文献

J-GLOBAL ID：202202257439319257   整理番号：22A1088940

悪性疾患における薬物相乗作用の予測のための人工知能技術:過去,現在,未来【JST・京大機械翻訳】

Artificial intelligence techniques for prediction of drug synergy in malignant diseases: Past, present, and future

著者 (3件)： Rani Pooja (Computer Science and Engineering Department, National Institute of Technology, Hamirpur, HP, 177005, India) ,  Dutta Kamlesh (Computer Science and Engineering Department, National Institute of Technology, Hamirpur, HP, 177005, India) ,  Kumar Vijay (Computer Science and Engineering Department, National Institute of Technology, Hamirpur, HP, 177005, India)
資料名： Computers in Biology and Medicine  (Computers in Biology and Medicine)
巻： 144  ページ： Null  発行年： 2022年 
JST資料番号： E0858A  ISSN： 0010-4825  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 近年,開発,設計および予測を含む課題に対する人工知能の応用および受容への関心が高まっている。人工知能は,世界を見る方法を変えるだけでなく,問題解決のための新たな道筋を提供した。これは,技術の進歩,種々のフォーマットで生成された大量のデータの利用可能性,GPUsとTPUの形での計算能力の増加のアベイラビリティ,およびコストの削減によって可能になった。医学におけるAIの適用の利点は,多くの研究所,病院,および製薬会社からの進行中の研究によって,長い間認識されてきた。悪性疾患における薬物相乗作用予測はAIブレークスルーからかなり恩恵を受ける問題領域の1例である。伝統的に,実験方法による悪性疾患に対する相乗的薬物組合せを見つけることは,試験中に得られる可能性があるので,ほとんど成功していないが,時間にわたる薬物耐性の開発により実際の治療中に達成できない可能性がある。実験技術は,時間がかかり,高価であるため,限られた数の薬剤のみに使用できる。すべての必要な薬剤の組み合わせのスクリーニングは,限られた資源のために非現実的である。本研究の目的は,深部学習モデルを用いた悪性疾患における薬物相乗作用予測に重点を置いて,AI応用の過去,現在,および将来を展望することである。本論文では,AI技術を適用するための将来の研究方向と課題と同様に,薬物相乗作用を予測するためのAI利用の利点を論じた。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習モデル ,  研究所 ,  データ ,  問題解決 ,  予測 ,  ニューラルネットワーク ,  *相乗作用 ,  *薬物 ,  薬物耐性 ,  利用 ,  計算 ,  アベイラビリティ ,  *人工知能 ,  *悪性疾患 ,  機械学習
準シソーラス用語： 深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 薬物相乗作用予測 ,  深層学習 ,  薬物の組合せ ,  ニューラルネットワーク ,  悪性疾患

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 悪性疾患 ,  薬物相乗作用 ,  予測 ,  人工知能技術 ,  未来