学习(或深度学习)技术，学习海量化学知识及资料，建立高效的模型，快速过滤“低质量”化合物，富集潜在有效分子。

化合物合成主要是利用机器学习(或深度学习)技术，学习海量已知的化学知识，之后预测在任何单一步骤中可以使用的化学反应，解构所需分子，得到可用试剂。

临床前研究主要应用环节有两个，分别是新适应症发现和晶型预测，其应用场景分别是：

新适应症发现主要是借助AI的深度学习能力和认知计算能力，将已上市或处于研发管线的药物与疾病进行匹配，发现新靶点，扩大药物的治疗范围。

晶型预测主要是晶型变化会改变固体化合物的物理及化学性质(如溶解度、稳定性、熔点等)，导致药物在临床治疗、毒副作用、安全性方面的差异。这一多晶型现象会对药物研发造成干扰，可以利用认知计算实现高效动态配置药物晶型，预测小分子药。

临床试验的应用环节有两个，分别是临床实验设计和患者招募，其应用场景分别是：

临床实验设计主要是利用自然语言处理(NLP)技术检索过去临床实验中的成功和失败经验，使临床实验方案避免重复常见的遗漏、安全等。

患者招募主要是利用自然语言处理(NLP)技术提取患者数据，为临床实验匹配相应患者。

文本由@栗栗-皆辛苦 原创发布于三个皮匠报告网站，未经授权禁止转载。
数据来源《药明康德-观往昔，展未来，奋楫扬帆立潮头》