演讲者:

Richard Goodwin,PhD,阿斯利康 R&D 临床药理学与安全科学影像与 AI 影像与数据分析主管

简介:

新颖的综合分子成像技术为组织微环境中的分子和细胞景观提供了新的视角。他们能够以前所未有的细节描绘新疗法的影响,从而提供研究疾病、患者群体以及药物疗效和安全性的新方法。这使其科学家能够以前所未有的细节了解疾病的复杂性,从而能够有效地开发和选择新药。

如今,尖端成像技术越来越多地用于支持通过研发新渠道对药物的功效和安全性进行研究。本演讲将介绍新的体内和体外的范围所采用的成像技术,描述与扩大使用分子成像技术相关的数据挑战,并解决新的数据集成和挖掘挑战。大型队列成像研究需要新的计算方法,这些研究涉及基于组织的多组学分析,以前所未有的细节整合空间关系。

在开发和部署新型分子成像技术的同时,毒理学数字病理学的革命也在发生。我们正在迈向数字化未来,我们的病理学家正在以数字方式评估和审查安全研究。这需要监管机构做出重大改变和接受。在本次演讲中,还将了解我们如何通过对数字病理学的首次 GLP 验证来改变毒理学病理学同行评审,以及这是如何成为关键步骤并为药物发现和开发提供数字化未来。

成为VIP会员查看完整内容
54

相关内容

AI技术中的机器学习、深度学习、自然语言处理等技术能够提高制药数据、信息的处理效率,对于药物研发过程中的新药发现,可以代替研究人员有限的知识储备和想象力,发现原来很难、甚至不可能发现的靶点,这也是AI在制药领域最大的价值点,AI还可以预测候选药物的性能如药物的吸收、代谢、毒性、不良反应等,缩小后期实验范围,降低临床失败概率,大幅降低新药研发的时间、资金成本。机器学习和深度学习算法已在多个药物发现过程中实施,例如肽合成、基于结构的虚拟筛选、基于配体的虚拟筛选、毒性预测、药物监测和释放、药效团建模、定量构效关系、药物重新定位、多药理学和理化活性。过去的证据加强了人工智能和深度学习在该领域的实施。此外,新颖的数据挖掘、管理和管理技术为最近开发的建模算法提供了关键支持。总之,人工智能和深度学习的进步为合理的药物设计和发现过程提供了绝佳的机会,最终将影响人类。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【AI+医疗健康】美国数字健康战略(附44页最新报告)
专知会员服务
91+阅读 · 2022年3月15日
【干货书】数据挖掘药物发现,347页pdf
专知会员服务
134+阅读 · 2021年9月20日
最新「图机器学习药物发现」综述论文,22页pdf245篇文献
图表示学习在药物发现中的应用,48页ppt
专知
1+阅读 · 2021年4月30日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
14+阅读 · 2020年10月26日
VIP会员
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员