基于人工智能的体外临床试验:综述
通过计算机模拟收集信息对医疗设备性能进行评估的计算研究在评估新技术方面具有显著的资源和时间节约优势,需要数字化人体模型来进行,本文回顾了获取数字人体的最新方法和工具的发展。
Jan, 2023
通过提供 AI-ready 多模式数据集和 8 个重要的临床试验设计预测挑战,本研究解决了医疗数据收集和试验设计对人工智能应用的障碍,以促进临床试验研究与医疗解决方案的发展。
Jun, 2024
药物行业中人工智能的应用已经经历了持续增长的阶段,主要应用于药物研发、个体化医学和癌症等治疗领域。使用先进的机器学习算法,通过考虑环境条件、生活方式和健康历史等因素,可以为每个个体制定定制化的治疗方案,从而优化健康结果。
Nov, 2023
药物发现正在适应新技术,如数据科学、信息学和人工智能(AI),以加速有效治疗的开发,同时减少成本和动物实验。 AI 正在改变药物发现的方式,成功的药物发现需要优化与药理动力学、药代动力学和临床结果相关的特性。本文讨论了 AI 在药物发现的三个支柱(疾病、靶点和治疗模式)中的应用,重点关注小分子药物。
Jul, 2023
开发了一个名为 PyTrial 的 Python 包,实现了支持人工智能算法的各种临床试验任务,包括患者预后预测、试验结果预测、患者 - 试验匹配、试验相似性搜索和合成数据生成。
Jun, 2023
这篇综述介绍了近十年来人工智能在药物研发领域的应用,主要包括分子属性预测和分子生成任务,讨论了数据资源、分子表示方法、基准平台和相关技术,旨在为研究人员提供指导,并提供了一个收集论文和代码的 GitHub 存储库作为学习资源。
Jun, 2021
本文综述了人工智能在药物发现领域中的优势、挑战、局限性及其可能的应对策略,讨论了数据增强、可解释性人工智能和将人工智能与传统实验方法相结合的潜在优势。总的来说,本文强调了人工智能在药物发现中的潜力,并提供了在这个领域实现其潜力的挑战和机会的见解。
Dec, 2022
此篇论文综述了近期在人工智能方法论中应用于药物发现的最新进展,并将其分为分子序列和几何图形的表征学习、基于数据驱动的推理以及基于知识的推理三个相对稳定的子领域,并探讨了未来可能的研究方向及挑战。
Feb, 2022
为了应对医疗保健系统的成本和复杂度飞速增长、治疗方案不断增多以及信息传达不畅等问题,本文提出了一个通用的计算机 / 人工智能(AI)框架。 该框架结合了马尔可夫决策过程和动态决策网络,从临床数据中学习并制定综合的多方案规划,以优化患者治疗方案和促进患者康复,相较传统医疗保健方式大幅提高了患者康复率并降低了治疗成本。
Jan, 2013
本文讨论了人工智能在医疗领域中的应用,特别是在医学图像分析中的最新进展、现有标准以及应用人工智能所需考虑的伦理问题和最佳实践。我们探讨了人工智能的技术挑战和伦理挑战,以及在医院和公共组织中部署人工智能的影响和关键技术措施。最后,我们提出了未来解决人工智能在医疗应用中的伦理挑战的建议和方向。
Apr, 2023