机构名称：
¥ 1.0
1。引言人工智能（AI）和机器学习（ML）的整合彻底改变了药物发现和开发领域，利用了计算机科学，数学和物理学的优势。缓慢的营养，巨大的成本和值得注意的失败率Mar传统的药物开发方法。小分子药物的平均开发时间表约为15年，成本超过20亿美元[1]。这些数字已经升级，到2023年开发的新药达到61.6亿美元[2-4]。广泛的反复试验和错误有助于长时间的时间表和高局部负担。AI和ML技术可以显着增强药物发现过程。通过促进虚拟筛查，药物设计和药物靶向相互作用建模，AI可以快速准确地预测生物学能力[5]。ML算法可以分析复杂的生物学数据，包括基因组和蛋白质组学信息，以识别新型的药物靶标和生物标志物[6，7]。这种数据驱动的方法加速了发现过程，改善了治疗的精度和个性化。尽管有这些优势，但AI/ML在药物开发中的应用仍面临与数据质量，算法偏见和模型可解释性有关的挑战[8，9]。ad-
人工智能驱动的无代码的比较研究
主要关键词
相关文件推荐
