燧坤智能CEO曾亥年&

其实真正判断人工智能模型应用价值角度有很多，下图右侧是简单罗列一些，当然，这些都是基于自己的一些观察，不一定完全正确。
我们相信短期人工智能跟生物药结合，更多还是人脑和机器，或者human Intelligence和artificial Intelligence之间的协作互动。
这个图大家看到过很多次是DMTA的流程，从开始设计（Design），然后把实验做出来（Make），再做测试（Test），再做分析（Analysis），最后反过来的一个循环。
人工智能在建模时候远比大家想象要复杂，很多人可能以为人工智能建模，就是我有很多数据，再建了一个模型，然后就很容易到达终点。
其实不是这样，真实大数据分析是反反复复、起起落落，有很多问题，很有可能建出来的模型既没有学到合适特征也没有学到应有模式，预测出来全是瞎猜，甚至可能比丢硬币准确率还要低。
这个时候就需要大家回过头来看一下，究竟是什么地方出了问题，是最早的需求出了问题？还是数据本身出了问题？数据清洗出了问题，还是最后对于整个数据的建模错了、框架、算法选择错了？抑或是特征工程用错了？或者整体判断标准和判断依据错了？
所以建模过程非常复杂，这也是为什么在短期内我们依然需要Human Intelligence和artificial Intelligence一起来协作，才能最终达到生物医药研发上效率提升。 
AI和生物科技在新药研发领域里面的深度融合内容基本上这个表里都框进来了，大部分聚焦在候选分子的发现或者优化上。
除了这一块，临床前大量研究也可以跟人工智能相结合。
还有药物再利用，单用也好，做联合疗法也好，也包括最简单直接快速利用人工智能算法、模型、脚本、爬虫做信息聚集和综合，构建知识图谱，最后还能汇总起来给到科学家快速做判断，这就是计算机一直以来的关键作用。
中长期来看，人工智能是全面整合到或者说是赋能生物医药的各个阶段的：
第二，能够拓展疾病治疗创新平台，和不同、全新的一些therapeutic modality合作，不仅仅是小分子，可以是多肽、大分子，多肽+小分子、单抗的大分子，各种各样的核酸类药物。
这里有一个小例子，AI在肿瘤治疗领域的应用。
最后介绍一下我们公司的情况。 

Related Keywords

Vietnam , Republic Of , Beijing , China , United States , Russia , Switzerland , Nanjing , Jiangsu , Yunfeng , Sichuan , America , Soviet , Statesq Guo , Library Do , Rd Center , Introductiona Task , Huawei , No School , Fudan University , Rd Center On Shanghai , Life Sciences , Research Ye , Jingdong Taobao Soviet Union Ning , Friends Group , New Logistics Market , Medical Kin , West Europe , Field Yunfeng , Image Medical Ann Anti , Molecular Biology , United Statesq Guo , Rules Newton , Image , Ann Anti , New Crown , Task Force , Application New , Focus Computational , Soviet Union , Silicon Valley , வியட்நாம் , குடியரசு ஆஃப் , பெய்ஜிங் , சீனா , ஒன்றுபட்டது மாநிலங்களில் , ரஷ்யா , சுவிட்சர்லாந்து , நான்ஜிங் , ஸிச்வாந் , அமெரிக்கா , சோவியத் , நூலகம் செய் , ர்ட் மையம் , ஹூவாய் , இல்லை பள்ளி , வாழ்க்கை அறிவியல் , நண்பர்கள் குழு , மேற்கு யூரோப் , மூலக்கூறு உயிரியல் , படம் , ஆண்டு எதிர்ப்பு , புதியது கிரீடம் , பணி படை , சோவியத் தொழிற்சங்கம் , சிலிக்கான் பள்ளத்தாக்கு ,