[線上研討會] 機器學習和人工智慧在毒理學和風險評估中的應用(6/9,11:00PM)



分享給LINE好友!


更新日期:2020-06-04

       美國細胞和計算毒理學學會(American Society for Cellular and Computational Toxicology, ASCCT)和歐洲體外毒理學學會(European Society for Toxicology In Vitro, ESTIV)將共同舉辦線上研討會,探討主題為:「機器學習和人工智慧在毒理學和風險評估中的應用」(The Use of Machine Learning and Artificial Intelligence in Toxicology and Risk Assessment),此研討會將於美東時間2020年6月9日中午11:00 (台灣時間6月9日晚上11:00)於線上舉辦。有興趣參加者請至網站註冊報名。

       講者:Timothy E H Allen, Research Scientist, Willis Group, University of Cambridge

       新興的人工智慧(artificial intelligence, AI)與機器學習(machine learning, ML)演算法在毒理學研究領域引起很多關注。這些演算法具有優勢,除了可以辨識數據資料中的新模式,並且能以人類科學家無法達到的方式和規模進行預測。它們是什麼,如何運作?如何進行學習來幫助制定決策?該應用於毒理學的哪些方面?本場演講將著回覆這些問題,並探討圍繞這些研究領域的迷思。包括介紹人工智慧與機器學習的一些理念,以及解釋包括如隨機森林(Random forest)和類神經網路的演算法之運作。演講的後半部將集中在試圖應用這些演算法的毒理學領域,特別是在預測毒理學領域。電腦模擬預測是以結構警示(Structural alerts)、隨機森林和類神經網路為基礎而建置,用來預測具有重要藥理機制意義的人體分子起始事件(Molecular initiating events, MIE),意指初始作用分子與生物分子(或生物系統)的交互作用後可能導致危害結局反應(Adverse outcome, AO)。藉由深入瞭解這些演算法如同黑盒子般的運作方式,再試著結合不同演算法的預測結果並比較不同化學物質被評估的方式,將可以克服這些演算法的缺點。

       毫無疑問,人工智慧與機器學習將在未來的毒理學領域扮演重要角色。但是必須深入了解演算法,仔細思考它們是如何運作? 為什麼做出特定的預測? 使用者才能更廣且有效地運用這些有價值的工具。講者將針對演講中所介紹的方法回答一些問題,並提倡在安全科學領域中運用這些方法來以獲得更好預測結果。

編譯:徐如欣研究助理、鄭獻仁博士 / 校稿:鄭獻仁博士、林嬪嬪代理所長