論文の概要: AI in Pharma for Personalized Sequential Decision-Making: Methods,
Applications and Opportunities
- arxiv url: http://arxiv.org/abs/2311.18725v1
- Date: Thu, 30 Nov 2023 17:23:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-01 15:49:36.919762
- Title: AI in Pharma for Personalized Sequential Decision-Making: Methods,
Applications and Opportunities
- Title（参考訳）: パーソナライズされたシーケンス決定のための薬局内AI:方法、応用、機会
- Authors: Yuhan Li, Hongtao Zhang, Keaven Anderson, Songzi Li and Ruoqing Zhu
- Abstract要約: 人工知能(AI)の利用は、過去10年間で一貫した成長を遂げてきた。
AIを活用した治療領域としては、腫瘍学(27%)、精神医学(15%)、胃腸学(12%)、神経学(11%)が有力である。
- 参考スコア（独自算出の注目度）: 7.598403682247362
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the pharmaceutical industry, the use of artificial intelligence (AI) has
seen consistent growth over the past decade. This rise is attributed to major
advancements in statistical machine learning methodologies, computational
capabilities and the increased availability of large datasets. AI techniques
are applied throughout different stages of drug development, ranging from drug
discovery to post-marketing benefit-risk assessment. Kolluri et al. provided a
review of several case studies that span these stages, featuring key
applications such as protein structure prediction, success probability
estimation, subgroup identification, and AI-assisted clinical trial monitoring.
From a regulatory standpoint, there was a notable uptick in submissions
incorporating AI components in 2021. The most prevalent therapeutic areas
leveraging AI were oncology (27%), psychiatry (15%), gastroenterology (12%),
and neurology (11%). The paradigm of personalized or precision medicine has
gained significant traction in recent research, partly due to advancements in
AI techniques \cite{hamburg2010path}. This shift has had a transformative
impact on the pharmaceutical industry. Departing from the traditional
"one-size-fits-all" model, personalized medicine incorporates various
individual factors, such as environmental conditions, lifestyle choices, and
health histories, to formulate customized treatment plans. By utilizing
sophisticated machine learning algorithms, clinicians and researchers are
better equipped to make informed decisions in areas such as disease prevention,
diagnosis, and treatment selection, thereby optimizing health outcomes for each
individual.
- Abstract（参考訳）: 製薬業界では、人工知能(AI)の使用は過去10年間で一貫した成長を遂げてきた。
この上昇は、統計機械学習の方法論、計算能力、大規模データセットの可用性の向上による。
ai技術は、創薬から市販後の利益リスク評価まで、様々な段階の薬物開発に応用される。
Kolluriらは、これらの段階にまたがるいくつかのケーススタディをレビューし、タンパク質構造予測、成功確率推定、サブグループ同定、AIによる臨床試験モニタリングなどの重要な応用を取り上げている。
規制の観点から見れば、2021年にAIコンポーネントを組み込んだ申請が顕著に増加した。
最も多い治療領域は、腫瘍学(27%)、精神医学(15%)、胃腸学(12%)、神経学(11%)である。
パーソナライズされた、あるいは精密な医学のパラダイムは、ai技術の進歩によって、最近の研究で大きな注目を集めている。
この変化は製薬業界に革新的な影響を与えた。
従来の「one-size-fits-all」モデルから離れて、パーソナライズされた医療は、環境条件、ライフスタイル選択、健康履歴など様々な個別の要素を取り入れ、カスタマイズされた治療計画を作成する。
高度な機械学習アルゴリズムを利用することで、臨床医や研究者は、疾患の予防、診断、治療選択などの領域において情報的な決定を下し、各個人に対する健康結果の最適化を行うことができる。
関連論文リスト
- Pathology Foundation Models [0.0354287905099182]
深層学習技術の発達は、病理AI(Artificial Intelligence)の広範な研究と発展に繋がった
Foundation Models (FM)として知られる大規模なAIモデルが登場し、医療分野のアプリケーション範囲を拡大した。
FMは従来のAIよりも正確で幅広いタスクに適用できる。
論文 参考訳（メタデータ） (2024-07-31T03:58:48Z) - TrialBench: Multi-Modal Artificial Intelligence-Ready Clinical Trial Datasets [57.067409211231244]
本稿では,マルチモーダルデータ(例えば,薬物分子,疾患コード,テキスト,分類・数値的特徴)と臨床治験設計における8つの重要な予測課題をカバーするAIreadyデータセットを精巧にキュレートした。
データセットのユーザビリティと信頼性を確保するため、各タスクに基本的な検証方法を提供する。
このようなオープンアクセスデータセットが利用可能になることは、臨床試験設計のための高度なAIアプローチの開発を促進することを期待する。
論文 参考訳（メタデータ） (2024-06-30T09:13:10Z) - Autonomous Artificial Intelligence Agents for Clinical Decision Making in Oncology [0.6397820821509177]
本稿では,大規模言語モデル(LLM)を中心的推論エンジンとして活用する,マルチモーダル医療用AIの代替手法を提案する。
このエンジンは、医療用AIツールのセットを自律的に調整し、デプロイする。
適切なツール(97%)、正しい結論(93.6%)、完全(94%)、個人患者に有用な推奨(89.2%)を提示する能力が高いことを示す。
論文 参考訳（メタデータ） (2024-04-06T15:50:19Z) - AI-Enabled Lung Cancer Prognosis [1.2054979237210064]
肺がんはがんによる死亡の主な原因であり、2020年には全世界で約179万人が死亡している。
これらのうち、非小細胞肺癌(NSCLC)が主な亜型であり、顕著な出血性予後を特徴とする。
人工知能(AI)の最近の進歩は、肺癌の予後に革命をもたらした。
論文 参考訳（メタデータ） (2024-02-12T22:09:43Z) - AI Framework for Early Diagnosis of Coronary Artery Disease: An
Integration of Borderline SMOTE, Autoencoders and Convolutional Neural
Networks Approach [0.44998333629984877]
我々は,データのバランスが不均衡でサンプルサイズが小さい場合に,より正確な予測を行うために,データのバランスと拡張のための方法論を開発する。
実験の結果,提案手法の平均精度は95.36であり,ランダムフォレスト(RF),決定木(DT),サポートベクターマシン(SVM),ロジスティック回帰(LR),人工ニューラルネットワーク(ANN)よりも高かった。
論文 参考訳（メタデータ） (2023-08-29T14:33:38Z) - Deep learning methods for drug response prediction in cancer:
predominant and emerging trends [50.281853616905416]
がんを研究・治療するための計算予測モデルをエクスプロイトすることは、薬物開発の改善と治療計画のパーソナライズドデザインにおいて大きな可能性を秘めている。
最近の研究の波は、ディープラーニング手法を用いて、薬物治療に対するがん反応を予測するという有望な結果を示している。
このレビューは、この分野の現状をよりよく理解し、主要な課題と将来性のあるソリューションパスを特定します。
論文 参考訳（メタデータ） (2022-11-18T03:26:31Z) - Robust and Efficient Medical Imaging with Self-Supervision [80.62711706785834]
医用画像AIの堅牢性とデータ効率を向上させるための統一表現学習戦略であるREMEDISを提案する。
様々な医療画像タスクを研究し, 振り返りデータを用いて3つの現実的な応用シナリオをシミュレートする。
論文 参考訳（メタデータ） (2022-05-19T17:34:18Z) - Literature-Augmented Clinical Outcome Prediction [10.46990394710927]
EBMとAIベースの臨床モデルとのギャップを埋める技術を導入する。
集中治療(ICU)患者情報に基づいて患者固有の文献を自動的に検索するシステムを提案する。
我々のモデルは,最近の強靭なベースラインと比較して,3つの課題に対する予測精度を大幅に向上させることができる。
論文 参考訳（メタデータ） (2021-11-16T11:19:02Z) - The Medkit-Learn(ing) Environment: Medical Decision Modelling through
Simulation [81.72197368690031]
医用シーケンシャルな意思決定に特化して設計された新しいベンチマークスイートを提案する。
Medkit-Learn(ing) Environmentは、高忠実度合成医療データに簡単かつ簡単にアクセスできるPythonパッケージである。
論文 参考訳（メタデータ） (2021-06-08T10:38:09Z) - Machine Learning Applications for Therapeutic Tasks with Genomics Data [49.98249191161107]
ゲノム学の機械学習応用に関する文献を、治療開発のレンズでレビューします。
治療パイプライン全体にわたるゲノミクス応用における22の機械学習を同定する。
この分野における7つの重要な課題を、拡大と影響の機会として挙げる。
論文 参考訳（メタデータ） (2021-05-03T21:20:20Z) - Mapping the Landscape of Artificial Intelligence Applications against
COVID-19 [59.30734371401316]
世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。
我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
論文 参考訳（メタデータ） (2020-03-25T12:30:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。