人工智能在药物发现应用与推广中的数据中心挑战
其他定量生物学
2024-09-25 v4
摘要
引言：人工智能（AI）在降低药物发现的巨大成本和漫长周期方面展现出巨大潜力。然而，目前存在一些重要挑战限制了AI模型的影响力和应用范围。涵盖领域：在这篇观点文章中，作者讨论了一系列数据问题（偏差、不一致性、偏斜、不相关、小规模、高维度），它们如何挑战AI模型，以及哪些针对特定问题的缓解措施是有效的。接着，他们指出了旨在增强和信任这些AI模型预测的不确定性量化技术所面临的挑战。他们还讨论了概念错误、不切实际的基准测试和性能误估如何混淆模型评估及其发展。最后，作者解释了人类偏见（无论是来自AI专家还是药物发现专家）如何构成另一个挑战，而通过积累更多前瞻性经验可以缓解这一挑战。专家意见：AI模型通常旨在回顾性基准测试中表现出色，但难以预测其前瞻性表现。因此，这些模型中只有少数被报道具有前瞻性价值（例如，为治疗靶点发现有效且创新的先导化合物）。作者讨论了AI用于药物发现在实践中可能出错的地方。我们希望这将有助于为编辑、资助者、投资者和该领域的研究人员提供决策参考。
引用
@article{arxiv.2407.05150,
title = {Data-centric challenges with the application and adoption of artificial intelligence for drug discovery},
author = {Ghita Ghislat and Saiveth Hernandez-Hernandez and Chayanit Piyawajanusorn and Pedro J. Ballester},
journal= {arXiv preprint arXiv:2407.05150},
year = {2024}
}