人工智能在新药研发中的应用进展

近年来,人工智能技术快速迭代,为生物制药行业的高质量发展带来了新机遇。其作为新一代信息技术,将成为推动经济发展,助力疾病预防与诊疗,以及创新药物与医疗器械研发应用的核心驱动力之一。从药物设计、化学合成、药物再利用、多重药理学和药物筛选这5个方面综述了人工智能在新药研发中的应用进展,介绍相关成功案例,并分析了现阶段人工智能应用于新药研发所面临的挑战。     

人工智能在新药研发中的应用现状与挑战

人工智能作为一种新兴技术,是新药研发实现降本增效的重要方式之一,人工智能+新药研发已成为中国医药企业加速创新转型的重要驱动力。对国内外相关文献和资料进行检索和归纳,重点分析人工智能在新药研发领域的应用模式,总结开展人工智能应用的企业主体及应用场景,探究我国人工智能赋能新药研发面临的主要挑战。     

儿童抗肿瘤药物研发现状与思考

目的 儿童肿瘤是当前急需攻克的医疗难题之一.儿童肿瘤与成人肿瘤在发病机制、组织来源、基因驱动等方面存在较大差异,这导致儿童肿瘤在治疗方式和潜在治疗靶点与成人不同.虽然抗肿瘤药物始终是新药研发热点,但我国儿童抗肿瘤药物研发仍十分不足,导致超说明书用药在儿童抗肿瘤治疗过程中不可避免,增加了儿童用药的安全性风险.儿童用药安全...     

人工智能在药物发现中的应用与挑战

新药研发存在周期长、费用高和成功率低等特点。人工智能技术是近些年来的热点技术之一,在很多领域都有非常广泛的应用,多种人工智能方法已经成功应用于药物的发现过程。综述总结了常用机器学习方法和深度学习方法在药物研发领域中的应用,同时也提出了人工智能存在的问题和面临的挑战。整体而言,人工智能技术在药物研发领域发展潜力巨大,将为医药发展带来新的机遇和希望。     

分子影像技术在抗肿瘤药物研发中的应用进展

目的:为借助分子影像技术提高抗肿瘤药物研发效率、降低研发成本提供参考。方法:以"分子影像技术""药物研发""肿瘤诊断""生物标志物"等为关键词,通过检索和筛选中国知网、中国国家图书馆、PubMed、Web of Science等数据库收录的2017年4月以前发表的分子影像技术用于抗肿瘤药物研发的最新文献,进行整理、归纳和综述。结果与结论:近年来分子影像技术已取得重大进展,正越来越广泛地应用于抗肿瘤药物研发,并在药物生物分布标志物(药物由血液循环运送到体内各脏器的过程)、药效学生物标志物(药物对机体的作用及作用机制)、疾病生物标志物(用于疾病诊断、判断疾病分期或者用来评价新药或新疗法在目标人群中的安全性及有效性)及患者选择生物标志物(识别可能对治疗有反应的患者,指导治疗)等方面发挥重要作用。分子影像技术的成功应用,有望提高抗肿瘤药物开发全链条的效率和收益,其潜在价值有待进一步开发。     

表达蛋白质组学在抗肿瘤药物研发中的应用

表达蛋白质组学主要对正常、疾病或药物处理细胞或亚细胞中的所有蛋白质进行定性或定量研究。近年来表达蛋白质组学对抗肿瘤药物的研发起到了一定的推动作用。本文通过检索相关数据库文献,对其进行梳理、总结和归纳,阐述了表达蛋白质组学在抗肿瘤药物研发中的应用,包括抗肿瘤药物靶点发现、药物作用机制阐明、临床诊断以及基于网络药理学的药物研发理念的实现等。尽管表达蛋白质组学本身还存在一些缺陷,但随着其技术的不断发展,必将进一步促进抗肿瘤创新药物的研发。     

抗肿瘤药物的研发及市场前景

目前正在研发中的抗肿瘤药物大致可分为以下八类：     

人工智能在新药发现中的应用进展

人工智能在新药研发领域中发挥着至关重要的作用。目前,自然语言处理、机器学习、深度学习、知识图谱等人工智能关键技术已广泛应用于新药研发的各个环节,全球多家人工智能企业与制药企业也开启了深度合作模式,为生物医药的发展带来了新的机遇。介绍了机器学习方法和深度学习方法在新药发现领域的应用进展及相关企业,并总结了人工智能应用于新药发现的机遇与挑战,旨在为从事人工智能+新药研发工作的科研技术人员提供思路与参考。     

人工智能在中药新药质量评价中的应用与思考

目的：探究人工智能（AI）技术如何在中医药领域,特别是在中药新药的质量评价中发挥关键作用,并促进其与传统医学的融合。方法：通过市场调研、文献查询的方法,深入分析AI在处理不断增加的中药材种类和复杂的评价标准中的作用,探索AI技术克服传统方法局限、促进中药质量评价体系发展的具体策略。结果：应用AI技术于中药新药的质量评价不仅提高了疗效,还成功降低了药物副作用和整体健康护理成本。人工智能在中医药领域的运用已经成为现代科技与传统医学结合的一个典范。结论：AI技术的运用标志着医疗领域向着更高效、更精准、更个性化的未来迈出了重要一步。AI技术的进一步发展和应用预计将推动中药研发和应用达到新的水平,并对全人类的健康事业产生深远的影响。     

放射性标记药物在我国新药研发中的应用进展

放射性标记药物代谢研究在新药研发中发挥着重要作用。它提供药物的吸收、代谢、组织分布和排泄信息,在新药的代谢物安全性评价和物质平衡研究中,具有不可替代的作用。美国FDA近期发布的关于放射性标记药物临床试验的新指导原则草案,提出了更高的标准,得到业界的广泛关注。国内近年来在新药研发中,采用14C标记药物开展临床代谢试验,克服了关键技术瓶颈,积累了经验。本文综述上述研究进展,分析存在的问题,并初步展望未来的技术发展和应用。     

人工智能在制药行业的应用进展

随着人工智能（AI）技术的高速发展,AI在制药行业展现出广泛的应用潜力。总结AI在药物研发、生产、营销方面的应用情况,分析AI应用在药物靶点发现、分子设计与筛选、药物相互作用预测、生产质量监测、药品鉴别、患者画像、药物推荐等领域的效果与不足。提出应用AI技术赋能制药行业,将在缩短药品研发周期、降低药品生产与供应链成本、降低药物使用安全风险、提高药品推广效率等方面产生巨大价值,为提高药物创新水平以及健康事业带来深远的影响。     

人工智能算法在全新药物结构设计中的应用进展

人工智能算法在药物设计中得到了越来越广泛的重视,并取得了卓著的研究成果。分子生成算法作为其中一类独特的应用技术,已开始显现出能够取代传统药化专家设计的潜力。为了更好地解决药物发现中的实际问题,精确的分子性质预测模型、三维结构生成和统一的测试数据集都是非常必要的。总结了人工智能算法在全新药物结构设计中的应用进展,重点介绍了不同的分子表征形式、神经网络架构的技术细节及优缺点等。     

抗肿瘤创新药临床试验设计的一般路径

通过对抗肿瘤创新药Ⅰ～Ⅲ期临床试验各个环节抉择点的分析,结合当前的指导原则、法规和以往的案例,从各阶段的试验目的 、样本量、对照组的设置和对照药的选择及主要疗效观察指标的设立等,进行分析讨论,试图为抗肿瘤新药临床试验开发路径的设计提供参考建议.     

药剂辅料与新药开发

在简要论述药剂辅料在药剂学的重要地位及其蓬勃发展基础上，重点结合新药新剂型开发研究对药剂辅料的应用成果加以评述，并结合当前新药开发的实际提出了几点应特别重视的问题与建议，以促进我国新药开发迈上新的台阶。     

A Review of Artificial Intelligence in Cerebrovascular Disease Imaging: Applications and Challenges

Background: A variety of emerging medical imaging technologies based on artificial intelligence have been widely applied in many diseases, but they are still limitedly used in the cerebrovascular field even though the diseases can lead to catastrophic consequences.Objective: This work aims to discuss the current challenges and future directions of artificial intelligence technology in cerebrovascular diseases through reviewing the existing literature related to applications in terms of computer-aided detection, prediction and treatment of cerebrovascular diseases.Methods: Based on artificial intelligence applications in four representative cerebrovascular diseases including intracranial aneurysm, arteriovenous malformation, arteriosclerosis and moyamoya disease, this paper systematically reviews studies published between 2006 and 2021 in five databases: National Center for Biotechnology Information, Elsevier Science Direct, IEEE Xplore Digital Library, Web of Science and Springer Link. And three refinement steps were further conducted after identifying relevant literature from these databases.Results: For the popular research topic, most of the included publications involved computer-aided detection and prediction of aneurysms, while studies about arteriovenous malformation, arteriosclerosis and moyamoya disease showed an upward trend in recent years. Both conventional machine learning and deep learning algorithms were utilized in these publications, but machine learning techniques accounted for a larger proportion.Conclusion: Algorithms related to artificial intelligence, especially deep learning, are promising tools for medical imaging analysis and will enhance the performance of computer-aided detection, prediction and treatment of cerebrovascular diseases.     

基于人工智能的医学图像多器官分割及其在医药领域的应用

准确的医学图像多器官分割对临床应用和医药发展意义重大。然而,传统基于手工特征设计的图像处理方法难以处理图像中的组织纹理和复杂形态。近年来,随着人工智能的兴起,端到端的深度学习方法展现出在自动化医学图像分析方面的强大潜力。尤其是基于卷积神经网络和Transformer的U-Net系列网络,实现了对医学数据的精确语义分割,更在临床决策和疗效评估中提高了诊断和治疗的准确性。简介目前基于深度学习的医学图像多器官分割算法,重点关注U-Net系列网络的发展及多器官分割在医药领域的应用。