Schulungsübersicht
Einführung in den Einsatz von KI bei der Arzneimittelforschung
- Überblick über klassische Verfahren zur Arzneimittelentwicklung
- Der Beitrag von KI zur Revolutionierung der Arzneimittelentwicklung
- Fallbeispiele erfolgreicher KI-gestützter Projekte in der Arzneimittelforschung
Maschinelles Lernen bei der molekularen Modellierung
- Grundlagen der molekularen Modellierung und Simulationen
- Einsatz maschineller Lernalgorithmen zur Vorhersage von Moleküleigenschaften
- Erstellung vorhersagekräftiger Modelle für Wechselwirkungen zwischen Arzneimitteln und Zielstrukturen
Tiefe Lernverfahren im virtuellen Screening
- Grundlagen tiefen lernbasieter Ansätze in der Arzneimittelforschung
- Umsetzung tiefer neuronaler Netze für virtuelle Screenings
- Fallbeispiele: Einsatz KI-gestützter Verfahren zur virtuellen Prüfung in Pharmaunternehmen
KI zur Optimierung und Entwicklung von Wirkstoffen
- Methoden zur Optimierung potenzieller Wirkstoffe
- Nutzung von KI zur Vorhersage der ADMET-Eigenschaften (Aufnahme, Verteilung, Metabolismus, Ausscheidung und Toxizität)
- Integration von KI-Verfahren in den gesamten Entwicklungsprozess neuer Arzneimittel
Einsatz von KI bei klinischen Studien
- Funktionen der KI bei der Planung und Durchführung klinischer Studien
- Vorhersage von Reaktionen der Patientinnen und Patienten sowie unerwünschten Nebenwirkungen mithilfe KI-gestützter Modelle
- Fallbeispiele für den praktischen Einsatz von KI in klinischen Studien
Ethik und Herausforderungen bei der KI-gestützten Arzneimittelentwicklung
- Relevante ethische Aspekte beim Einsatz von KI in der Pharmaindustrie
- Herausforderungen hinsichtlich Datenschutz, algorithmischer Voreingenommenheit sowie Nachvollziehbarkeit von Modellen
- Strategien zur Beantwortung ethischer und regulatorischer Fragestellungen
Zusammenfassung und weitere Schritte
Voraussetzungen
- Grundkenntnisse über Prozesse der Arzneimittelentwicklung und -forschung
- Erfahrung in der Programmierung mit Python
- Vertrautheit mit grundlegenden Konzepten des maschinellen Lernens
Zielgruppe
- Pharmazeutische Wissenschaftlerinnen und Wissenschaftler
- KI-Experten
- Forscher im Biotechnologiebereich
Erfahrungsberichte (2)
Die Ausbildung war gut organisiert und strukturiert. Ich habe sie mit systematischem Wissen und einer fundierten Übersicht der behandelten Themen successfully absolviert.
Magdalena - Samsung Electronics Polska Sp. z o.o.
Kurs - Deep Learning with TensorFlow 2
Maschinelle Übersetzung
Mir hat besonders der Schluss gefallen, als wir die Zeit nahmen, mit CHAT GPT herumzuspielen. Der Raum war dafür jedoch nicht optimal eingerichtet – anstelle eines großen Tisches wären ein paar kleinere Tische nützlicher gewesen, damit wir in kleinen Gruppen zusammenkommen und brainstormen könnten.
Nola - Laramie County Community College
Kurs - Artificial Intelligence (AI) Overview
Maschinelle Übersetzung