详细内容或原文请订阅后点击阅览
医疗保健中的人工智能：药物开发中机器学习的好处和挑战 [2020 年 1 月 31 日修订重新发布。]
GAO 的发现根据机构官员等利益相关者的说法，机器学习——人工智能 (AI) 的一个领域，其中软件从数据中学习以执行任务——已经用于药物开发，并具有改变该领域的潜力，行业代表和学术研究人员。机器学习应用于整个药物开发过程，可以提高其效率和有效性，减少将新药推向市场所需的时间和成本。这些改进可以通过更快地向有需要的患者提供药物来拯救生命并减少痛苦，并且可以让研究人员在罕见或孤儿疾病等领域投入更多资源。机器学习可以加速药物开发这套技术可以筛选更多化合物并在比当前过程更短的时间内将有前途的候选药物归零。药物开发早期步骤中的机器学习示例包括：药物发现：研究人员正在识别新的药物靶标，筛选用于新治疗应用的已知化合物，以及设计新药候选人，以及其他应用程序。临床前研究：研究人员正在加强临床前测试并在人体测试潜在药物之前预测毒性。临床试验：研究人员开始改进临床试验设计，这是许多候选药物失败的地方。他们的努力包括将机器学习应用于患者选择、招募和分层。GAO 发现了阻碍机器学习在药物开发中采用和影响的几个挑战。生物学、化学和机器学习方面的研究差距限制了对该领域的理解和影响。机器学习有效所需的高质量数据的缺乏是另一个挑战。由于成本、法律问题和缺乏共享激励，访问和共享这些数据也很困难。此外，熟练和跨学科工人的供应不足给制药公司带来了招聘和保留方面的挑战。最后，药物开发中使用的机器学习的潜在监管的不确定性可能会限制该领域的投资。GAO 制定了六项政策选择来应对这些挑战。五项政策选项围绕研究、数据访问、标准化、人力资本和监管确定性。最后一个是现状，政策制定者——联邦机构、州和地方政府、学术和研究机构以及工业界等——不会干预当前的努力。有关政策选项以及相关机会和考虑因素的详细信息，请参阅下文。应对在药物开发中使用机器学习的挑战的政策选项机会考虑因素研究（报告第 27 页）政策制定者可以促进基础研究，以生成更多、更好的数据并增进理解药物开发中的机器学习。可能会导致增量
来源:美国政府问责局__技术评估产品信息美国政府问责署的发现
机器学习是人工智能 (AI) 的一个领域，其中软件从数据中学习以执行任务，据机构官员、行业代表和学术研究人员等利益相关者称，机器学习已经用于药物开发，并有可能改变该领域。机器学习贯穿整个药物开发过程，可以提高其效率和有效性，减少将新药推向市场所需的时间和成本。这些改进可以通过更快地将药物送到需要的患者手中来挽救生命并减少痛苦，并可以让研究人员在罕见病或孤儿病等领域投入更多资源。
机器学习可以加速药物开发
机器学习可以加速药物开发这套技术可以筛选更多的化合物，并在比当前流程更短的时间内锁定有希望的候选药物。
药物开发早期阶段的机器学习示例包括：
- 药物发现：研究人员正在确定新的药物靶点、筛选已知化合物以用于新的治疗应用以及设计新的候选药物等。临床前研究：研究人员正在加强临床前测试并在对潜在药物进行人体测试之前预测毒性。临床试验：研究人员开始改进临床试验设计，这是许多候选药物失败的地方。他们的努力包括将机器学习应用于患者选择、招募和分层。
机会
研究