机器学习和AI.在寻找疾病目标中发现新用途，以及进一步估计，如果药物可能会根据研究人员在加利福尼亚大学医学院雇用的新方法。
重要的是，该发现可以衡量地改变研究人员过滤大数据的方式，以获得有意义的患者，制药行业和国家公共卫生保健系统的益处。
事实上，制药和生物技术公司和学术组织可以获得无限量的大数据和改进的工具比以往任何时候都要检查这些数据。然而，尽管技术的这种显着进展，但是，今天，目前，药物发现的成功率低于20世纪70年代188体育投注登录。
原因是少数。首先，对临床前近亲模型完全良好的药物不转化为诊所的患者，其中疾病的个人和性质是独一无二的。这种现实患者结果的变异性据信涉及任何药物发现倡议的脆弱性。
同时，对于研究来说，研究团队用两种新方法取代了临床前药物发现的第一步。这两种方法结合了几个研究学科，为生命科学和技术的进步创造了新的解决方案，从而提高人类健康。188体育投注登录
建立假设，研究团队使用炎症性肠病疾病模型。特征性地，炎症性肠疾病是复合物，其特征在于肠内衬里的炎症。由于炎症性肠病影响所有年龄组并降低患者的生活质量，因此它是药物发现的优先疾病区域，并且由于没有两名患者的表现而挑战。
