این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله دانشکده پزشکی اصفهان، جلد ۴۳، شماره ۸۱۳، صفحات ۴۵۱-۴۶۲
عنوان فارسی جایگاه هوش مصنوعی در علوم دارویی
چکیده فارسی مقاله مقاله مروری مقدمه: کشف و توسعه‌ی دارو جنبه‌های مختلف سلامت انسان را تحت تأثیر قرار می‌دهد و به طور چشمگیری بر بازار دارو تأثیر می‌گذارد. با این حال، سرمایه‌گذاری در یک داروی جدید اغلب به دلیل فرایند طولانی و پیچیده تحقیق و توسعه‌ی دارو یک چالش پیچیده و سخت است. روش‌ها: با پیشرفت تکنولوژی تجربی و سخت‌افزار کامپیوتر، هوش مصنوعی اخیراً به عنوان ابزاری پیشرو در تجزیه و تحلیل داده‌های فراوان و با ابعاد بالا ظاهر شده است. رشد انفجاری در اندازه داده‌های زیستی مزایایی را در به کارگیری هوش مصنوعی در تمام مراحل تحقیق و توسعه‌ی دارویی فراهم می‌کند. یافته‌ها: مشابه مدل یادگیری انسان، یادگیری ماشین و یادگیری عمیق می‌توانند به تدریج ویژگی‌های مختلف داده‌ها را تشخیص دهند و پارامترهای مدل خود را از طریق تکرارهای مداوم به روز کنند تا زمانی که یک مدل معتبر تشکیل شود. نتیجه‌گیری: این مقاله با مروری کوتاه بر مدل‌های رایج هوش مصنوعی در زمینه‌ی کشف دارو آغاز می‌شود. سپس، کاربردهای خاص آنها را در مراحل مختلف تحقیق و توسعه دارویی، مانند کشف هدف، کشف و طراحی دارو، تحقیقات پیش بالینی و تأثیرات در بازار دارویی، به طور خلاصه مورد بحث قرار می‌دهد. در نهایت، محدودیت‌های عمده‌ی هوش مصنوعی در تحقیق و توسعه‌ی دارویی مورد بحث قرار گرفته است.
کلیدواژه‌های فارسی مقاله طراحی دارو،هوش مصنوعی،یادگیری ماشین،یادگیری عمیق،
عنوان انگلیسی The Role of Artificial Intelligence in Pharmaceutical Sciences
چکیده انگلیسی مقاله Background: Drug discovery and development affects human health and the drug market. However, investing in a new drug is often a complex and difficult challenge due to the long and complex drug research and development process. Methods: With the advancement of experimental technology and computer hardware, artificial intelligence has recently emerged as a tool for analyzing abundant and high-dimensional data. Explosive growth in the size of biological data provides advantages in applying artificial intelligence in all stages of pharmaceutical research and development. Findings: Similar to human learning models, machine learning and deep learning can gradually recognize different features of data, and update their model parameters through continuous iterations until a valid model is formed. Conclusion: This article begins with a brief overview of common AI models in drug discovery. Then, it briefly discusses their specific applications in different drug research and development phases, such as target discovery, drug discovery and design, preclinical research, and effects on the drug market. Finally, major limitations of artificial intelligence in pharmaceutical research and development are discussed.
کلیدواژه‌های انگلیسی مقاله طراحی دارو,هوش مصنوعی,یادگیری ماشین,یادگیری عمیق
نویسندگان مقاله مرضیه ثنائی |
دکترای بیوتکنولوژی دارویی، گروه بیوتکنولوژی، دانشکده‌ی داروسازی، دانشگاه علوم پزشکی تهران، تهران، ایران

محمدابراهیم دلزنده ندامانی |
کارشناس ارشد مکاترونیک، دانشکده‌ی مکانیک، دانشگاه سمنان، سمنان، ایران

حمید باخرد |
دانشیار بیوتکنولوژی دارویی، گروه بیوتکنولوژی، دانشکده‌ی داروسازی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران

نشانی اینترنتی https://jims.mui.ac.ir/article_32959_4f1086acbd7a1bc41a1fae61c77e8a0d.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات