| 董俊麟,喻谢安,李美芳,谭英,王平,王淑红,王冰.基于深度学习算法的多模态药品质量预测模型：机遇与挑战[J].中国药品标准,2026,27(3):245-250 |
| 基于深度学习算法的多模态药品质量预测模型：机遇与挑战 |
|
| |
| DOI：10.19778/j.chp.2026.03.003 |
| 中文关键词: 深度学习 质量控制 连续生产 数字化实验室 药物发现 |
| 英文关键词: |
| 基金项目: |
| 作者 | 单位 | | 董俊麟 | 深圳市药品质量标准研究重点实验室, 深圳市药品检验研究院科技标准研究所, 广东 深圳 518000； 清华大学深圳国际研究生院 生物医药与健康工程研究院, 广东 深圳 518071 | | 喻谢安 | 深圳市药品质量标准研究重点实验室, 深圳市药品检验研究院科技标准研究所, 广东 深圳 518000 | | 李美芳 | 深圳市药品质量标准研究重点实验室, 深圳市药品检验研究院科技标准研究所, 广东 深圳 518000 | | 谭英 | 清华大学深圳国际研究生院 生物医药与健康工程研究院,广东 深圳 518071 | | 王平 | 深圳市药品质量标准研究重点实验室, 深圳市药品检验研究院, 广东 深圳 518000 | | 王淑红 | 深圳市药品质量标准研究重点实验室, 深圳市药品检验研究院, 广东 深圳 518000 | | 王冰 | 深圳市药品质量标准研究重点实验室, 深圳市药品检验研究院, 广东 深圳 518000 |
|
| 摘要点击次数: 83 |
| 全文下载次数: 14 |
| 中文摘要: |
| 基于深度学习技术的计算生物学与计算化学正在重新定义药物研发全流程范式。在制药工业4.0的时代背景下，实现生产自动化和检验智能化，是质量控制实验室未来的转型方向。本文结合深度学习在药物研发领域中的多维度应用现状，探讨了多模态深度学习技术在药品质量大数据中的应用潜力，以适应连续制造工艺和实时生产监控的行业需求。同时还深入剖析了人工智能应用中的潜在挑战及可能的应对方案，从而为相关从业人员提供构建智能化质量控制体系的新思路。多模态深度学习结合边缘计算技术，将推动药品质量控制向“感知-决策-优化”病患模式发展，为制药行业新质生产力升级与药品安全提供关键技术支撑。 |
| 英文摘要: |
| |
|
查看/发表评论 下载PDF阅读器 |
| 关闭 |
|
|
|