用例一：提取科学知识。为更好了解疾病和药物靶点，科学家们需要花费大量时间提取和总结专利、科学出版物和试验数据等文档中的信息。由GPT驱动的知识提取可以减轻这种负担。与早期基于自然语言处理（NLP）的解决方案不同，新的生成式人工智能工具能够更深入、更广泛地理解医疗背景和意图。因此，研究人员可以提出开放式问答，在不同任务之间轻松转换，无障碍地整合更多证据。潜在影响：药物靶点的初步人工评估增加30%以上。用例二：计算模拟筛选。药物开发中，确定最佳治疗化合物及其优先次序是一大难题。生成式人工智能利用先进的基础化学模型，通过结构和功能映射数百万种化合物，结合已知测试分子结果，预测分子结构中的下一个部分。经多次迭代，可用于训练更精确的机器学习模型，助力未探索化学领域的预测，优先用于后续筛选，加速药物开发进程。潜在影响：化合物活性模型的性能最多可提高2.5倍；确定新线索的速度从数月缩短到数周。
2025-11-30
15页
购买咨询
400-9696-311 转1
问题咨询
400-9696-311 转2
商务合作
400-9696-311 转3
投诉及建议
400-9696-311 转4
关注摩熵医药公众号
随时查阅行业资讯
摩熵医药数据小程序
掌上数据查询系统
浙公网安备33011002015279
本网站未发布麻醉药品、精神药品、医疗用毒性药品、放射性药品、戒毒药品和医疗机构制剂的产品信息
收藏
登录后参与评论
暂无评论