智能应用 影音
云达科技
TXOne

改善既有制药AI Hacarus让处理加速56倍

改善既有制药AI Hacarus让处理加速56倍

三菱集团(Mitsubishi)旗下药厂田边三菱制药(Mitsubishi Tanabe Pharma)针对既有药品AI的不足,与日本AI新创Hacarus合作,宣布改良AI学习效率成功,将2020年新药选别还要耗时15~40分钟的AI,在2021年加速到16秒完成,等于加速56~150倍。

根据田边三菱制药与Hacarus说法,双方合作计划引进基于套索计算法(LASSO)的Sparse Modeling技术、不仅让药物选别的速度提高至少56倍,进行新药研究学习时需要的样本数减为原本的0.1~1%,更重要的是克服现在AI的一个瓶颈─黑箱作业。

学习的问题之一在不知道AI对数据的分类诠释是否有误,IT业都担心这点,医药与法律业界就更不用说。Hacarus让AI学习历程与选别基准能自动以简单的图形化方式说明,是克服黑箱疑虑的利器。

日本药厂因资金规模远不及欧美大型制药企业,在2010年代将未来竞争力押宝在AI带动的新时代材料与制药科技MI,现在已有一定成果,但日本药厂仍认为学习与处理速度不足,需要改进。

学习速度方面,药物的AI学习至少可分成2个层面,首先是药物本身的化学反应,其次是药物与人体作用的生理反应。

完全天然生成的新药已经很罕见,现在新药都要提炼制备,而且很少病患仅摄取单一药物,所以MI不只是研究药物主要化学品的化学反应,还要研究制造保存过程以及医师药师处方与其他药物搭配时,可能产生怎样的反应,这方面三菱田边制药已动员专家学者建立数据库,但速度仍不能令该厂满意。

另一方面,每个人都是独一无二个体这句话在医药上的意义,就是每个人用药后会有的生化反应都不同,这就需要大量病患数据让AI学习;问题在基于个资法,个人医疗数据须保密,影响药厂取得的学习数据数量,同样影响AI学习能力,也影响AI进行药物研究与选别时的处理速度。

因此,Hacarus的Sparse Modeling减少学习所需病患样本数,特别是提高学习精度所需的失败样本数,就成为日本药厂的重点技术。

  •     按赞加入DIGITIMES智能医疗粉丝团
更多关键字报导: 日本 药厂 三菱 AI