加入我们
如果您相信科学能力的权力，请加入我们努力推动科学的界限，以提供菠菜网投注更改生命的药物。
数据科学与人工智能：
解锁新的科学见解
在As欧洲杯微信买球traZeneca，我们利用数据和技术来最大限度地发挥潜在新药的发现和交付时间。现在，我们正在嵌入我们研发的数据科学和人工智能（AI），使我们的科学家能够推动科学的界限，以提供更改生命的药物。
数据科学和AI有可能改变我们发现和开发新药物的方式 - 将昨天的科幻小说转向今天的现实，以实现创新科学将创新科学翻译成改变生命的药物
今天，我们正在生成并获得比以往更多的数据。事实上，在过去的两年里，在过去的两年里已经比在整个人类的历史中创造了更多的数据。但是，只有我们能够分析，解释和应用，才能实现此数据的价值。在我们的研发方面，我们正在使用AI来帮助我们解读这一丰富的信息，目的是：
•更好地了解我们想要治疗的疾病
•识别新型药物的新目标
•招募和设计更好的临床试验
•驾驶个性化医学策略
•加快我们设计，开发和制造新药物的方式
我们的科学家正在利用AI帮助重新定义医学科学，以寻求新的和更好的方法来发现，测试和加速明天的潜在药物。以下部分说明了数据科学和AI如何背后的一些故事开始对我们的研发努力产生影响。
将数据转化为知识
我们决心推进对癌症，呼吸道和心脏，肾病和代谢疾病等疾病的根本理解。因为通过学习什么原因或驱动疾病，我们希望找到新的方式来治疗，预防甚至治愈它们。
通过数据科学和AI，我们正在揭示新的生物洞察，以提高我们的研发生产力。例如，我们正在使用知识图表 - 基因，蛋白质，疾病和化合物等内容化科学数据事实的网络以及它们之间的关系 - 为科学家提供新的见解和帮助克服认知偏见。最近，我们将第一个AI生成的药物目标从我们的合作中选择了我们的投资组合Benevolentai。
数据科学和AI还可以帮助我们揭示我们基因中疾病的秘密。我们的基因组学研究中心在2026年之前正在努力分析高达200万个基因组。除了Crispr的基因编辑力旁边，删除基因组中的每个基因，以问那些基因在生物学中发挥的作用，Astazeneca科学家在我们的遗传制作中窥视欧洲杯微信买球-up帮助我们更好地了解疾病。
但是基因组的大规模意味着这些实验产生了巨大的数据量。数据科学和AI在工作中，帮助我们更快速准确地分析和解释数据。
预测下一个分子，以及如何制作它们
通过AI，我们有可能改变药用化学，以复杂的计算方法增强传统的药物设计，以预测下一个分子以及如何制造它们的分子
我们正在探索使用AI来帮助我们发现新药。我们认为它具有增加质量的潜力，并减少发现潜在药物候选人所需的时间。
这目前需要几年的详细科学研究;合成和测试数千分子以达到正确的药物性质。
AI正在转换这种冗长的过程 - 使我们能够快速生成分子的新颖思想，并使用基于现在可用的大数据集使用预测来制作和排列这些想法。
具有鉴定的有希望的分子，下一步骤是在实验室中合成分子。AI也开始在这里帮助 - 综合预测的科学是迅速发展的，我们很快就能使用AI帮助我们推断出在最短时间内制作分子的最佳方法。
我们将AI视为明天化学实验室的一个关键组成部分 - 不仅用于发现和制作新药，而是用于控制自动化，加快重复的生成，分析和测试高质量化合物。
使用AI快速，准确的图像分析
每周，我们的病理学家分析了我们研究研究的数百种组织样本。他们检查它们的疾病和生物标志物，可能表明患者最有可能回应我们的药物。它非常耗时，这就是为什么我们正在培训AI系统，以帮助病理学家准确地分析样品，更加毫不费力地分析样品。这有可能将分析时间减少超过30％。
对于我们的AI系统之一，我们实施了一种灵感的方法，由一些自驾车了解他们的环境。我们培训了AI系统以获得肿瘤细胞和免疫细胞的生物标志物，称为PD-L1，这具有有助于提供膀胱癌的免疫疗法的治疗决策。
我们的AI系统从组织样本看几千图像，有条不紊地检查每个用于PD-L1。它拯救了我们的病理学家时间，在困难的情况下特别有用。
通过数据科学和AI加速临床试验
随机临床试验（RCT）目前是在评估潜在的新药时制药的选择方法。但是，已发表的数据显示它们随着时间的推移而变得更加昂贵和复杂。
数据科学的进步可以帮助我们重新思考临床试验，加强目前的实践，并找到发现和开发潜在新药物的新方法。
例如，高质量的电子健康记录（EHRS）的快速采用代表了具有改善临床试验实施的巨大，丰富和高度相关的数据源。
联邦EHR技术正在解锁新的机会，以增强临床研究，改变我们进行临床试验的方式。该技术有可能改进或替换许多临床试验过程，包括患者鉴定，选择，试验行为和数据捕获。
我们还采用AI和机器学习工具从临床试验数据中收集更多价值。从历史上看，我们一直熟练使用试验中的数据来分析，解释和报告试验药物的安全性和疗效。但我们希望最大限度地提高我们已经收集的数据的价值。
数据重复使用可以帮助我们更好地设计我们的药物发展战略和计划。这可以帮助我们设计更智能的试验，加强我们的科学发现，最终，在未来，有可能帮助患者获得最佳治疗方法。
构建合适的数据骨干
今天，我们正在生成并获得比以往更多的数据。数据和分析有可能转变我们的业务，但只有在“公平” - 可找到的，可访问，可互操作和可重复使用的情况下，只能实现科学数据的真实价值。
欧洲杯微信买球AstraZeneca的研发和IT团体正在紧密地工作，以创造一个行业领先的企业数据和AI架构。这将有助于我们回答关键业务问题，并提高我们利用新工具和技术的能力，例如AI和机器学习，现在和未来。
我们还可以从公司中调动一支数据科学家，生物信息管理人员，数据工程师和机器学习专家，以确保我们以最佳方式收集，组织和使用正确的数据。
欧洲杯微信买球Astazeneca的道德数据和AI的原则
AI技术的快速发展使我们联系到未知的领土，公司和监管机构必须共同努力，以满足提出的新挑战。我们的原则将授权我们和我们的合作伙伴安全有效地导航这种新环境。通过鼓励创新和演变，同时保持我们的价值观，他们为维护我们的AI治理提供了一个长期的道德基础。
在2020年期间，我们在Astrazeneca内外，为Astrazeneca内部和外部的各种专家开发了道德数据和AI的原则，与我们的一致欧洲杯微信买球道德规范和价值观。这些价值适用于患者和员工，使AstraZeneca能够为社会做出积极的贡献。欧洲杯微信买球
通过AI专业知识推动科学界限
合作帮助回答AI的大问题
我们知道最好的科学并没有被隔离发生，这就是为什么我们合作和开放的门来燃料科学发现。
这剑桥中心为医学的AI，Astrazeneca，剑桥大学和GSK之间的合作欧洲杯微信买球将世界级学术界与现实世界的产业挑战相结合，旨在开发尖端AI来改变我们发现和开发药品的方式。
我们正在合作米拉魁北克人工智能研究所，推动医疗保健的艾美创新。合作汇集了AI的领先专家，以扩大思想，并使用先进的计算方法推动传统药物发现和发展的界限。
我们与Schrödinger的合作使用他们的先进计算平台，目的是加速药物发现。通过组合基于物理的建模和机器学习，我们将能够预测大型文库的潜在药物分子的亲和力，以鉴定合成和生物学测试的最高亲和力候选者。
我们加入了药物发现和合成（MLPDS）联盟的机器学习，具有麻省理工学院和其他一些制药公司的学术/行业联盟。联盟的目标是利用其成员的各自专门知识来设计和提供预测分子特性和合成路线以提高药物发现的速度和效率的软件工具。
我们是a的一部分制药，技术和学术合作伙伴的新联盟称为“Melloddy”（机器学习分类账分支编排，用于药物发现）。该项目旨在利用全球最大的小分子集合，具有已知的生化或细胞活动，以实现更准确的预测模型，并增加药物发现的效率。
我们与Benevolentai合作使用机器学习和AI发现慢性肾病（CKD）和特发性肺纤维化的潜在新药。通过将我们的疾病区域专业知识和大型数据集与Benevolentai领先的AI和机器学习能力相结合，我们正在转化药物发现，为患者带来至关重要的新治疗方法。由于该协作而导致的第一项新的AI生成的CKD治疗目标已进入我们的药物开发组合。
艾瑞森在一个独特的伙伴关系中汇集行业，学术界和公共部门，通过协作和跨行业共享加速应用AI研究和创新。
与我们合作
我们知道，无论如何创新我们的科学，无论多么有效我们的药物和交付，菠菜最稳定的平台实现我们想要实现的一切，我们不能独自完成。