Struttura del corso
Introduzione all’intelligenza artificiale nella scoperta dei farmaci
- Panoramica sui tradizionali processi di scoperta farmaceutica.
- Il ruolo dell’AI nel rivoluzionare tali processi.
- Studi di caso: progetti riusciti nella scoperta di farmaci guidati dall’intelligenza artificiale.
Machine Learning per la modellazione molecolare
- Nozioni fondamentali sulla modellazione e simulazione molecolare.
- Applicazione del machine learning nella previsione delle proprietà molecolari.
- Costruzione di modelli predittivi per le interazioni tra farmaci e bersagli biologici.
Deep Learning per lo screening virtuale
- Introduzione alle tecniche di deep learning nel contesto della scoperta farmaceutica.
- Implementazione di reti neurali profonde nello screening virtuale dei composti.
- Studi di caso: applicazioni dell’AI allo screening virtuale da parte delle aziende farmaceutiche.
Intelligenza artificiale per l’ottimizzazione dei composti e la progettazione farmaceutica
- Metodi utili per ottimizzare i composti candidati.
- Impiego dell’AI nella previsione delle proprietà ADMET (assorbimento, distribuzione, metabolismo, escrezione e tossicità).
- Integrazione delle soluzioni basate sull’intelligenza artificiale nei flussi di lavoro della progettazione farmaceutica.
L’AI nelle sperimentazioni cliniche
- Funzioni dell’intelligenza artificiale nella pianificazione e gestione delle sperimentazioni cliniche.
- Utilizzo dei modelli AI per prevedere la risposta dei pazienti e gli effetti avversi.
- Studi di caso: impieghi pratici dell’intelligenza artificiale nelle sperimentazioni cliniche.
Aspetti etici e sfide nella scoperta farmaceutica guidata dall’AI
- Questioni etiche connesse all’uso dell’intelligenza artificiale in questo settore.
- Criticità legate alla privacy dei dati, ai pregiudizi algoritmici e all’interpretabilità dei modelli.
- Strategie utili per affrontare tali problematiche etiche e normative.
Sintesi finale e prospettive future
Requisiti
- Conoscenza dei processi di scoperta e sviluppo farmaceutico.
- Esperienza nella programmazione con Python.
- Familiarità con i concetti fondamentali del machine learning.
Destinatari
- Scienziati farmaceutici.
- Specialisti in intelligenza artificiale.
- Ricercatori del settore biotecnologico.
Recensioni (2)
Il corso di formazione era organizzato e ben pianificato, ed è stato un'occasione per acquisire conoscenze sistematiche e una panoramica approfondita dei temi trattati.
Magdalena - Samsung Electronics Polska Sp. z o.o.
Corso - Deep Learning with TensorFlow 2
Traduzione automatica
Mi è davvero piaciuta la parte finale in cui abbiamo avuto il tempo di esplorare CHAT GPT. La sala non era impostata nel modo migliore per questo - sarebbe stato utile avere alcune piccole tavole invece di una grande, così da poter formare gruppi più piccoli e fare brainstorming.
Nola - Laramie County Community College
Corso - Artificial Intelligence (AI) Overview
Traduzione automatica
