論文の概要: New Horizons: Pioneering Pharmaceutical R&D with Generative AI from lab
to the clinic -- an industry perspective
- arxiv url: http://arxiv.org/abs/2312.12482v1
- Date: Tue, 19 Dec 2023 16:04:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-21 18:12:44.117907
- Title: New Horizons: Pioneering Pharmaceutical R&D with Generative AI from lab
to the clinic -- an industry perspective
- Title（参考訳）: new horizons: ラボからクリニックへの生成aiによる製薬研究開発の先駆者 - 業界の観点から
- Authors: Guy Doron, Sam Genway, Mark Roberts and Sai Jasti
- Abstract要約: 生成AIの急速な進歩は、産業全体にわたる研究開発の戦略的ビジョンを変えつつある。
創生AIの応用は、早期発見から規制承認に至るまで、バリューチェーン全体に沿って価値を提供する。
このパースペクティブはこれらの課題をレビューし、すでに影響をもたらす生成AIアプリケーションを探るために3つの水平なアプローチを取ります。
- 参考スコア（独自算出の注目度）: 0.1843404256219181
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The rapid advance of generative AI is reshaping the strategic vision for R&D
across industries. The unique challenges of pharmaceutical R&D will see
applications of generative AI deliver value along the entire value chain from
early discovery to regulatory approval. This perspective reviews these
challenges and takes a three-horizon approach to explore the generative AI
applications already delivering impact, the disruptive opportunities which are
just around the corner, and the longer-term transformation which will shape the
future of the industry. Selected applications are reviewed for their potential
to drive increase productivity, accelerate timelines, improve the quality of
research, data and decision making, and support a sustainable future for the
industry. Recommendations are given for Pharma R&D leaders developing a
generative AI strategy today which will lay the groundwork for getting real
value from the technology and safeguarding future growth. Generative AI is
today providing new, efficient routes to accessing and combining organisational
data to drive productivity. Next, this impact will reach clinical development,
enhancing the patient experience, driving operational efficiency, and unlocking
digital innovation to better tackle the future burden of disease. Looking to
the furthest horizon, rapid acquisition of rich multi-omics data, which capture
the 'language of life', in combination with next generation AI technologies
will allow organisations to close the loop around phases of the pipeline
through rapid, automated generation and testing of hypotheses from bench to
bedside. This provides a vision for the future of R&D with sustainability at
the core, with reduced timescales and reduced dependency on resources, while
offering new hope to patients to treat the untreatable and ultimately cure
diseases.
- Abstract（参考訳）: 生成AIの急速な進歩は、産業全体にわたる研究開発の戦略的ビジョンを変えつつある。
医薬品R&Dのユニークな課題は、生成的AIの応用が、早期発見から規制承認に至るまで、バリューチェーン全体に沿って価値を提供することである。
この視点では、これらの課題をレビューし、すでに影響をもたらしている生成型aiアプリケーション、直近にある破壊的な機会、そして業界の未来を形作る長期的なトランスフォーメーションを探求する3段階のアプローチを取る。
選択されたアプリケーションは、生産性の向上、タイムラインの加速、研究の質の向上、データと意思決定、そして業界のための持続可能な未来をサポートする可能性についてレビューされる。
今日、Pharma R&Dのリーダーたちは、この技術から真の価値を獲得し、将来の成長を守るための基礎となる、生成的なAI戦略を開発する。
generative aiは、今日、生産性を促進するために組織データにアクセスし、結合するための、新しい効率的なルートを提供する。
次に、この影響は、臨床開発、患者の体験の向上、手術効率の向上、今後の病気の負担に対処するためのデジタルイノベーションの開放に繋がる。
次世代のai技術と組み合わせることで、企業は、ベンチからベッドサイドへの仮説の迅速な自動生成とテストを通じて、パイプラインのフェーズ周辺のループを閉じることができる。
これはR&Dの将来へのビジョンであり、コアでの持続可能性、時間スケールの削減、リソースへの依存の低減、そして患者が治療不能で最終的に病気を治療する新たな希望を提供する。
関連論文リスト
- Generative AI in Health Economics and Outcomes Research: A Taxonomy of Key Definitions and Emerging Applications, an ISPOR Working Group Report [12.204470166456561]
ジェネレーティブAIは、健康経済学と成果研究(HEOR)において大きな可能性を秘めている
生成AIは、HEORに大きな可能性を示し、効率性、生産性を高め、複雑な課題に対する新しいソリューションを提供する。
ファウンデーションモデルは複雑なタスクを自動化する上で有望だが、科学的信頼性、バイアス、解釈可能性、ワークフローの統合には課題が残っている。
論文 参考訳（メタデータ） (2024-10-26T15:42:50Z) - Generative AI for Health Technology Assessment: Opportunities, Challenges, and Policy Considerations [12.73011921253]
本稿では、医療技術評価(HTA)のための生成人工知能(AI)と大規模言語モデル(LLM)を含む基礎モデルについて紹介する。
本研究は, 4つの重要な領域, 合成証拠, 証拠生成, 臨床試験, 経済モデリングにおける応用について検討する。
約束にもかかわらず、これらの技術は急速に改善されているものの、まだ初期段階にあり、HTAへの適用には慎重な評価が引き続き必要である。
論文 参考訳（メタデータ） (2024-07-09T09:25:27Z) - Risks and Opportunities of Open-Source Generative AI [64.86989162783648]
Generative AI(Gen AI)の応用は、科学や医学、教育など、さまざまな分野に革命をもたらすことが期待されている。
こうした地震の変化の可能性は、この技術の潜在的なリスクについて活発に議論を巻き起こし、より厳格な規制を要求した。
この規制は、オープンソースの生成AIの誕生する分野を危険にさらす可能性がある。
論文 参考訳（メタデータ） (2024-05-14T13:37:36Z) - On the Challenges and Opportunities in Generative AI [135.2754367149689]
現在の大規模生成AIモデルは、ドメイン間で広く採用されるのを妨げるいくつかの基本的な問題に十分対応していない、と我々は主張する。
本研究は、現代の生成型AIパラダイムにおける重要な未解決課題を特定し、その能力、汎用性、信頼性をさらに向上するために取り組まなければならない。
論文 参考訳（メタデータ） (2024-02-28T15:19:33Z) - Artificial Intelligence in Sustainable Vertical Farming [0.0]
持続可能な垂直農業におけるAIの役割を包括的に探求する。
このレビューは、機械学習、コンピュータビジョン、IoT(Internet of Things)、ロボット工学を含む、AIアプリケーションの現状を合成する。
この影響は、経済的な可能性、環境への影響の低減、食料安全保障の向上など、効率の向上を超えて拡大している。
論文 参考訳（メタデータ） (2023-11-17T22:15:41Z) - Exploration with Principles for Diverse AI Supervision [88.61687950039662]
次世代の予測を用いた大規模トランスフォーマーのトレーニングは、AIの画期的な進歩を生み出した。
この生成AIアプローチは印象的な結果をもたらしたが、人間の監督に大きく依存している。
この人間の監視への強い依存は、AIイノベーションの進歩に重大なハードルをもたらす。
本稿では,高品質なトレーニングデータを自律的に生成することを目的とした,探索型AI(EAI)という新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2023-10-13T07:03:39Z) - Causal Reasoning: Charting a Revolutionary Course for Next-Generation
AI-Native Wireless Networks [63.246437631458356]
次世代無線ネットワーク(例:6G)は人工知能(AI)ネイティブである。
本稿では、新たな因果推論分野を基盤として、AIネイティブな無線ネットワークを構築するための新しいフレームワークを紹介する。
因果発見と表現によって対処できる無線ネットワークの課題をいくつか挙げる。
論文 参考訳（メタデータ） (2023-09-23T00:05:39Z) - The Future of Fundamental Science Led by Generative Closed-Loop
Artificial Intelligence [67.70415658080121]
機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。
AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。
ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
論文 参考訳（メタデータ） (2023-07-09T21:16:56Z) - ChatGPT-Like Large-Scale Foundation Models for Prognostics and Health
Management: A Survey and Roadmaps [8.62142522782743]
産業生産と設備整備において,PHM技術は重要な役割を担っている。
ChatGPTやDALLE-Eといった大規模ファンデーションモデル(LSF-Model)は、AIがAI-2.0の新しい時代に入ることを象徴している。
本稿では,LSFモデルの主要なコンポーネントと最新の開発について,体系的に解説する。
論文 参考訳（メタデータ） (2023-05-10T21:37:44Z) - AI Maintenance: A Robustness Perspective [91.28724422822003]
我々は、AIライフサイクルにおけるロバストネスの課題を強調し、自動車のメンテナンスに類似させることで、AIのメンテナンスを動機付ける。
本稿では,ロバストネスリスクの検出と軽減を目的としたAIモデル検査フレームワークを提案する。
我々のAIメンテナンスの提案は、AIライフサイクル全体を通して堅牢性評価、状態追跡、リスクスキャン、モデル硬化、規制を促進する。
論文 参考訳（メタデータ） (2023-01-08T15:02:38Z) - AI and the future of pharmaceutical research [0.0]
この論文は、医薬品のAIの継続的な革新は、これまで治療できなかった病気に対する安全で効果的な治療法の迅速な開発を可能にすると論じている。
業界はすでに、薬物分子発見時間の10倍削減などの結果を報告している。
この論文は、医薬品のAIに焦点をあてることによって、業界はもう一つの大きな破壊、すなわちオープンなデータ共有とコラボレーションに向けて軌道を踏み出した、と結論付けている。
論文 参考訳（メタデータ） (2021-06-25T17:56:36Z)
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。