XiaoMi-AI文件搜索系统
World File Search SystemDILI
人工智能在药物性肝损伤 (DILI) 预测中的应用前景
药物引起的肝损伤 (DILI) 是药物退出市场的常见原因。早期评估 DILI 风险是药物开发的重要组成部分，但由于导致肝损伤的因素复杂，在临床试验之前进行评估非常困难。人工智能 (AI) 方法，尤其是基于机器学习的方法，包括从随机森林到深度学习等较新的技术，它们提供了可以分析化合物并仅根据其结构准确预测其某些特性的工具。本文回顾了现有的预测 DILI 的 AI 方法，并详细阐述了由于数据可用性有限而带来的挑战。未来的发展方向将重点讨论丰富的数据模式，例如 3D 球体，以及带有 DILI 风险标签的药物数量的缓慢但稳定的增长。
DILI、HILI、RUCAM算法和人工智能AI
人工智能 (AI) 技术是一门迷人、发人深省且具有挑战性的学科，它无处不在，具有全球重要性。欧盟委员会在 2020 年 2 月 19 日发布的人工智能问题白皮书中总结了当前状况，讨论了彻底改变许多复杂流程的各种人工智能概念 [1]。最初的工具是算法，最近软件程序的使用也呈增长趋势 [1-3]。人工智能作为一个特殊术语诞生于 1956 年，当时达茅斯学院数学教授约翰·麦卡锡 (John McCarthy) 提出了一项研究项目 [2]，目的是简化复杂的过程。该项目的原则是提供一些工具，使数据能够输入到黑匣子中，黑匣子可以系统地评估输入的数据并促进输出明确的结果，例如复杂疾病的诊断 [3]。在人工智能概念刚刚开发的时候，人们的重点是算法，这些算法大多是手动应用的，在有用的软件出现之前。
KOT ADDU 发电站技术尽职调查
最令人担忧的领域仍然是使用的燃料和随之而来的维护成本。5、6、7 和 8 号机组设计为燃烧 HSI（高速柴油），但在 1989 年被改为燃烧炉油，它仍然是首选燃料，（与 HSD 的初始成本相比）。计划在明年将 5、6、7 和 8 号机组转换为天然气，但在保证有足够的天然气供应来运行整个工厂之前，炉油仍将是主要燃料。收到的炉油质量差，处理成本高。这些机组继续燃烧炉油将大大缩短热气路径组件的使用寿命，并需要更频繁地维护和更换零件。使用这种燃料是导致电站维护成本增加的最大因素。目前，WAPDA 整个维护备件预算的 50% 以上分配给了 Kot Addu 电站。