左图：麻省理工学院柯林斯教授。网络图片；正确的图片：麻省理工学院教授Collins团队成功地使用了AI开发了两种新的抗生素。 \网络图片在毒品协助的发展人工智能（AI）方面取得了新的成功。 AI技术有望通过有效的数据审查和准确的模型预测来减少一半的药物开发药物。 [TA如果PAO新闻]全球抗生素滥用问题是严重的，导致细菌在耐药细菌中出现。每年，全世界将近一百万人死于过多的细菌感染。 研究中，ai设计抗生素的方法：第一种是片段构建法，让，ai从数百万个化学片段中寻找有前景的起始点，然后进行构建；第二种是自由设计法，让ai从一开始就自由发挥，自主设计全新化合物。，此过程也不包括类似于现有抗生素的化合物，并确保该药物设计的药物对人类没有毒性。最后，团队合成了一些新毒品候选人，并在实验室和老鼠中尝试了它们。最后，他们发现两个新的反生物技术可以有效地杀死淋病和MRSA。研究人员说，最终的AI生成的化合物在结构上与任何现有抗生素和切实的“ 0到1”有所不同。麻省理工学院小组表示，AI可以询问研究和抗生素开发的“第二黄金时代”。研究人员说，尽管这些药物尚未准备用于临床试验，但在长期临床试验开始之前，预计将需要一到两年的时间才能精炼。人工智能在短时间内设计并证明了超过3600万种化合物的效率，这与人力资源无法媲美。目前，新成本的平均研发超过10亿美元，进入市场将需要十多年的时间。但是，AI可能会增加药物开发的时间，并通过有效的数据分析和准确的模型预测来减少所需的资源成本。波士顿咨询公司（Boston Consulting）最近发表的一项评论发现，至少有75个“ AI折扣药物”已有EntER临床测试，预计该数字将继续攀升。市场审查公司的数据显示，到2028年，AI将节省超过700亿美元的药物发现。目前缺乏数据和隐私保护是挑战，AI医学已成为AI应用程序的流行领域。例如，由Google DeepMind开发的称为“ Alphafold”的AI工具可以成功预测蛋白质的三维结构，并显着提高了药物发现的效率。 DeepMind创始人Hasabis和科学家Jiang Potu获得了2024年诺贝尔化学奖。 - 药物化合物的屏幕并预测蛋白质结构。 AI模型的训练数据有限。G非常困难的生物医学领域的AI模型数量非常困难。此外，不能忽略涉及生物医学数据的道德隐私问题。如何在保护患者的遗传隐私的同时更好地遵守数据使用已成为该行业可以轻松解决的主要问题。 （（综合报告）