Artificial Intelligence in Drug Discovery and Development: Raising Quality per Decision

Furukawa S et al.

药物发现与开发中的人工智能：提升每一次决策的质量

药物研发始终面临研发周期漫长、成本不断攀升以及高淘汰率等挑战。在本篇叙述性综述中，作者整合了人工智能在靶点识别、药物再利用、从头分子设计、结构生物学、安全性预测以及人工智能支持的临床开发等方面的最新进展，并将这些创新与不断演变的全球监管框架相结合进行讨论。

Blocking the Reflection: Milestones and Hurdles for Digital Twins in Mental Health

Verhees F et al.

阻断镜像：心理健康数字孪生的发展里程碑与挑战

本文简要回顾了人工智能在心理健康领域相关概念的历史演变及重要里程碑，并概述了当前基于人工智能的临床决策支持系统、监测工具及治疗应用的发展现状。作者进一步阐述了这些技术如何整合进大型行为模型之中，而这一整合被视为实现数字孪生的最新前提条件；同时，也将这一进展与真正实现数字孪生临床价值所面临的重大挑战进行对照分析。这些挑战涵盖数据质量、监管合规、用户参与以及公众信任等多个方面。针对其中部分问题，本文亦提出了相应的缓解策略。

Ensemble Machine Learning Model for Real-Time Valproic Acid Prediction in Epilepsy Treatment

Xie J et al.

用于癫痫治疗中丙戊酸实时预测的集成机器学习模型

本研究旨在通过机器学习建立一种最优预测模型，用于预测丙戊酸（VPA）血药浓度，以确保其血浆浓度维持在有效治疗范围内，从而实现对患者癫痫的有效控制。