摘要：药物开发成本持续攀升,人们亟需有效降低风险、时间、成本和资源投入的新药物研究方法。后基因组时代大量丰富可获取的生物数据,极大促进了人工智能方法应用于药物研发领域,如药物靶标发现与确认、虚拟筛选、从头药物设计、ADMET性质预测等。本文旨在捕捉药物研发流程中一些重要的人工智能药物研发相关技术模型和学习范式,阐述其优势和局限性,并对未来药物发现进行展望。最后,在人工智能模型的可解释性、数据要求、可重复性、建模挑战等方面提出了具体意见,期望能为人工智能从药物靶标发现到临床前研究整个药物研发流程赋能,缩短药物的研发周期,提高新药发现效率。

摘要：目的:为智能医疗的网络问诊设计一个前端任务模块,对互联网真实医患对话文本进行自动标注研究,探索识别对话实体阴阳性准确率较高的方法。方法:对医患对话真实文本特点进行分析,选取BERT及BERT-WWM对医患对话真实文本中的实体进行嵌入向量化,再通过语义信息获取,最终对实体属性进行分类和计算,自动标注其阴阳性。结果:实验结果表明BERT-WWM在处理中文对话的实体分类标注时优于BERT约16%。结论:优先选择全词掩码,以单元(Unit)来替代以字为单位的掩码对医学类实体进行分类和标注,可大大提高原模型的准确度。