學界呼籲為AI藥物發現建立現實世界評估體系

領域特殊性所在

與擁有數百萬樣本的通用AI數據集不同，藥物發現中的公開數據集通常異構、不平衡、噪聲大，且新數據生成成本高昂，直接套用通用方法論往往收效有限。

應用場景同樣特殊：模型結論常用於指導昂貴或耗時的實驗決策，一次誤判可能浪費大量資源。這些特點要求方法評估必須兼顧科學嚴謹性與實際可行性。