智能制造全生命周期生态服务平台

首页> 全部> 资讯详情

AI药物研发领域的关键要素是什么

来源 : 电子发烧友 2019-06-03 13:58    阅读量:9   

AI药物研发领域的关键要素是什么0

AI药物研发领域的关键要素是什么


中国在AI药物开发领域已经开始起步,但远未成熟,还有非常大发展空间。在笔者看来,我国进行AI药物研发需要在人才培养、数据共享和商业模式创新等方面进行发力。


1.培养高端人工智能人才,探索跨学科人才合作机制。


创业的竞争归根结底是人才的竞争,这在人工智能领域表现得愈加明显。在全球范围内,大约有2.2万名具有博士以上学历的人工智能从业人员和研究人员,中国仅600名左右。国内人工智能人才几乎被几大头部企业垄断,比如商汤有150多名人工智能博士,占比全国人工智能博士总数1/4。

数据显示,未来中国人工智能人才缺口高达500万,唯一的解决办法就是成体系地培养人工智能人才

2018华为全联接大会上,华为云推出了"沃土AI开发者计划",投入10亿人民币培养高校和研究所的AI人才,并与清华大学、中科院、中国科学技术大学、浙江大学等达成AI合作。

 


2018年8月,商汤科技携手香港中文大学、亚马逊、南洋理工大学、悉尼大学联合举办的首届WIDER Face and Pedestrian Challenge 2018(简称:WIDER Challenge)挑战赛,包括中科院计算所、微软亚洲研究院、北京大学、卡耐基梅隆大学、香港大学以及雅虎、京东、旷视、科大讯飞、滴滴等科技公司参赛。

 


此外,AI应用于药物研发需要若干个垂直领域的专家共同参与才能有所突破。既需要物理学家、化学专家、药物学家、药企研发高管,又需要人工智能科学家、云计算工程师等跨学科人才。通过在多个领域人才和经验的积累,

 


整个团队需要紧密合作,这样才更容易获得突破性的思路和好的成果。



2.建立研发数据标准体系,完善数据共享机制。


AI药物研发需要高质量数据支持。国内创新药研发起步较晚,与国外相比,对于优质数据的积累还有一定差距。

 


制药产业的专业门槛高、链条长,加之国内长期以来的"多头管理"体制,造成了国内的药品数据极度割裂,标准不统一、数据孤岛现象严重;另外,医药领域的监管政策与机构改革频繁,造成历史药品数据衔接难度较大。这些都会导致医药数据统计在完整度和精准度上的不足,从而影响相关决策。

 


当前国内企业"大数据化"采取的一个路径,便是以"专业人工+机器辅助"方式建立数据标准词典(包括药品、企业、靶点、疾病等),持续进行数据清洗、识别、匹配和挖掘算法,将市场上分散的数据全面重构,形成一系统标准数据模块仓库,根据用户场景对数据模块进行组合。比如国内的医药魔方、米内数据、药渡等医药大数据服务公司。

声明: 本网站原创内容,如需转载,请注明出处;本网站转载内容(文章、图片、视频等资料)的版权归原网站所有。如我们转载或使用了您的文章或图片等资料的,未能及时和您沟通确认的,请第一时间通知我们,以便我们第一时间采取相应措施,避免给双方造成不必要的经济损失或其他侵权责任。如您未通知我们,我们有权利免于承担任何责任。 我们的联系邮箱:news@cecb2b.com。

好文章,需要你的鼓励!
分享到:
参与评论
剩下299
热门搜索
相关问答
中发智造自媒体
微信公众号
头条公众号
微博公众号
最新最热 行业资讯
订阅栏目 效率阅读