近十年来,数字孪生(DT)技术已经在许多行业有所应用。制药业现在也可以应用数字孪生提供解决方案了。笔者将从以下几个方面,解读制药业如何利用数字孪生获益。
数字孪生技术是基于实时的物理对象生成一个虚拟模型。因此,数字孪生几乎可以用于制药行业的所有领域,从而实现制药4.0。
本文将重点介绍四个可以从数字孪生受益的领域。
下面逐项来看一下。
数字孪生技术可以用于优化供应链。除了构造建筑物内部可视化,还可以针对不同条件进行建模,预测在不同销售情况下的库存需求、协助库存管理。
在工厂生产中,数字孪生可以应用在两个方面。
就能制定一个预防措施,确保对流程变量的控制。
此外,数字孪生还可以通过预测制造周期内的质量情况,优化产量、减少浪费以及减少实验时间。
在早期和后期开发中应用数字孪生可以降低成本,缩短上市时间,用更少的资源,快速扩大规模。此外,还可以用于复杂药品的设计和优化。
数字孪生技术可以让个性化医疗更容易实现。比如提高对医疗保健和疾病机制的认知,探索新的知识领域、新的假设,并进行测试。
数字孪生技术通过优化各类流程,有望推动制药业变革。
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。