AB Data

最重要的是，云优先模型可以帮助简化药物发现中的 AI/ML 生命周期。



用于计算机药物发现的数据收集范围非常广泛，从序列数据到临床数据，再到真实世界数据 (RWD)，再到来自科学测试的非结构化数据。制药大数据的多样性和分布式特性通常对数据采集和集成构成重大挑战。基于云的数据管理解决方案的弹性和可扩展性有助于简化访问并更有效地集成数据。



在数据预处理阶段，基于云的解决方案可以简化端到端管道/工作流的开发和部署，并提高透明度、可重复性和可扩展性。此外，一些公共云服务提供大数据预处理和分析服务。



本地解决方案是 AI 驱动的药物发现中模型训练和验证的常用方法。除了前期资本支出和持续维护成本外，这种方法还会影响解决方案在组织整个研究团队中的可扩展性，导致长时间等待和生产力损失。另一方面，云平台可以立即为用户提供运行工作负载所需的适量资源。



最后，确保最终 巴林手机数据 用户可以访问已开发的 AI 模型是 ML 生命周期中最关键的阶段。除了模型的验证和版本控制之外，模型管理和服务还必须满足几个更广泛的要求，例如弹性和可扩展性，以及特定因素，例如访问控制、隐私、可审计性和治理。大多数云服务都提供用于服务和发布 ML 模型的生产级解决方案。


根据 2022 年的市场报告，全球计算机模拟药物发现领域对云端技术的日益使用预计将在 2021 年至 2030 年期间推动该领域以近 11% 的复合年增长率增长，其中 SaaS 领域预计将以与大盘相同的速度发展最快。



另一份报告显示，制药公司越来越多地采用基于云的应用程序和服务，预计将推动人工智能在药物研发市场中的应用，到 2026 年复合年增长率为 30%，达到 29.9 亿美元。