上体现得同样明显。
,希望探索出一条新的发展之路。
01
何谓生命科学产业?
虽然具体又细分为生物信息学、药妆品、食品加工和营养品等业务子项,但生命科学一般可分为四大主体领域:
药品——通过化学研究和合成工艺制造药品。
生物技术——利用微生物和植物等生物体开发产品(例如酿酒)。
医疗设备——通过仪器、设备、植入物、机器甚至是某些软件来治疗疾病。
CRO/CMO——以外包服务的形式为各类生命科学公司提供支持。
02
制药:以更低成本快速发现重要药物
总结来讲,AI及其技术子集在生命科学中的主要应用包括:
搜索并分类数据,以寻求可能的新药(药物发现)。
在对志愿者开展测试之前,通过深度学习确定新药对人体的潜在影响。
为临床试验寻找最佳受试者。
新药研发是一个缓慢且成本极高的过程,而且失败概率巨大。如今,AI已经被用于降低研发成本、提高研发成功率,同时更安全地推进整个探索流程。
03
生物技术:实现风险可控
AI在制药领域的应用也大多适用于生物技术,具体包括大规模数据分析、模拟新产品效果、以及管理临床试验数据。本轮新冠疫情下,已经有一款疫苗的快速研发源自AI技术的有力支持。
例如:
通过转基因细菌制造人工胰岛素。
饲养经过 CRISPR基因编辑的动物,为患有糖尿病和心力衰竭的病人提供移植器官。
培育抗病作物。
通过基因编辑提高奶牛产奶量。
通过改造原料和微生物特性研发新的酒水品类。
从大豆等作物中提取生物燃料。
由于同生物相关,人们更担心技术失控问题。转基因微生物很可能会持续变异并引发负面影响,转基因生物同理。因此,机器智能必须能够对动物的育种记录进行深入分析,并在分子层面设计出虚拟测试以最大限度降低此类风险。
04
医疗设备:数据管理
如今的医疗设备早已脱离了普通人所能想象的范畴。X光机和CAT扫描仪等已经能够拍下清晰详尽的体内图像,以供放射科医师进行诊断。医院的ICU监控系统,能够为危重病人提供24/8全天候监控。现在的可穿戴设备,也让患者能够在家中通过医用平板电脑,监测自己的健康状况,同时将各项指标实时传输至几公里之外的医疗诊所。
医疗设备制造商开始寄希望于AI技术。例如,先进的AI系统,可以帮助医生监测并管理糖尿病患者的胰岛素用量,或者帮助放射科医生从大量X光片中快速发现肿瘤迹象。
制造商们还希望借AI之力加快开发速度、降低开发成本,并以类似于制药和生物技术的应用方式提高产品的审批成功率。美敦力公司数据科学总监Toddy Morley在采访中就强调,“我们预计AI技术将广泛应用于制造业,也包括我们的供应链。几十年以来,产业工程师一直在制造业中运用统计学方法。然而,随着低成本传感器的全面普及和融合,丰富计算资源的出现,深度学习和图形建模等强大功能的面世,以及愈发准确可靠的AI方法,共同给制造业中的AI应用创造了新的商业机遇。”
05
CRO / CMO / CDMO:伸出援手
尽管实力雄厚,但他们在产品的开发和制造层面也面临着各自的难题。
。
则可以把部分业务战略性外包,更有效地利用自有资产。
06
写在最后
。随着海量数据的涌入,他们正在积极拥抱人工智能与机器学习,希望全面简化从数据挖掘到制造流程的整个业务链条。
[编者按] 海外来电是科技行者旗下编译团队,聚焦海外新技术、新观点、新风向。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。