选择正确的AI策略对于在药物研发过程中提供准确、及时且有影响力的研究成果至关重要。随着基础模型、生成式AI和实验室闭环系统技术的快速发展，建立稳健的工作流程和最佳实践比以往任何时候都更加重要。
即将举办的"AI驱动药物研发的最新进展"网络研讨会系列将汇集来自制药、生物技术和研究领域的领导者，分享他们在整个研发管线中实施AI、优化工作流程以及加速从概念到候选药物的实践经验。
请注意，注册该系列中的一个网络研讨会，即可自动获得后续所有网络研讨会的访问权限。
网络研讨会1：我们在AI驱动的药物与抗体研发革命中还有多远？
2026年4月14日（星期二）下午3点BST | 下午4点CEST | 上午10点ET
由Twist Bioscience赞助
AI正在改变我们理解疾病生物学和识别新药物靶点的方式。从基础模型到预测靶点的生成式AI，通过实验室闭环工作流程、高通量验证和可扩展的AI驱动实验，药物研发正在被重新构想。本次网络研讨会将探讨：
- "实验室闭环"模型如何重塑药物研发和实验工作流程？
- AI、自动化和高通量系统如何结合，大幅提高研发速度和规模？
- 成功转化AI所需的基石是什么：深入探讨数据、验证和协作。
演讲1：实现闭环实验室：在罗氏制药研究中实施MLOps
- 通过自动化加速药物研发：MLOps通过创建自动化管道来实现"实验室闭环"，这些管道可以摄取实验室数据、重新训练模型并建议后续实验。这一过程显著缩短了研究周期，帮助更快、更经济高效地识别更好、更安全的药物。
- 确保可靠性和可扩展性：该框架为数据和代码提供严格的版本控制和可追溯性，确保预测模型可重复且符合监管标准。它还管理必要的计算基础设施，以随着实验数据的增长而扩展。
- 促进协作创新：实施MLOps需要实验室科学家和计算专家之间的紧密合作，共同定义数据收集流程和预测解释。
Le (Muller) Mu，MLOps负责人，计算科学卓越中心，gRED，罗氏
演讲2：为AI驱动的抗体研发提供动力的高通量生态系统
- "实验室闭环"验证：通过高通量抗体生产和表征，快速从计算机设计过渡到湿实验室测试，以在几周而非几个月内验证AI输出。
- 探索高多样性序列空间：构建自定义变体库或使用Twist的全人类、经过验证的抗体库，探索抗体序列空间
Oren Beske，生物制品负责人，Twist Bioscience
演讲3：代理AI时代的功能基因组学
- AI是解锁阿斯利康独特且快速增长的无偏见多模态数据资产更大价值的关键
- 预测生物学控制下的实验室闭环。AI工具可以应用于构建功能基因组学工作流程所需的任何步骤，但需要识别预测生物学以最大化投资回报
- 我将讨论几个例子，说明我们如何使用AI从功能基因组学湿实验室能力中提取更大价值
Davide Gianni，高级总监，阿斯利康
网络研讨会2：AI如何帮助我们共同开发明日药物？
2026年4月21日（星期二）下午3点BST | 下午4点CEST | 上午10点ET
AI是贯穿整个药物研发管线的不可或缺的合作伙伴。从加速发现和蛋白质设计到实现对话式数据访问，以及通过AI驱动的毒理学提高安全性，研究人员正将人类专业知识与AI结合，做出更快、更明智的决策。这种不断发展、协作的方法有助于简化工作流程、降低风险，并最终加速从概念到候选药物的进程。
- 应用AI如何重塑药物研发管线的每个阶段，从发现到安全性评估？
- 要使复杂的生物医学数据真正可用于AI驱动的决策（例如，对话式AI和互操作性系统），需要什么条件？
- AI在哪些方面可以对成本、速度和风险降低产生最大影响，特别是在毒性等高失败率领域？
演讲1：应用AI在早期药物研发中——简化工作流程和加速科学发现
- AI工具整合到早期药物研发中——通用工具和更专业的工具
- 面向靶向药物发现的蛋白质设计中的应用AI
Lukas Westlake，高级研究科学家，阿斯利康
演讲2：药物研发中的对话式AI：前景、现实和所需条件
- 临床生物标志物和组学数据生态系统已经成熟，可以支持项目级决策——实现AI驱动的跨研究洞察需要将这些基础向更高标准化和互操作性发展。
- 本次演讲将概述实现对话式访问这些数据所需的条件：定义成功标准，使数据和元数据为AI做好准备，以及设计可扩展的基于代理的分析工作流程。
Ben Decato，计算生物学副董事，安进
演讲3：组织中的AI基础毒理学评估
- 毒性是药物研发中失败和成本的主要驱动因素，使其成为AI的高杠杆目标。
- 组织病理学异常检测的AI系统：在大量健康组织和常见病理上进行训练，同时通过OOD检测安全标记罕见或未见的毒性。
- 长期愿景：AI辅助病理学家提高探索性临床前毒理学研究的效率。
Fabian Heinemann，中央数据科学主管，勃林格殷格翰
网络研讨会3：小组讨论——超越试点：在药物研发中规模化应用AI
2026年4月28日（星期二）下午3点BST | 下午4点CEST | 上午10点ET
在多年试点和概念验证项目之后，制药公司现在面临着将AI嵌入整个研发过程以交付真正、可衡量影响的压力。但从实验到全面整合带来了基础设施、治理和跨职能协调方面的新挑战。
本次互动小组讨论将探讨在药物研发管线中真正实现AI业务化的条件，以及最大的机遇和障碍所在。我们将解决三个关键问题：
- 组织如何成功地将AI从孤立的试点扩展到全业务部署？
- 数据、基础设施和治理的基础是什么，以实现可持续实施？
- AI目前在发现、开发和决策中提供最有形价值的地方在哪里？
小组成员：
- Richard Hughes，副总裁，计算与结构科学主管，Bicycle Therapeutics
- Andy Nuzzo，计算生物学副董事，GSK
- Elif Ozkirimli，计算科学产品主管，罗氏
- Shivaprasad Patil，生物信息学与预测AI副董事，阿斯利康
【全文结束】