
食安預警準確度攀升 機器學習導入跨國通報網路成關鍵
最新刊登於期刊的研究顯示,將跨國貿易與通報的網路結構特徵融入機器學習演算法,能大幅提升對食品安全風險嚴重性的預測準確度。
共 13 則相關報導

最新刊登於期刊的研究顯示,將跨國貿易與通報的網路結構特徵融入機器學習演算法,能大幅提升對食品安全風險嚴重性的預測準確度。

印度研究團隊開發出一套結合 AI 演算法與預設規則的「混合式機器學習」系統,能在不需穿戴裝置的情況下,精準預測運動時的熱量消耗,並根據個人身體數據提供客製化的運動訓練建議,準確率高達九成。

一份最新綜述研究指出,人工智慧在食品風險評估上展現巨大潛力,透過機器學習與深度學習等技術,可從危害識別到污染偵測,全面革新食品安全預防機制,但仍需克服數據品質和法規挑戰。

中國學者田擎開發了一種名為 ForwardSpectralProbabilistic(FSP)的人工智慧機器學習框架,能有效處理不完整的微生物數據,大幅提高食品安全風險檢測的準確性,有望為全球食品供應鏈帶來革新。

麻省理工學院的化學工程師盧卡斯·阿蒂亞結合奈米乳液技術改善藥物溶解度問題,並開發機器學習模型 FASTSOLV 預測分子屬性,期望透過這項創新研究加速新藥研發進程。

為應對人工智慧和機器學習在醫療領域日益普及的趨勢,醫療培訓課程正積極導入AI與ML技能,旨在培養新一代醫療專業人才,使其能有效應用數據分析工具,並兼顧數據隱私與倫理考量,以迎接科技驅動的醫療未來。

全球生技產業正積極導入人工智慧(AI)加速藥物研發,尤其在AI抗體設計領域,多款頂尖軟體工具應運而生。這些平台能協助生技團隊更有效率地發現與優化抗體藥物,提升決策品質,但AI的角色是輔助而非取代人類專業,在親和力成熟、人源化及序列優化等關鍵環節仍需人類判斷。

在 AI 技術浪潮下,藥物研發正經歷重大變革,例如 AI 輔助抗生素藥物再利用、機器學習篩選白血病新藥及 AI 代理系統加速藥物發現。製藥巨頭諾和諾德(Novo Nordisk)也已聯手 Anthropic 投入 AI 藥物開發,而美國食品藥物監督管理局(FDA)的提名聽證會,則將探討 AI 藥物監管的未來挑戰。

日本奈良科學技術大學院大學的科學家開發出一套透過分析細胞散射光譜、結合機器學習技術的系統,即使癌細胞與正常細胞外觀相似,也能精準辨識,有助於未來早期癌症診斷。

中國研究團隊開發出一套機器學習模型,能在川崎氏症病童接受治療前,預測他們對標準藥物靜脈注射免疫球蛋白(IVIG)的抗藥性,這項突破有助於兒科醫師及早發現高風險病患並調整治療方案,避免嚴重併發症。

人工智慧與機器學習正徹底改變藥物發現和化學研究,透過數位化流程克服傳統濕化學實驗的耗時與高成本。透過將化學結構標準化、數據清洗及轉換為機器可讀格式,AI能加速藥物分析與新材料開發,提升製藥業的效率與創新能力。

AI 在科學研究領域迎來雙重突破:華盛頓大學畢業生開發 sensGAN 模型,可提升疾病發現可信度;藥廠 Lantern Pharma 成立 Open-Medicine AI,專注加速藥物探索,預示 AI 將全面革新科學研究範式。