网上有关“人工智能在药物研发中的应用（上）：AI与制药场景如何相互“适配”？”话题很是火热，小编也是针对人工智能在药物研发中的应用（上）：AI与制药场景如何相互“适配”？寻找了一些与之相关的一些信息进行分析，如果能碰巧解决你现在面临的问题，希望能够帮助到您。

近年来，人工智能（AI）已经被广泛应用于多个行业，彻底改变了 社会 生活的许多领域。

在制药这一传统行业，AI也已经有了诸多应用。AI逐渐应用于药物发现的靶点发现，虚拟筛选，化合物设计与合成，ADME-T性质和理化性质预测，药物临床试验设计、管理、患者招募，药物警戒应用和真实世界证据生成等多个流程和环节。

那么，AI应用于制药的逻辑是什么？AI会如何改变药物研发？如何应对制药行业的效率挑战？本文分为上下篇，本篇重点介绍AI在制药行业多场景中展开及面临的挑战。

制药受困

从制药行业的困境说起。

在过去的数十年里，许多科学、技术和管理因素都取得了巨大进步，这有助于提高药物研发的生产率（R&D）。然而，自1950年以来，每10亿美元研发投入获得批准的新药数量几乎每9年减少一半，该趋势在60年间非常稳定，被称为制药行业的反摩尔定律（Eroom’s Law）。新药的开发成本越来越高，药物研发面临着严重的生产力危机。

对于反摩尔定律主要有三种解释，即低垂果实假设（好摘的果子被摘走了）、监管障碍假设（新药申报的监管要求不断增高）、研发模式问题。前两种解释都是客观事实难以改变，那么，是否有更好的药物研发模式？这是制药行业一直在思考的问题。

制药行业在遭遇生产力困境的同时，也面临着数据困境。

随着全 社会 数字化信息化的快速推进、药物研发设备的升级和长期的积累，可用的药物研发数据越来越多，以至于在一定时间范围内无法使用常规方法和软件工具分析和处理所有数据。传统的统计学在浩瀚的大数据面前越来越力不从心。制药企业正在经历数字化转型，大量的数据产生。于是，日益增长的数据处理的需求，与现有数据分析能力之间的矛盾，推动制药行业寻求新出路。

AI的橄榄枝

2016年3月，AI程序AlphaGo大胜韩国著名棋手李世石，是AI发展 历史 上的里程碑事件。这一事件加快了AI在 社会 生活多个领域的 探索 和应用，也让制药行业看到了提高药物研发生产率的希望。2016年后，AI在制药行业的技术测试大量开展。实验科学不再是唯一选项，以数据为中心的药物发现逐渐走上舞台。

在随后的几年时间里，AI制药逐渐 "升温"，概念验证研究持续不断、大量的资本涌入AI驱动的生物技术初创公司、制药公司与AI生物技术公司和AI技术供应商之间的合作越来越多。一些领先的制药公司的高管认为，AI不仅仅是一个先导化合物发现的工具，而且是一个促进生物学研究、发现新的生物靶点和开发新的疾病模型的更通用的工具。

AI在制药的多场景中展开

数年间，AI已经被尝试应用于药物研发的几乎所有流程和环节，主要有以下方面：

/ / 靶点确认

靶点确认是药物开发中的关键步骤，也是最复杂的步骤之一。目前已知的药物靶点绝大多数为蛋白质，通过机器学习的方法，从蛋白质原始信息中提取特征，构建准确稳定的模型进行功能的推断、预测和分类，已经成为靶点研究的重要手段。从患者的样本中、海量的生物医学资料中提取基因组学、蛋白质组学、代谢组学等多组学数据，借助深度学习来分析非疾病和疾病状态之间的差异，也可用来发现对疾病有影响的蛋白质。

/ / 基于表型的药物发现

在过去的三十多年里，基于靶点的药物发现都是药物发现的主要方法。近年来，基于表型的药物发现（直接使用生物系统进行新药筛选）受到关注。机器学习可以在表型筛选中将细胞表型与化合物作用方式联系起来，获得靶点、信号通路或遗传疾病关联的聚类。而AI强大的图像处理能力，能够将生物系统的所有形态特征整合，系统研究药物潜在的作用方式和信号通路，扩展对于疾病的生物学认识。

/ / 分子生成

机器学习方法可以产生新的小分子。AI可以通过对海量的化合物或者药物分子的学习，获得化合物分子结构和成药性方面的规律，进而根据这些规律生成很多自然界从未存在过的化合物作为候选药物分子，有效构建拥有一定规模且高质量的分子库。

/ / 化学反应设计

AI目前正在取得进展的化学领域之一是对化学反应和合成路线进行建模和预测。AI可以将分子结构映射为可以由机器学习算法处理的形式，根据已知化合物的结构，形成多条合成路线，并推荐最佳合成路线。反过来，在给定反应物的情况下，深度学习、迁移学习可以预测化学反应结果。AI还可用来 探索 新的化学反应。

/ / 化合物筛选

AI能够对化合物的化学结构与生物活性之间的关系进行建模，预测化合物的作用机制。一个典型的例子是MIT的研究人员基于深度学习发现了新的抗生素。研究人员训练了一个能够预测具有抗菌活性的分子的深层神经网络，在几天内筛选超过 1 亿个化合物，根据模型的预测分数对化合物进行排名，最终确定了8种与已知抗生素在结构上差别较大的抗生素。

/ / ADMET性质预测

药代动力学性质不够理想，是临床研究阶段药物研发失败的主要原因之一。深度学习可以自动识别化合物的相关特征，评估数据集中多个ADMET参数之间的隐藏的关系和趋势，预测化合物的细胞渗透性和溶解性等性质。

/ / 药物临床试验

新药开发中资金投入最多的阶段是临床试验阶段，AI在临床试验的设计、管理、患者招募方面皆有应用潜力。自然语言处理技术可从各种结构化和非结构化数据类型中提取信息，找到符合临床试验入组标准的受试者；也可用于关联各种大型数据集，找到变量之间的潜在关系，改进患者与试验的匹配情况。诺华已使用机器学习算法监控和管理所有的临床试验。

/ / 药物警戒

AI将对传统的药物警戒带来冲击。随着监管要求的严格和患者安全意识的提高，药物警戒的工作量和成本大大增加。AI可以将药物不良反应从接收到报告的整个流程实现自动化，优化药物警戒的工作并降低成本。基于AI系统还有可能通过预测能力展开药物风险评估。

/ / 真实世界研究

AI的进步提供了分析大型多维RWD（真实世界数据）的新策略。AI能够识别真实世界数据中的内在关联，生成新的假设，也能为临床试验提供新的信息。最新的一个案例是，AI通过分析真实世界数据，可以找出不会影响试验的总生存期的风险比的入组标准，从而扩大临床试验的人群范围。

AI在药物研发中的应用还包括 理化性质预测、药物重定向、制剂开发中的应用 等。

问题显现

AI在药物研发中的应用远非一帆风顺，归结起来，是AI如何与制药场景相互“适配”的问题。

对制药行业来说，走AI的路，就要穿AI的鞋。AI方法对于其适用对象的相关条件有诸多要求。如同传统药物研发需要配备必要的硬件设备和必要的环境设施（如科学仪器设备、实验室等），基于AI的药物研发需要配备数据、算法、算力，其中对数据的要求最为严格。

传统的药物研发以实验科学为主。数十年来，药物研发数据的记录、治理和储存都以实验为核心，根据实验的需求来调整，数据是实验的“附属”。而AI作为虚拟科学、计算科学和数据科学范畴内的方法，直接从数据入手，将数据放在第一位，对于数据的格式、标准、质量、数量都有内在的要求。在这样的情况下，AI直接使用传统药物研发模式的数据往往遇到困难。

对AI来说，进入制药的主场，就应当遵循制药的规律。比如，药物的开发是一个多维同步优化的过程，鉴于数据的规模和复杂性，基于AI的药物研发往往需要重写机器学习算法，而不是简单地调用。AI与制药这一传统行业的核心业务深度融合，需更深刻的行业理解力和更高的技术准确率。AI虽然已经可以从大量已知论文、实验数据中挖掘新的知识，改变了传统基于学术经验的研究方式，然而方法的准确性、可解释性、可重复性等还有待提高。

此外，传统的药物研发模式已有相对健全的监管政策、行业体系。作为一种新的模式，AI在制药行业的应用 探索 ，也需要相应的行业政策和体系来规范和引导。

文 智药邦 侯小龙

来源 中国食品药品网

社会发展的历史就是技术进步的历史。社会发展为人工智能提供了良好的外部环境，同时人工智能促进社会发展。以下是我精心整理的人工智能领域论文的相关资料，希望对你有帮助!

人工智能领域论文篇一

　人工智能研究领域及其社会影响

　[提要] 社会发展的历史就是技术进步的历史。社会发展为人工智能提供了良好的外部环境，同时人工智能促进社会发展。本文在介绍人工智能基本含义的基础上，概述人工智能的研究和应用领域，并且从不同的角度阐述人工智能的发展对于社会的深刻影响。

　关键词：人工智能;研究领域;社会影响;专家系统

　随着网络技术和通讯技术的发展，人工智能以它强大的渗透力走进了社会生活的各个领域，极大地改变了社会面貌，深刻地改变了人们的思想和行为。探讨人工智能对人类进步的影响，对促进人工智能发展和对人类的进步有着重要意义。

　一、人工智能的含义

　人工智能也称机器智能，它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统的角度出发，人工智能是研究如何制造出智能机器或智能系统来模拟人类智能活动的能力，以延伸人类智能的科学。

　人工智能领域的研究是从1956年正式开始的。这一年，在达特茅斯大学召开的会议上正式使用了?人工智能?(AI)这个术语。随后的几十年中，人们从问题求解、逻辑推理与定理证明、自然语音理解、博弈、自动程序设计、专家系统、学习以及机器人学等多个角度展开了研究，已经建立了一些具有不同程度人工智能的计算机系统。例如，能够求解微分方程、设计分析集成电路、合成人类自然语音，进行情报检索，提供语音识别、手写体识别的多模式接口，应用于疾病诊断的专家系统以及控制太空飞行器和水下机器人更加贴近我们的生活。我们熟知的IBM的?深蓝?在棋盘上击败了国际象棋大师卡斯帕罗夫就是比较突出的例子。

　当然，人工智能的发展也并不是一帆风顺的，也曾因计算机计算能力的限制无法模仿人脑的思考以及与实际需求的差距过远而走入低谷。但是，随着硬件和软件的发展，计算机的运算能力在以指数级增长。同时，网络技术蓬勃兴起，确保计算机已经具备了足够的条件来运行一些要求更高的AI软件，而且，现在的AI具备了更多的现实应用的基础。1990年以来，人工智能研究又出现了新的高潮。一方面是因为在人工智能理论方面有了新的进展，一方面也是因为计算机硬件突飞猛进的发展。随着计算机速度的不断提高、存储容量的不断扩大、价格的不断降低以及网络技术的不断发展，许多原来无法完成的工作现在已经能够实现。

　人工智能在发展过程中形成了几个学派，最主要的两个学派是符号主义和联接主义。符号主义，又称为逻辑广义、心理学派或计算机学派。其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理，代表人物是纽厄尔和西蒙。大量传统的人工智能研究是在这个学派的思想推动下进行的。联接主义认为人工智能源于仿生学，特别是人脑模型的研究。它的代表性成果是1943年由生理学家麦卡洛克和数学逻辑学家皮茨创立的脑模型，即MP模型，开创电子装置模仿人脑结构和功能的新途径。在这个学派中，有著名的模式识别理论。20世纪八十年代末神经网络迅速崛起，在声音识别、图像处理等方面取得很大成功。

　二、人工智能研究和应用的领域

　(一)模式识别。计算机硬件的迅速发展，计算机应用领域的不断开拓，急切地要求计算机能更有效地感知诸如声音、文字、图像、温度、震动等人类赖以发展自身、改造环境所运用的信息资料。但目前计算机却无法直接感知它们，键盘、鼠标等外部设备，对于这样五花八门的外部世界显得无能为力，即使是电视摄像机和话筒等，由于识别技术不高，计算机并未真正知道所采录的究竟是什么信息，计算机对外部世界感知能力的低下，成为开拓计算机应用的狭窄瓶颈。于是，着眼于拓宽计算机的应用领域，提高其感知外部信息能力的学科?模式识别得到了迅速发展。

　(二)自然语言理解与机器翻译系统。语言处理是人工智能最早期的研究领域之一。人们之间用语言互通信息是一件非常简单的事情，而建立一个能够生成和?理解?哪怕是只言片语的计算机系统却是非常困难的。因为传递某一点的?思维结构?需要庞大的与该思维结构相关的公共思维结构，犹如一个人一样，需要有上下文知识并能根据这些知识进行推理。自然语言理解最重要的成果是机器翻译。现在，机器翻译真正推向市场还面临两大问题：一是准确性。由于科技文献和文学作品有许多专业术语，所以需要专家来进行译前处理和译后校正工作;二是翻译速度问题。翻译需要有庞大的字库系统，有效快速搜索是需解决的问题之一，如何减少翻译前的处理和翻译后的校正工作时间也是需解决的问题。

　(三)自动程序设计。对自动程序设计的研究不仅可以促进半自动软件开发系统的发展，而且也使通过修正自身代码进行学习的人工智能系统得到发展。程序理论方面的有关研究工作，对人工智能的所有研究工作都是很重要的。我们所指的自动程序设计是某种?超级编译程序?，或者能够对程序要实现什么目标进行非常高级描述的程序，并能够由这个程序产生出所需要的新程序。这种高级描述可能是采用形式语言的一条精辟语句，也可能是一种松散的描述，这就要求在系统和用户之间进一步对话澄清语言的模糊，自动程序设计研究的重大贡献之一是作为问题求解策略的调整概念。

　(四)专家系统。专家系统是一个具有专门知识的智能计算机程序系统，它应用人工智能技术，根据某个领域一个或多个专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，解决该领域需要由专家才能解决的问题，专家系统一般由数据库和推理机构成。近年来，在专家系统的研究中已经出现了应用人工智能技术解决实际问题的成功范例。如?故障诊断系统?，这种系统设计了一个计算机界面，可以进行人?机?对话?，用户与专家系统进行咨询对话就像用户与具有这方面知识与经验的专家对话一样，解释和回答用户的问题。此外，还有情报检索系统、数据分析系统和结构优化设计系统等。

　发展专家系统的关键是如何表达和运用专家知识即构筑数据库，如何将那些来自人类专家的并已经被证明了的对解决有关问题有帮助的典型事例符号化后输入计算机。专家系统与过去的一些计算机系统不同，它是以符号处理为主的计算机程序系统，一般没有算法解，经常要在一些不完全、不精确、不确定的信息基础上做出结论。　(五)智能机器人。智能机器人是人工智能研究的另一个重要领域，其中包括对操作机器人装置程序的研究。至今，尽管已经建立了一些比较复杂的机器人系统，工业上也运行着成千上万台机器人，但这都是一些按预先编好程序执行某些重复作业的简单装置，大多数机器人只能?干?不能?看?，不具备?智慧?。如何摄取并处理视觉信息，研制能进行图像声音识别并进行拟人推理的机器人是人工智能的又一个十分活跃的领域。人工智能的研究促进了机器人研究和机器人学的发展;另一方面，智能机器人研究又促进了许多人工智能思想的发展。智能机器人的研究和应用体现出广泛的学科交叉，涉及众多课题。机器人已在各种工业、农业、商业、旅游业、空中和海洋以及国防等领域获得越来越普遍的应用。

　(六)智能控制。人工智能的发展促进自动控制向智能控制发展。智能控制是一类无需人的干预就能独立地驱动智能机器实现其目标的自动控制。它是自动控制的最新发展阶段，也是用计算机模拟人类智能的一个重要研究领域。智能控制是同时具有以知识表示的非数学广义世界模型和数学公式模型表示的混合控制过程，往往是含有复杂性、不完全性、模糊性或不确定性以及不存在已知算法的非数学过程，并以知识进行推理来引导求解过程。

　三、人工智能对人类社会的影响

　随着计算机技术的快速发展和广泛应用，人工智能的思想和技术对人类的影响与日俱增，人工智能的发展将会对人类社会产生深远的影响，并将深入到人类社会的各个方面。

　(一)人工智能的发展改变了人类的社会面貌

　1、财富迅速增加。从财富的数量看，由于计算机、控制论和自动化技术的发展，正在迅速提高自动化的程度。同样数量的劳动力在同样的劳动时间里可以生产比过去多几十倍、几百倍的产品。从财富的质量看，由于计算机的推广应用，新兴产业以前所未闻的速度和前所未有的规模发展起来。

　2、人际联系日益紧密。现在，任何社会制度的国家，由于人工智能的发展，生产社会化程度日益提高，使人际联系频度提高，距离缩短，Internet把整个世界联为一个整体。在这种条件下，生产国际化、贸易国际化、金融国际化、教育国际化、政治国际化和信息国际化，人们之间的往来将更加紧密。

　3、信息快速增加和更新。人工智能发展为人们储存和处理信息提供了方便。一方面人们利用计算机每天输入大量的信息，使信息以几何级数增加;另一方面使信息更新加速，人们利用计算机大量输入、生成和输出的信息，使储存在载体上的信息加速折旧，人们不断期待正在传输中的最新信息，为满足这种需要，越来越多的人进一步搜集和输入新的信息。

　(二)人工智能的发展，改变了社会的结构。人们一方面希望人工智能和智能机器能够代替人类从事各种劳动，一方面又担心它们的发展会引起新的社会问题。实际上，近十多年来，社会结构正在发生一种静悄悄的变化。人?机器的社会结构，终将为人?智能机器?机器的社会结构所取代。智能机器人就是智能机器之一。从发展角度看，从医院里看病的?医生?、护理病人的?护士?、旅馆、饭店和商店的服务员、办公室的?秘书?、指挥交通的?警察?，到家庭的?勤杂工?和?保姆?等，将均由机器人担任。因此，人们将不得不学会与有智能的机器和睦相处，并适应这种变化了的社会结构。

　由于人工智能能够代替人类进行各种脑力劳动，例如用专家系统代替管理人员或医生进行决策、诊断或治疗病人的疾病。所以，将会使一部分人不得不改变他们的工种，甚至造成失业。人工智能在科技和工程中的应用，会使一些人失去介入信息处理活动(如规划、诊断、理解和决策等)的机会，甚至不得不改变自己的工作方式。

　(三)人工智能的发展，提高了社会的经济效益。人工智能系统已创造出了可观的经济效益，专家系统就是一个典型的例子。随着计算机价格的继续下降，人工智能技术必将得到进一步推广，产生更大的经济利益。成功的专家系统能为它的建造者、拥有者和用户带来明显的经济效益。用比较经济的方法执行任务而不需要有经验的专家，可以极大地减少劳务开支和培养费用。由于软件易于复制，所以专家系统能够广泛传播专家知识和经验，推广应用数量有限的和昂贵的专业人员的知识。

　如果保护得当，软件能被长期和完整地保持;因此，人类专家的经验能够得以延续。不受人类专家寿命的限制，这又是一笔巨大的财富。各领域专业人员(如医生)难以同时保持最新的实际建议(如治疗方案和方法)，而专家系统却能迅速地更新和保存这类建议，使终端用户(如病人)从中受益。

　(四)人工智能的发展，改变了人类思维方式。人工智能是人类理性活动的产物，它延长了人的思维活动，有利于人们正确思维，有利于人们应用正确的思维方法。人工智能的运行遵循客观规律，因此要求人们在应用和开发中采取务实的态度，来不得半点虚假，用头脑思考，来不得半点感情用事。人工智能的发展与推广应用，将影响到人类的思维方式和传统观念，并使它们发生改变。例如，传统知识一般印在书本、报纸或杂志上，因而是固定不变的，而人工智能系统的知识库的知识却是可以不断修改、扩充和更新的。又如，一旦专家系统用户开始相信系统(智能机器)的判断和决定，那么他们就可能不愿多动脑筋，变得懒惰，并失去对许多问题及其求解任务的责任感和敏感性。那些过分依赖计算器的学生，他们的主动思维能力和计算能力也会明显地下降，并增加误解。在设计和研制智能系统时，应考虑到上述问题，尽量鼓励用户在问题求解中的主动性，让他们的智力积极参与问题求解过程。

　(五)人工智能的发展，改变了人们的生活方式。随着人工智能的发展步伐，人类活动方式发生了突变。网络化加强了人们的横向联系。网络技术的迅速发展，使人们的****发生了变化。就主从联系讲，以往主要靠从上到下的?金字塔管理?，现在突出了?网络管理?。就平等联系讲，以往由距离决定联系频度，现在可以超越时空，由利益决定联系频度。

　人工智能应用主要遵循内涵深入和外延拓展两方面。首先，内涵深入表现在模拟的发展，结构模拟较多地受技术限制，功能模拟主要靠开发软件。现在全世界每年有几十万个成熟软件推向市场，而无论是商务的还是娱乐的，都改变了人们单调的工作和生活模式;其次，外延拓展主要是人工智能与其他技术结合，光子、超导和激光计算机是人工智能发展的新出路。在社会广阔领域中，人工智能借助机电光声技术，为社会提供了电子排版系统、电视节目编辑器、复印机、学习机、家庭影院、音乐喷泉、B超检查、CT检查和机器人，给人们生活带来了一片新气象。

关于“人工智能在药物研发中的应用（上）：AI与制药场景如何相互“适配”？”这个话题的介绍，今天小编就给大家分享完了，如果对你有所帮助请保持对本站的关注！