pyridine

新研究强调了人工智能驱动的药物发现可靠性方面的一个关键缺陷

研究人员发现，在药物发现中用于量化模型可靠性的边际一致性预测方法存在一个重大问题。研究表明，在不平衡数据集上，该方法未能为少数类提供足够的覆盖率，使它们面临更高的误分类风险。这个问题存在于各种模型架构中，包括随机森林、图神经网络和化学语言模型。提出的类条件一致性预测方法有效地解决了这种覆盖不足的问题，恢复了少数类的可靠性，并提高了筛选活动的整体效用。