APPRENDIMENTO PROFONDO NEL MERCATO DELLA SCOPERTA E DIAGNOSTICA DELLA DROGA ANALYSIS

Deep learning è machine learning che analizza grandi volumi di dati etichettati e non etichettati insieme a dati multidimensionali e complessi con modelli non banali. È destinato ad essere un sostituto per l'ingegneria delle funzioni manuali con l'apprendimento delle funzioni non supervisionate. L'afflusso massiccio di dati multimodalità negli ultimi tempi richiede inoltre l'uso di intelligenza artificiale per l'analisi dei dati nei sistemi di informazione sanitaria. Questo a sua volta ha spinto l'aumento nella distribuzione della generazione di modelli basati su dati analitici, che si basano sull'apprendimento automatico in informatica sanitaria. Questo dovrebbe essere uno dei fattori vitali che sostengono la crescita dell'apprendimento profondo nella scoperta della droga e nel mercato diagnostico nel prossimo futuro. Apprendimento profondo nella scoperta della droga e nel mercato diagnostico è una prossima tecnica profondamente radicata nelle reti neurali artificiali e si prevede di ottenere trazione nel prossimo futuro. Si prevede di evolversi come un importante strumento di apprendimento profondo sul sistema di informazione sanitaria e sarebbe utilizzato per ristrutturare il futuro del settore sanitario e dell'intelligenza artificiale. Gli sviluppi rapidi delle operazioni basate su computer e l'archiviazione efficiente e rapida dei dati contribuiscono anche all'assorbimento rapido della tecnologia. La tecnica genera automaticamente le caratteristiche di alto livello ottimali con l'interpretazione semantica efficace dei dati di input, che si prevede di sostenere la crescita di deep learning nella scoperta della droga e nel mercato della diagnostica nel periodo previsto (2016–2024).

Apprendimento profondo nella scoperta della droga e la tassonomia del mercato diagnostico:

Per applicazione

• Droga Discovery
• Diagnostica
• Interventi forensi
• Altri

Industria end-use

• Aziende farmaceutiche
• Aziende Biotecnologie
• Organizzazioni di ricerca
• Salute IT

L'offerta di ridurre l'intervallo di tempo nella scoperta della droga dovrebbe sostenere la crescita dell'apprendimento profondo nel mercato della scoperta e della diagnostica della droga:

Convenzionalmente, la scoperta della droga e lo sviluppo della droga è stato considerato un processo complesso e di consumo di tempo. Vari approcci analitici sono stati utilizzati per ulteriori sviluppi. Ultimi metodi come l'estrazione dei dati, la modellazione dell'omologia, l'apprendimento delle macchine convenzionali e la sua tecnica di ramo biologicamente ispirata, l'apprendimento profondo sono le fonti per i metodi di scoperta della droga di nuova generazione. Il motivo sopra citato è previsto per alimentare il tasso di crescita di deep learning nella scoperta della droga e nel mercato diagnostico. Inoltre, le organizzazioni di scienze della salute e della vita stanno sfruttando l'intelligenza artificiale e l'approccio di apprendimento profondo per migliorare il loro portafoglio di prodotti.

Le aziende farmaceutiche e altri produttori di droga si concentrano sull'integrazione nell'apprendimento profondo nella scoperta e nella diagnostica della droga per introdurre nuovi trattamenti per affrontare efficacemente il crescente peso delle malattie. Ciò contribuirà a garantire che i potenziali farmaci attacchino la fonte di qualsiasi disturbo insieme alla soddisfazione di vincoli metabolici e tossici restrittivi. Come accennato in precedenza, la scoperta della droga comporta un investimento significativo di tempo e risorse, e il risultato è piuttosto incerto. L'apprendimento approfondito nella scoperta e nella diagnostica della droga svolge un ruolo fondamentale nell'aumento della probabilità di ottenere un risultato positivo. Questo dovrebbe essere un driver cruciale per l'apprendimento profondo nel mercato della scoperta e della diagnostica della droga nel periodo di previsione.

Rise in numero di applicazione è previsto per favorire la crescita dell'apprendimento profondo nella scoperta della droga e nel mercato diagnostico:

L'apprendimento profondo globale nel mercato della scoperta e della diagnostica della droga è consolidato, con i principali attori che tengono la quota massima a causa della loro vasta esperienza in materia di intelligenza artificiale, raggiunto attraverso diversi anni di studi intensivi. I giocatori del mercato stanno sviluppando nuove tecniche per comprendere la natura dei biomarcatori diagnostici e la scoperta della droga attraverso la spesa principale per la R&D. Ad esempio, Google Inc. sta facendo notevoli instradamenti nella migliore comprensione delle abitudini di salute e benessere quotidiane per raggiungere le preoccupazioni sanitarie globali nel modo migliore possibile.

I giocatori chiave che operano nell'apprendimento approfondito nel mercato della scoperta e della diagnostica della droga includono Google Inc., IBM Corp., Microsoft Corporation, Qualcomm Technologies, Inc., General Vision Inc., Insilico Medicine, Inc., NVIDIA Corporation, Zebra Medical Vision, Inc., Enlitic, Ginger.io, MedAware e Lumiata.

Sviluppo chiave

Le attività di ricerca e sviluppo relative all'apprendimento approfondito nella scoperta e nella diagnostica della droga dovrebbero aumentare la crescita del mercato. Ad esempio, il 2 settembre 2019, Insilico Medicine Hong Kong Ltd. ha riferito lo sviluppo di un modello generativo profondo, l'apprendimento di rinforzo tensoriale generativo (GENTRL), per il design di piccole molecole de novo. GENTRL è stato usato per scoprire potenti inibitori del recettore di dominio discoidin 1 (DDR1), un bersaglio di chinasi implicato in fibrosi e altre malattie, in 21 giorni.

I principali attori del mercato si concentrano sull'adozione di strategie di collaborazione e di partenariato per entrare nel mercato emergente. Ad esempio, nel mese di febbraio 2019, Juvenescence AI, Ltd., una società di sviluppo della droga incentrata sulla lotta contro l'invecchiamento e le malattie legate all'età, ha collaborato con NetraMark Corp., una società che utilizza algoritmi di machine learning per ridisegnare farmaci inadeguati, per formare una joint venture, NetraPharma.

I principali operatori del mercato si concentrano anche sulla raccolta di fondi per sostenere lo sviluppo del loro prodotto. Ad esempio, nel mese di agosto 2019, Verisim Life, Inc., una startup di biotecnologie basata sugli Stati Uniti che utilizza biosimulations alimentati da AI per sostituire i test di droga animale, ha annunciato che ha raccolto 5,2 milioni di dollari in un giro di finanziamenti guidato da Serra Ventures e OCA Ventures.