[논문 리뷰] The Role of AI in Drug Discovery: Challenges, Opportunities, and Strategies

Alexandre Blanco-González, Alfonso Cabezon외 5명|arXiv (Cornell University)|2022. 12. 08.

Machine Learning in Materials Science인용 수 44

한 줄 요약

이 논문은 AI가 약물 발견을 어떻게 혁신할 수 있는지 검토하며, 이점, 도전 과제, 윤리적 우려를 요약하고 데이터 증강 및 설명 가능한 AI와 같은 전략, 그리고 실험적 방법과의 통합을 다룬다.

ABSTRACT

Artificial intelligence (AI) has the potential to revolutionize the drug discovery process, offering improved efficiency, accuracy, and speed. However, the successful application of AI is dependent on the availability of high-quality data, the addressing of ethical concerns, and the recognition of the limitations of AI-based approaches. In this article, the benefits, challenges and drawbacks of AI in this field are reviewed, and possible strategies and approaches for overcoming the present obstacles are proposed. The use of data augmentation, explainable AI, and the integration of AI with traditional experimental methods, as well as the potential advantages of AI in pharmaceutical research are also discussed. Overall, this review highlights the potential of AI in drug discovery and provides insights into the challenges and opportunities for realizing its potential in this field. Note from the human-authors: This article was created to test the ability of ChatGPT, a chatbot based on the GPT-3.5 language model, to assist human authors in writing review articles. The text generated by the AI following our instructions (see Supporting Information) was used as a starting point, and its ability to automatically generate content was evaluated. After conducting a thorough review, human authors practically rewrote the manuscript, striving to maintain a balance between the original proposal and scientific criteria. The advantages and limitations of using AI for this purpose are discussed in the last section.

연구 동기 및 목표

• AI가 약물 발견의 효율성, 정확성, 속도를 향상시킬 수 있는지 평가한다.
• 데이터 관련, 윤리적, 방법론적 도전이 AI 배치를 방해하는 요인을 식별한다.
• 데이터 증강 및 설명 가능한 AI와 같은 전략을 포함하여 장애물을 극복하는 방법을 논의한다.
• 제약 산업 연구에서 AI를 기존의 실험적 워크플로우와 통합하는 것을 탐구한다.

제안 방법

• 약물 발견에서의 AI의 이점, 도전 과제 및 단점에 대한 문헌 고찰이다.
• 데이터 품질, 윤리적 고려사항, AI의 한계에 대해 논의한다.
• 데이터 증강, 설명 가능한 AI, 그리고 AI–실험 통합과 같은 전략을 제안한다.

실험 결과

연구 질문

• RQ1 AI를 신약 발견에 적용할 때의 잠재적 이점과 한계는 무엇인가?
• RQ2 효과적인 AI 배치를 위해 해결해야 할 데이터 관련 및 윤리적 과제는 무엇인가?
• RQ3 현실적인 장애물을 극복할 수 있는 전략은 무엇인가(예: 데이터 증강, 설명 가능한 AI, 실험과의 통합)?

주요 결과

• AI는 신약 발견의 효율성, 정확성, 속도 향상 가능성이 있다.
• 고품질 데이터 확보와 윤리적 우려를 해결하는 것이 성공적인 AI 배치의 핵심이다.
• AI는 가치를 극대화하기 위해 전통적인 실험 방법과 통합되어야 한다.
• 데이터 증강 및 설명 가능한 AI와 같은 전략이 장애물을 극복하는 방안으로 논의된다.
• 작문 및 연구 보조를 위한 AI 사용의 장점과 한계에 대해 논의된다.
• 연구는 AI 생성 콘텐츠와 인간 과학적 기준 사이의 균형 잡힌 접근을 강조한다.