Pharma
Architektonická omezení a způsoby selhání v programech objevování léčiv řízených umělou inteligencí
Shrnutí (TL;DR) Selhání objevování léků řízených umělou inteligencí jsou zřídka nejprve algoritmická. Platnost dat, zkreslení měření a biologické nesoulady se projeví dříve. Předpovědi vazebné afinity se nerovná terapeutickému účinku. Nesprávná interpretace tohoto rozlišení vede k nákladným falešně pozitivním výsledkům. Omezení interpretovatelnosti modelu přímo ovlivňují regulační obhajitelnost, reprodukovatelnost a přijetí napříč týmy. Složitost infrastruktury vyplývá z heterogenity dat, nikoli z rozsahu […]
Počítačem podporované objevování léčiv (CADD): Architektonický rozhodovací rámec pro data, modely a vědeckou propustnost
Shrnutí pro manažery (TL;DR) Iniciativy CADD jsou méně omezeny algoritmy než spolehlivostí dat, latencí validace a přetížením pracovního postupu. Přesnost predikce bez experimentálního překladu nepřináší provozní hodnotu. Propustnost infrastruktury, architektura úložiště a stabilita prostředí přímo ovlivňují dobu vědeckého cyklu. Regulovaná prostředí zavádějí požadavky na původ, reprodukovatelnost a auditovatelnost, které mění možnosti modelování. Zhroucení důvěry […]
Přestaňte znovu vynalézat kolo: Jak knihovny sémantického obsahu urychlují opětovné využití léčiv
Hodnota „starých“ léků Objev nové chemické entity (NCE) je riskantní, v 90 % případů selže. Strategickou zkratkou je opětovné využití léků (nalezení nových využití pro stávající léky). Tyto léky již prošly testy toxicity; jejich bezpečnostní profily jsou známy. Slavným příkladem je Baricitinib. Původně lék na revmatoidní artritidu, byl identifikován […]