​​​​​​​​​​​​摘要：近期，中科院上海药物所、上海科技大学联合华为云医疗智能体团队，在 Science China Life Sciences 发表题为“Facing Small and Biased Data Dilemma in Drug Discovery with Enhanced Federated Learning Approaches”的文章。

 

本文分享自华为云社区《中科院上海药物所/上海科技大学、华为云联合团队发布个性化联邦学习算法框架，赋能AI药物研发》，作者： 华为云头条 。文章来源：中国科学杂志社

 

药物研发是一个漫长的过程，传统的药物研发需要投入大量的研发人员，并且花费十到十五年，数十亿美元的研发经费才能使一个药物走向上市。近些年来，随着 AI、大数据和云计算等技术的发展，越来越多的制药公司和科技巨头把目光投到这一领域。然而 AI 药物研发面临着一系列困难和挑战，AI 模型需要大量的数据进行建模，而药物研发数据的高壁垒、高成本、高机密性影响到了制药公司数据贡献的积极性。同时，数据孤岛现象普遍存在，很多企业内部的数据都是量少而且高度有偏的，这给高质量的 AI 药物研发模型带来很大的挑战。近年来新兴的联邦学习可以很好的解决这个问题。联邦学习本质上是一种分布式机器学习技术，其目标是在保证数据隐私安全合规的基础上，实现共同建模。在联邦学习框架下，多家药企之间无需共享数据，仅通过共享模型权重，来实现药企之间协同训练，在保证数据安全的同时彼此增强 AI 模型的效果。

个性化联邦学习算法框架发布，赋能 AI 药物研发_药物研发

更多文章请关注《万象专栏》