众所周知,人工智能在药物研发中的应用需要大量的高质量数据,来实现良好的预测性能。
然而,AI制药的发展往往面临数据获取的挑战。药物研发数据 (尤其是药物开发后期阶段的数据) 生成过程耗时、昂贵且保密性极强,严重影响了制药公司及相关数据方分享数据的意愿。
此外,科学研究中的数据偏差也困扰着人工智能在药物发现中的应用。比如,一个特定的药物分子的性质在不同来源的记录中存在很大的差异,即使是在相同的科学测试中。
数据获取的困难和科学试验数据的偏差问题,大大限制了人工智能在药物发现中的应用效果。
众所周知,人工智能在药物研发中的应用需要大量的高质量数据,来实现良好的预测性能。
然而,AI制药的发展往往面临数据获取的挑战。药物研发数据 (尤其是药物开发后期阶段的数据) 生成过程耗时、昂贵且保密性极强,严重影响了制药公司及相关数据方分享数据的意愿。
此外,科学研究中的数据偏差也困扰着人工智能在药物发现中的应用。比如,一个特定的药物分子的性质在不同来源的记录中存在很大的差异,即使是在相同的科学测试中。
数据获取的困难和科学试验数据的偏差问题,大大限制了人工智能在药物发现中的应用效果。