毒性病理学中人工智能和机器学习的应用研究进展

毒性病理学是促进动物和人类健康发展最有价值的学科之一,药物非临床安全性评价毒性研究中对石蜡包埋、苏木精和伊红染色切片的组织病理学检查是毒性病理学评价的金标准。数字毒性病理学、人工智能(artificial intelligence, AI)尤其是机器学习(machine learning, ML)是全球颠覆性、快速发展的技术领域,其对组织病理学领域的影响正在迅速显现。组织病理学检查种类繁多算法的发展和应用,表明人工智能病理学平台可深度影响将来数字毒性病理学、精准医疗和个性化医疗。然而,与所有其他革命性的技术相同,人工智能病理学平台在实施和应用过程中存在诸多挑战。本文综述了人工智能和机器学习的发展、人工智能在毒性病理学中的应用、机器学习在数字毒性病理学中的应用以及人工智能对数字毒性病理学的影响,以期为我国毒性病理学中人工智能和机器学习的应用提供一定参考。     

人工智能技术在胃肠及肝脏疾病诊疗中的应用研究进展

人工智能(AI)是集理论、方法、应用研究与开发于一体的新学科，其对医疗领域产生了巨大影响。目前，AI技术已广泛应用于消化系统疾病的诊疗中，其通过数据处理、模型建立和模型验证等流程辅助临床医生检测和评估病变、促进治疗及预测治疗反应和预后。该文对AI技术在部分胃肠疾病和肝脏疾病诊疗中的应用研究进展进行了综述。     

人工智能在医药领域的应用与挑战

<正>20世纪50年代,使用机器学习模拟人类智能以实现智能机器更高层次应用的“人工智能（artificial intelligence,AI）”概念被提出。随后的70年中,人工智能得到了飞跃式发展,成为新时代科技产业革新的重要推动力量。2017年国务院印发的《新一代人工智能发展规划》中强调“抢抓人工智能发展的重大战略机遇,构筑我国人工智能发展的先发优势,加快建设创新型国家和世界科技强国”,提出发展便捷高效的“智能医疗”“智能健康和养老”等智能服务,加快人工智能在医疗健康领域的创新应用,为公众提供个性化、多元化、高品质的服务。     

人工智能在乳腺癌超声诊断中的应用进展

乳腺癌是女性癌症致死的主要原因,早诊断、早治疗对改善患者预后十分重要。超声是乳腺癌首选的影像学检查方法,但准确率差异较大,增加了乳腺癌的漏诊、误诊风险。人工智能采用特定的算法对超声影像进行智能处理,通过训练和优化算法,从而开发高精度、高效率的乳腺癌识别模型。目前计算机辅助检测手段在乳腺癌超声中的应用逐渐得到推广,人工智能的联合应用在乳腺疾病超声诊断领域发挥了缩短检查时间、有效提高检出率及诊断准确率等优势作用。本文主要就人工智能在乳腺癌超声诊断方面的应用现状及其临床应用潜力进行综述。     

人工智能技术在药学领域的应用——基于Web of Science的文献可视化分析

目的:了解人工智能(AI)技术应用于药学领域的研究概况、热点及前沿进展,为我国相关研究的发展提供思路。方法:采用文献计量学方法,在Web of Science数据库中检索1998-2017年发表的相关期刊和会议论文(检索词为"Article"和"ProceedingPaper");利用ISI Web of Knowledge自带的分析检索结果及创建引文报告功能,结合CiteSpace 5.2.R1软件绘制知识图谱,对目标文献进行定量统计和定性分析,对该领域研究的发文量、共被引情况、主要研究国家/地区、主要研究机构、主要研究者、研究热点及研究前沿进行归纳总结。结果:共检索得3 674篇相关文献。1998-2017年期间该领域文献数量飞速增长;美国、中国、英国和德国因发文量大而占据领先地位,但中国的国际合作明显较少,且缺乏优秀核心团队;从研究者角度看,该领域研究处于"部分集中、整体分散"的状态,缺乏团队合作。该领域的研究热点包括AI技术的重要核心(机器学习算法)以及其在药学领域的主要运用(药物发现及设计),还有疾病或不良反应诊断分级、药学模型的建立和优化、药物筛选或药效预测、药学数据库的建立等;近年来的研究前沿包括"分子对接""机器学习""Meta分析""精准用药""靶向治疗"等。结论:AI技术在药学领域的应用是一个时效性极强的热门研究领域,其应用于医药产业开发是大势所趋,而我国在该领域的研究现状与国际前沿水平仍存在一定差距。这需要我国药学工作者在做好实验研究和临床试验等基础工作的同时,加强与AI领域专家的的交流和合作,以适应AI技术与药学紧密结合发展的国际趋势。     

浅析人工智能/机器学习用于药品开发——基于FDA讨论文件的探讨

人工智能/机器学习（AI/ML）用于医药产品临床前、临床开发、生产、上市后监测,有望对医药产品开发和使用带来深刻影响,同时对制药行业和药品监管带来机遇和挑战。为促进相关领域的监管工作,2023年5月FDA发布《人工智能和机器学习用于药品与生物制品开发的讨论文件》。本文通过对讨论文件的探讨,概述了AI/ML在药品开发过程中的运用现状和潜在用途,以及FDA运用AI/ML的经验,并介绍了在药品开发过程中运用AI/ML的考量因素,旨在推动创新技术在医药产品领域的运用,挖掘更多潜在效能。     

人工智能在骨肌影像中的诊断应用进展

目前人工智能技术在医学领域的研究和应用中迅速发展,医学影像也是人工智能在医学领域中的重要应用方向之一。人工智能技术已成功应用于评估儿童骨龄、检测骨折和评估X线片上骨关节炎的严重程度等方面,最近的研究也证明了使用人工智能技术在CT和MRI上识别各种病理异常的可行性,包括转移性疾病、内部紊乱、骨折、感染和关节退化等。文章主要就人工智能在骨肌系统影像的诊断和应用进展进行综述。     

药物发现过程中人工智能的应用研究进展

人工智能（AI）和机器学习不仅使药物发现和开发实现了质的飞跃,而且帮助药物开发进程进入现代化。机器学习和深度学习算法已应用于药物发现各个阶段,如先导化合物的筛选、多肽合成及小分子药物的发现、最佳给药剂量的确定、类药化合物的设计和药物不良反应的预测、蛋白质间相互作用的预测、虚拟筛选效率的提高、定量构效关系（QSAR）建模和药物重新定位、理化性质和药物靶标亲和力的预测、化合物的结合预测和体内安全性分析、多靶点配体药物分子的设计以及临床试验的设计。简要综述了AI算法和传统化学相结合以提高药物发现的效率以及AI在药物发现过程中的应用研究进展,以期为AI应用于药物发现提供一定参考。     

人工智能在医药领域的应用

近年来,随着计算能力的发展和海量数据的产生和积累,人工智能(artificial intelligence,AI)技术快速发展,尤其是在图像识别、语音交互、认知计算等方面技术逐渐成熟,其与医药健康领域的融合不断加深。人工智能在医药领域的应用场景越加丰富,例如通过计算机视觉技术、图像识别等手段进行医学影像智能识别;通过自然语言处理、语音识别等进行语音病例录入实现智能诊疗;利用机器人技术制造智能医用机器人;将大数据分析及智能终端等技术用于医药大健康管理;利用机器学习及深度学习等技术助力药物研发等。目前人工智能技术已逐渐成为影响医药领域行业发展的重要因素之一。     

人工智能在毒性病理学中的应用

毒性病理学是临床前药物安全性评价的重要组成部分。随着计算机科学的发展和全切片数字扫描切片技术的发展,人工智能（AI）已经广泛应用于药物安全性评价领域,也包括病理学的各个方面,如诊断病理学、兽医诊断学、病理学研究、监管毒理学和病理学初级阅片及同行评议等。AI病理学平台的应用逐渐影响精准医学和个性化医学的未来发展。然而,与其他重要的科学技术进步一样,AI在毒性病理学领域的实施和应用也面临巨大的挑战。通过简要综述数字病理学的发展、算法类型、AI在毒性病理学中的应用概况、AI的监管环境等,以期为AI在毒性病理学中的研究发展及广泛应用提供新的思路。     

医学人工智能发展现状及未来方向

<正>随着国家提倡"精准医疗",影像专业面临着巨大大挑战,人工智能(AI)目前正引起人们的广泛重视。由于机器学习(ML),特别是深度学习(DL)的成功,使影像学很好地与人工智能结合,通过广泛的图像训练,从底层提取特征,能够实现对更加多样化的影像表现识别并不断自动优化。基于人工智能的新的解决方案,的确给医学影像诊断带来诸多益处,但是如今大部分人工智能在医学影像领域的应用暂时无法脱离辅助角色。将人工智能与放射组学整合在一起,同时有效和高效地整合临床、影像学和分子谱数据是了解复杂疾病和实现准确     

人工智能技术在药物不良反应监测与上报中应用的研究进展

人工智能(artificial intelligence, AI)是利用计算机、软件及算法等工具,模拟、延伸和扩展人的智能的相关技术和系统,目前已在许多领域有很好的应用。本文对药物不良反应(adverse drug reaction, ADR)监测与上报领域中AI技术的应用范围和使用现状进行分析和评价。系统检索了PubMed、Embase、CNKI、万方、SinoMed等中英文数据库中将AI技术应用于ADR的实践(研究)。发现ADR监测与上报领域中AI应用涉及ADR的辅助诊断、信号预测、ADR提取和ADR报告偏倚分析等,且AI技术优于传统的人工手段或传统的计算机技术,但多为方法学开发和验证,有待于更多的证据证明其应用效能。     

毒性病理学及人工智能数字组织图像分析质量控制概述

随着人工智能和机器学习的快速发展,人工智能对全切片图像的诊断几乎可以媲美病理学家,建立人工智能算法需要大量的数字组织图像训练集数据。数字组织图像分析是通过各种算法分析全切片图像,并从其中提取大量复杂的定量数据集。数字组织图像分析的质量控制不仅非常重要,而且是确保建立高质量数据集和AI算法的基础和前提。本文简要概述了全切片图像的质量控制策略、数字组织图像分析的影响因素和质量控制方法、数字组织图像分析结果的质量控制方法、毒性病理学家在数字组织图像分析中的作用、数据解释和报告以及数字组织图像用于毒性病理学诊断及AI的挑战,以期为我国药物非临床安全性评价毒性试验中使用全切片图像进行毒性病理学诊断及建立AI各种算法提供一定参考。     

人工智能在药物再利用治疗新型冠状病毒感染研究中的应用及问题分析

近年来,为应对新型冠状病毒感染（COVID-19）的暴发,药物再利用成为寻找COVID-19治疗药物的有效策略。人工智能（AI）能够快速计算筛选大量药物数据库以获取候选药物,在药物再利用领域得到广泛应用。根据算法设计原理,AI应用于药物再利用治疗COVID-19研究的方法可分为3类：(1)基于网络的模型,强调药物与疾病间关联性的识别,以揭示药物的潜在治疗机制;(2)基于结构的方法,通过药物和靶点间结构相互作用的分析实现精确筛选;(3)机器学习/深度学习方法,利用复杂非线性数据的多维度处理进行候选药物预测。尽管AI在药物再利用中发挥了重要作用,但数据的质量和数量对AI计算结果影响显著;实验研究无法全面模拟人体的复杂生理环境,从而可能限制候选药物在非临床研究阶段的精确验证;而且针对原始适应证的药物优化可能影响候选药物在治疗COVID-19中的有效性,治疗时机和个体差异也可能对临床效果产生影响。本文对AI在药物再利用治疗COVID-19研究中的应用和挑战进行综述,以期为将AI技术进一步应用于治疗COVID-19药物研究提供参考。     

人工智能在2型糖尿病健康管理中的应用研究进展

2型糖尿病(T2DM)及其并发症影响了全球数亿人的健康和生活质量,其主要治疗方式为胰岛素和降糖药物的使用,但由于确诊不及时、起始治疗过晚、药物剂量调整不积极等问题,仍有很多患者血糖控制不佳。人工智能(AI)是数字信息智能化飞速发展的产物,在糖尿病等慢性疾病的预测、诊断、治疗、随访等健康管理环节中发挥重要作用。现已有多种AI技术融入T2DM的健康管理中,如远程医疗、动态血糖监测等。该文综述了近期AI在T2DM健康管理中的应用成果,并对存在的问题和研究方向进行了讨论。     

人工智能应用于制药领域的监管对策探讨

目前人工智能(AI)在制药领域的应用日益广泛,涵盖了药物研发、临床试验、药物生产和上市后等全生命周期。面对AI应用存在的一些风险和挑战,药品监管机构应对AI制药领域的监管予以重视并采取相应的策略。文章通过收集和分析相关文献、政策文件和监管机构声明,总结了各国药品监管机构在AI制药领域的监管活动和实践,提出建立指导机构和合作机制、风险评估、关于数据和模型的监管考虑、建立药品全生命周期监管措施5个方面的监管对策,以促进AI技术的发展并保护公众健康。     

“人工智能+医药”产业现状和趋势

“人工智能（AI）+医药”产业是指将AI、机器学习等新兴技术应用到医药研发领域,用计算技术解读数据、刻画生命活动。“AI+医药”产业有望改变传统生化技术红利消退、新药研发成本持续走高的全球性困境。全球医药头部企业都已经在药物研发的各环节布局AI技术。我国生物医药产业正处在由仿制向创新迈进的关键爬坡期,供应端需要构建新技术驱动力。然而,想要真正实现“AI+医药”产业“大势所趋”的发展愿景,还存在一定的困难和问题,如数据权益分割、法律风险保障等。总之,“AI+医药”产业将成为中国未来重要的产业领域之一,但仅凭市场力量并不能使其流畅运行,衔接好各方利益,打造生态闭环是必要条件。     

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。     

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。     

大数据和人工智能技术用于计算机辅助药物设计的研究进展

大数据和人工智能（AI）技术不仅可以对海量的生物医学数据进行准确和综合地分析,而且可以帮助构建药物设计领域的预测模型。随着算法和统计方法的发展,大数据和AI技术已应用于计算机辅助药物设计（CADD）。CADD可被用于有效克服药物设计领域的困难,从而高效地设计和开发新药。介绍了药物设计和发现过程中数据预处理和建模步骤、药物设计和发现过程中基于AI的建模方法、大数据和AI技术在CADD中的最新应用,以期为我国药物设计和开发提供参考。