基于人工智能的解决方案对生活的各个领域都做出了有效贡献。特别是在医疗保健领域，由于其处于技术焦点的关键位置，一直与人工智能保持着密切的关系。在此背景下，作为人工智能当前达到的水平，深度学习在医疗保健应用方面以其里程碑式的解决方案脱颖而出——甚至在二十一世纪第一个季度结束之前。特别是，高性能疾病检测、机器人辅助手术、早期癌症诊断和药物发现解决方案，这些推动人机比较的解决方案已将医疗保健中的深度学习解决方案推向了轰动性的高度（Douissard等，2019；Huang等，2023；Li等，2019；Morris等，2023；Nag等，2022；Shen等，2019）。在这些解决方案中，处于抗病斗争中心的药物发现研究近年来获得了更多动力。动态疾病、药物开发中对快速有效结果的需求、经济原因，甚至从COVID-19疫情中吸取的教训，都成为了深度学习药物发现研究的催化剂（Bano等，2023；Floresta等，2022；Kumar等，2022；Luo等，2022；Subbiah，2023）。
新药的发现和开发被认为是一个耗时多年且成本极高的过程（Chan等，2019；Çelik等，2021）。研究表明，药物发现的研发支出平均高达28亿美元，整个开发过程平均需要12-14年（DiMasi等，2016；Lim，2023；Sarkar等，2023；Wouters等，2020；Chang等，2023）。获得一种可用药物需要考虑生物生命中的各种障碍、可能的差异、药物成分之间的相互作用，以及大量并不总是成功的临床试验（Bruno等，2019；Lo等，2019）。在这方面，作为人工智能特有的深度学习已成为一种在时间、成本和成功率方面优于传统解决方案的工具（Chen等，2018；Çelik等，2021；Schneider等，2020）。得益于深度学习技术，可以更有效地分析导致药物发现的数据模式；因此，疫苗开发过程得到了支持（Yang等，2021），甚至实现了解决蛋白质结构预测问题等显著发展（Service，2020）。结果，制药公司正在向人工智能应用转变，并预计到2024年市场规模将达到50亿美元的人工智能将在重塑健康和药理学领域发挥重要作用（Sarkar等，2023）。
【全文结束】