Kontakt aufnehmen

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
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (2)

Kommende Kurse

Verwandte Kategorien