DOI 10.1016/j.drudis.2026.104835
From artificial intelligence promise to translational practice in drug discovery: Reproducibility, validation and evidence-based implementation.
Аннотация
Artificial intelligence (AI) can support drug discovery, but benchmark performance alone does not establish experimental, operational or clinical benefit. This keynote review distinguishes predictive generalization, experimental confirmation, workflow utility and clinical outcomes, separating demonstrated failures from missing validation. We critically examine quantitative case studies of benchmark bias, prospective hit finding and clinical development, alongside data quality, reproducibility, uncertainty and governance. Practical recommendations link each intended use to appropriate comparators, evaluation designs and acceptance criteria. The aim is not to presume that AI fails to translate but to specify what evidence is needed to demonstrate reliable prospective use in drug discovery.
Подготовка и перевод публикации
Обработка статьи · этапы, ошибки и управление
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Тип публикации указан по данным источника. Уровень доказательности автоматически не присваивается.