理工酷

AI 制药行业是人工智能技术和生物制药领域的深度交叉。 由于需要信息技术人才与生物制药人才的协同创新， 这无疑增加了 AI 制药领域的创新门槛。在人才储备上，AI 制药企业一方面会储备计算所需要的计算生物学、计算化学、 AI 算法设计等背景的人才，另一方面也会广泛引入药剂学、药物临床试验和临床医学等方面的人才。同时，拥有算法和药物研发复合背景的人才更是成为市场上的稀缺资源。

在技术层面，如何理解 AI 制药结果的确定性正成为判断 AI 制药公司成长潜力的关键部分。人工智能技术本身更像一个”黑箱“，许多技术细节难以解释，这与生物制药这一具有高严谨性高确定性要求的领域产生了矛盾。对于 AI 制药技术来说， 要判断其确定性，除了要追踪其前期模型结果产出环节的历史精准度，后期对于决策证据的可靠性论证以及对结果的确定性验证是更为关键的部分。目前人工智能的各种细分技术例如监督学习、无监督学习、增强学习等已经深入到药物研发的各个环节。针对不同方向的各类模型准确性判定方式也略有差异。

发布单位：CBInsights