Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Introducción
Oportunidades de aplicar ML
Las oportunidades para aplicar ML ocurren en todas las etapas del descubrimiento de
fármacos. Los ejemplos incluyen target validación, identificación de biomarcadores pronósticos
y análisis de datos patológicos digitales en ensayos clínicos. Las aplicaciones han variado en
contexto y metodología, con algunos enfoques produciendo predicciones y conocimientos
precisos
Desafíos de aplicar ML
Esta figura ofrece una descripción general de la máquina. técnicas de aprendizaje que se han
utilizado para responder a las preguntas sobre el descubrimiento de fármacos que se tratan en
esta Revisión. Un rango de Se utilizan técnicas de aprendizaje supervisado (métodos de
regresión y clasificador) para responder preguntas que requieren predicción. de categorías de
datos o variables continuas, mientras que se utilizan técnicas no supervisadas para desarrollar
modelos que permitan agrupación de los datos. ADME, absorción, distribución, metabolismo y
excreción; CNN, neuronal convolucional la red; CT, tomografía computarizada; DAEN, red
neuronal autocodificadora profunda; DNN, red neuronal profunda; GAN, red generativa de
adversarios; Resonancia magnética, resonancia magnética; PNL, procesamiento del lenguaje
natural; PAQUETE, farmacocinética; ARNi, interferencia de ARN; RNN, red neuronal recurrente;
SVM, máquina de vectores de soporte; SVR, Apoyar la regresión vectorial.
Final
Conclusión.
Los algoritmos ML, incluidos los métodos DL, han permitido la utilización de la IA en el entorno
de la industria y en el día a día para vida diurna. El impacto de los métodos de AA en todas las
áreas de la droga El descubrimiento y el cuidado de la salud ya se están sintiendo,
especialmente en el análisis de datos ómicos y de imágenes. Algoritmos ML también tienen
éxito en el reconocimiento de voz, PNL, visión por computadora y otras aplicaciones. Por
ejemplo, Los asistentes inteligentes habilitados para Internet ahora son algo común y puede
transmitir información relacionada con la salud en la forma de discurso e imágenes o videos.
Enfoques de AA aplicado a los datos recopilados a partir de tal combinación de Tecnologías
habilitadas para Internet, junto con biológicas datos, tienen el potencial de mejorar
drásticamente la poder predictivo de tales algoritmos y ayuda médica toma de decisiones
sobre los beneficios terapéuticos, clínicos biomarcadores y efectos secundarios de las terapias.