Drug Discovery Today· Lara Kuhnke, Andreas H. Göller·· 2026-10-06精选AI 评分66
拜耳 predicTeam 谈 ADMET 模型全生命周期问责
ADMET all-inclusive: Accountability for the full end-to-end model life cycle is key to success
AI 导读
【摘要级】拜耳团队在观点文章中介绍其 predicTeam 做法,对 ADMET 预测从终点选择、数据整理到部署、用户培训和性能监测承担端到端责任。文章称,基于十余年经验,数据质量、数据整理、治理和组织问责对实际影响往往比单纯的算法创新更重要,尤其随着 AI 驱动药物发现持续演进。文中提到的关键要素包括与实验科学家紧密协作、自动化重训练流程、结构化用户培训和项目特定适用性报告。
推荐理由
拜耳团队以十余年实践说明,ADMET 模型的实际影响更多取决于数据治理与组织责任而非算法本身。
来源:Drug Discovery Today · doi.org