MaltSci 麦伴科研

Appearance

文献精选 > 高引权威"AI药物发现"文献

Artificial intelligence in drug development: present status and future prospects. ​

文献信息 ​

DOI10.1016/j.drudis.2018.11.014
PMID30472429
期刊Drug discovery today
影响因子7.5
JCR 分区Q1
发表年份2019
被引次数188
关键词人工智能, 药物开发, 研发效率
文献类型Journal Article, Review
ISSN1359-6446
页码773-780
期号24(3)
作者Kit-Kay Mak, Mallikarjuna Rao Pichika

一句话小结 ​

本文综述了人工智能在药物开发中的应用，探讨了制药行业面临的高研发成本和低效率的挑战，以及AI如何通过提高药物开发效率和促进制药巨头与AI公司合作来应对新药审批中的高流失率。研究意义在于强调AI技术有潜力革新药物开发流程，提升行业整体效率。

在麦伴科研 (maltsci.com) 搜索更多文献 ​

人工智能 · 药物开发 · 研发效率

摘要 ​

人工智能（AI）利用人性化的知识，并通过其产生的解决方案进行学习，以应对不仅是具体问题，还有复杂问题。计算能力的显著提升以及AI技术的进步可以用于革新药物开发过程。目前，制药行业面临着由于研发成本增加和效率降低而难以维持其药物开发项目的挑战。在本综述中，我们讨论了新药审批中流失率的主要原因，AI如何提高药物开发过程效率的可能方式，以及制药行业巨头与AI驱动的药物发现公司之间的合作。

英文摘要 ​

Artificial intelligence (AI) uses personified knowledge and learns from the solutions it produces to address not only specific but also complex problems. Remarkable improvements in computational power coupled with advancements in AI technology could be utilised to revolutionise the drug development process. At present, the pharmaceutical industry is facing challenges in sustaining their drug development programmes because of increased R&D costs and reduced efficiency. In this review, we discuss the major causes of attrition rates in new drug approvals, the possible ways that AI can improve the efficiency of the drug development process and collaboration of pharmaceutical industry giants with AI-powered drug discovery firms.

麦伴智能科研服务 ​

智能阅读回答你对文献的任何问题，帮助理解文献中的复杂图表和公式
定位观点定位某个观点在文献中的蛛丝马迹
加入知识库完成数据提取，报告撰写等更多高级知识挖掘功能

主要研究问题 ​

  1. 在药物开发过程中，AI如何具体提高研发效率和降低成本？
  2. 除了制药公司，哪些其他行业可以从AI在药物开发中的应用中受益？
  3. AI在药物开发中面临哪些伦理和监管挑战？
  4. 当前AI在药物发现中的成功案例有哪些，它们是如何影响未来药物开发的？
  5. 制药公司与AI技术公司的合作模式有哪些，如何影响药物开发的成果？

核心洞察 ​

1. 研究背景和目的 ​

随着科技的进步，尤其是计算能力的显著提升和人工智能（AI）技术的快速发展，制药行业正面临着日益严峻的挑战，包括研发成本的上升和效率的下降。药物开发过程中的高失败率是制药企业亟需解决的问题，本研究旨在探讨AI在药物开发中的应用现状及未来前景，分析其如何提高药物开发的效率并降低研发成本。

2. 主要方法和发现 ​

本研究通过文献综述的方式，系统分析了药物开发过程中常见的失败原因，并探讨了AI技术在改善这一过程中的潜力。研究指出，AI可以通过数据挖掘、机器学习和预测建模等方法，优化药物筛选、临床试验设计及药物再利用等环节。此外，制药巨头与AI驱动的药物发现公司的合作日益频繁，为创新药物的研发提供了新的动力。

3. 核心结论 ​

AI技术在药物开发中的应用具有显著的潜力，可以有效降低新药研发的失败率，并提高研发效率。通过智能化的分析和预测，AI能够帮助制药公司更好地识别潜在的药物候选者，优化临床试验过程，最终加速新药上市的速度。同时，制药行业与AI公司的合作将推动技术的进一步发展，形成更为高效的药物开发生态系统。

4. 研究意义和影响 ​

本研究的意义在于为制药行业提供了一个关于AI应用的全面视角，强调了AI在应对行业挑战中的重要性。随着新药研发成本的不断上升，AI的引入不仅可能显著提高研发效率，还可能改变药物开发的传统模式，从而为患者提供更多创新的治疗选择。此外，研究中提到的行业合作模式也为未来的药物开发提供了新的思路，有望促进跨界合作，推动整个生物医药领域的进步。

引用本文的文献 ​

  1. A Structure-Based Drug Discovery Paradigm. - Maria Batool;Bilal Ahmad;Sangdun Choi - International journal of molecular sciences (2019)
  2. Neuronal Circuit-Based Computer Modeling as a Phenotypic Strategy for CNS R&D. - Hugo Geerts;James E Barrett - Frontiers in neuroscience (2019)
  3. Pharmacy Informatics: Where Medication Use and Technology Meet. - Daniel Cortes;Jodie Leung;Andrea Ryl;Jenny Lieu - The Canadian journal of hospital pharmacy (2019)
  4. DeepScreening: a deep learning-based screening web server for accelerating drug discovery. - Zhihong Liu;Jiewen Du;Jiansong Fang;Yulong Yin;Guohuan Xu;Liwei Xie - Database : the journal of biological databases and curation (2019)
  5. Artificial intelligence in drug development: clinical pharmacologist perspective. - In-Jin Jang - Translational and clinical pharmacology (2019)
  6. In silico Strategies to Support Fragment-to-Lead Optimization in Drug Discovery. - Lauro Ribeiro de Souza Neto;José Teófilo Moreira-Filho;Bruno Junior Neves;Rocío Lucía Beatriz Riveros Maidana;Ana Carolina Ramos Guimarães;Nicholas Furnham;Carolina Horta Andrade;Floriano Paes Silva - Frontiers in chemistry (2020)
  7. Paper-Based Electrochemical Devices for the Pharmaceutical Field: State of the Art and Perspectives. - Amina Antonacci;Viviana Scognamiglio;Vincenzo Mazzaracchio;Veronica Caratelli;Luca Fiore;Danila Moscone;Fabiana Arduini - Frontiers in bioengineering and biotechnology (2020)
  8. Isolation and Characterization of a New Endophytic Actinobacterium Streptomyces californicus Strain ADR1 as a Promising Source of Anti-Bacterial, Anti-Biofilm and Antioxidant Metabolites. - Radha Singh;Ashok K Dubey - Microorganisms (2020)
  9. A Practical Perspective on the Roles of Solution NMR Spectroscopy in Drug Discovery. - Qingxin Li;CongBao Kang - Molecules (Basel, Switzerland) (2020)
  10. Application of Artificial Intelligence in COVID-19 drug repurposing. - Sweta Mohanty;Md Harun Ai Rashid;Mayank Mridul;Chandana Mohanty;Swati Swayamsiddha - Diabetes & metabolic syndrome (2020)

... (178 更多 篇文献)

© 2025 MaltSci 麦伴科研 - 我们用人工智能技术重塑科研