机构名称：
¥ 1.0
人工智能 (AI) 在推动生物医学科学发展方面发挥了关键作用，但在监管科学方面尚未产生应有的影响。随着该领域的发展，计算机模拟和体外方法已被评估为动物研究的替代方案，旨在尽早发现和缓解药物开发过程中的安全问题。尽管有许多人工智能工具可用，但它们在药物功效和安全性评估的监管决策中的接受度仍然是一个挑战。人们普遍认为，人工智能模型会随着数据的增加而改进，但现实是否在药物安全评估中反映了这种看法？重要的是，旨在监管应用的模型需要考虑广泛的模型特征。其中包括适应性，即模型在对未知数据进行重新训练时的自适应行为。这是一个重要的模型特征，应在监管应用中加以考虑。在本研究中，我们通过模拟每年新药进入市场的真实情况，建立了一项全面的研究来评估人工智能的适应性，使用我们之前开发的称为 DeepDILI 的模型，该模型使用新颖的深度学习方法预测药物引起的肝损伤 (DILI)。我们发现目标测试集在评估我们模型的自适应行为方面起着重要作用。我们的研究结果还表明，在训练集中添加更多药物不会显著影响我们的自适应模型的预测性能。我们得出结论，提出的适应性评估框架在评估模型随时间的性能方面具有实用性。
人工智能对监管科学安全评价的适应性
主要关键词
相关文件推荐
