最近「医療×AI」に興味がありますの第五弾。日本学術会議薬学委員会の分科会が開いたシンポジウムのまとめ本。講演内容の書籍化なので内容が重複している部分もありますが、IT×薬学の最前線が分かるのです。
↑気になったらここからポチっと(買ってくれるとお小遣いが入ります)↑
↓気になったらここからポチっと(買ってくれるとお小遣いが入ります)↓
↑気になったらここからポチっと(買ってくれるとお小遣いが入ります)↑
この本を読むとわかること
ITと創薬の融合
- 医薬品開発に多大なコストと時間がかかる理由
- 応用研究のむずかしさ
- 創薬ターゲットの枯渇
- 創薬の初期段階にコンピュータモデリング（優先度付け）を行うことの可能性
- コンピュータによる解析の精度を高めるのが困難な理由
- 低分子の創薬におけるインシリコスクリーニング・インシリコ創薬
- 体内・細胞内・試験管内で医薬品に起こる現象のモデル化
- 医薬品側の構造情報を基に機械学習を使うインフォマティクス的な手法
- たんぱく質の構造情報を基に医薬品との相互作用をシミュレーションするシミュレーション的手法
- 量子コンピューターによる創薬・AI創薬の可能性
- 高分子でできたバイオ医薬品の研究の進展
- 抗体分子を使った抗体医薬品
- 世界の売上トップ10のうち8つがバイオ医薬品
- 創薬上流における物性評価の重要性と、インシリコ技術の適用によるコンピュータ解析
- 創薬シードの探索における機械学習の導入
- コンピュータで化合物を生み出す3ステップ
- 臓器の「網羅的な遺伝子発現情報」をカタログするiOrgansテクノロジー
- iOrgansデータがもたらした成果
IT・ビッグデータへの創薬・医薬品適正使用への活用に向けた提言
- 創薬に役立つパブリックデータベース
- ゲノム・タンパク発現解析系データベース
- 薬剤とその反応解析系データベース
- 「死の谷」と呼ばれる治験Phase2での失敗理由
- 機械学習の導入によって期待できる効果
- 医療用ビッグデータとしての厚労省の「レセプト情報・特定健診等情報データベース（NDB）」
- 医療用ビッグデータとしての独立行政法人医薬品医療機器総合機構の「医療情報データベース（MID-NET）」
- 生命情報ビッグデータを使った薬剤の有効性の臨床前評価
- ビッグデータ創薬とAI創薬
- 創薬における深層学習の導入事例と概念
↓気になったらここからポチっと(買ってくれるとお小遣いが入ります)↓
