我们决心推动我们的疾病，如癌症，呼吸系统疾病和心脏，肾脏和代谢性疾病的基本认识。因为通过学习是什么原因导致或驱动器的疾病，我们希望能找到新的方法来治疗，预防甚至治愈他们。

通过数据科学和人工智能，我们正在揭开随着我们的R＆d生产力的目标新的生物见解。例如，我们使用知识图 - contextualised科学数据的事实，如基因，蛋白质，疾病和化合物，以及它们之间的关系网络 - 给科学家新的见解和帮助克服认知偏差。

数据科学和AI也能帮助我们揭示疾病的奥秘，我们的基因。我们的基因组研究中心，目标是在2026年分析了两个百万基因组除了CRISPR的基因编辑力量删除每一个基因在基因组中问什么作用的基因在生物学玩，阿斯利康公司的科学家们我们的基因构成里面窥视Betway精装版- 最多帮助我们更好地了解疾病。

但是基因组的巨大规模意味着这些实验中产生的数据的一个巨大的量。数据科学和人工智能在工作中帮助我们分析和更快速，更准确地解释数据。

每个星期，我们的病理学家分析从我们的调查研究数百个组织样本。他们检查他们的疾病和生物标志物可能表明患者最有可能对我们的药品回应。这是非常耗时这就是为什么我们正在训练的AI系统，以协助病理学家在准确，更轻松地分析样品。这有超过30％削减分析时间的潜力。

对于我们的AI系统之一，我们实施了一些自动驾驶汽车是如何理解他们的环境灵感的方法。我们训练有素的AI系统，以分数的肿瘤细胞和免疫细胞的生物标记物，被称为PD-L1，告知膀胱癌的免疫基础治疗的决定，其有潜力帮助。

我们的AI系统会从组织样本数千张图片，有条不紊地检查每一个PD-L1。它节省了我们的病理学家时间，在困难的情况下尤其有用。

随机临床试验（RCT）目前首选的制药方法，当涉及到评估潜在的新药物。然而，公布的数据表明，他们已经随着时间变得更为昂贵和复杂。

在数据科学的进步，可以帮助我们重新思考的临床试验，提高目前的做法并寻找新的方式来发现和开发潜在新药。

例如，采用快速高品质的电子健康记录（电子病历）的代表拥有巨大的潜力，提高临床试验的实施地域广阔，丰富，高度相关的数据源。

联邦EHR技术解锁新的机会，以提高临床研究和改造我们做临床试验的方式。该技术有改进或取代许多临床试验流程，包括病人识别，选择，审判行为和数据的采集的潜力。

我们还采用人工智能和机器学习工具，以收集来自临床试验数据更有价值。从历史上看，我们一直在使用从试验数据来分析，解译和试用药物的安全性和有效性的报告精通。但是，我们希望最大限度地提高我们已经收集到的数据的价值。

数据再利用可以帮助我们更好地设计我们的药物发展战略和计划。这可以帮助我们设计更智能的试验，加强我们的科学发现，最终，在未来，有可能帮助我们的患者得到最好的治疗方法的潜力。

今天，我们正在生成并有机会获得更多的数据比以往任何时候。数据和分析必须改变我们的商业潜力，但只能当它是“公平”实现科学数据的真正价值 - 容易找到，方便互操作和可重用。

Betway精装版阿斯利康公司的R＆d和IT部门正密切合作，打造一个行业领先的企业数据和AI架构。这将帮助我们回答关键业务问题，不断提高利用新的工具和技术，如人工智能和机器学习，无论是现在和未来的能力。

我们也动员一队科学家的数据，生物信息学，数据工程师和来自全国各地的公司机器学习专家，以确保我们正在收集，整理并以最佳方式使用正确的数据。

我们与合作薛定谔使用他们的先进计算平台，以加快药物发现的目标。通过结合基于物理建模和机器学习，我们将能够预测潜在的药物分子的大型图书馆的亲和力，以确定合成和生物测试亲和力最高的候选人。

我们已经加入了机器学习中医药的发现和合成（MLPDS）联盟，学术/行业协会与麻省理工学院和其他一些制药公司。该联盟的目标是利用其成员各自的专长来设计和提供软件工具，预测分子性质和合成路线，提高速度和药物开发的效率。

我们是一个组成部分医药，科技和学术合作伙伴的新联盟名为“MELLODDY”（机器学习总帐业务流程为药物发现）。该项目的目标是利用世界上最大的已知生化或细胞活性小分子的集合，实现更精确的预测模型，提高药物研发效率。

我们正在与合作BenevolentAI在使用机器学习和人工智能发现慢性肾脏病和特发性肺纤维化的潜在新药。通过我们对疾病领域的专业知识和大量的，多样化的数据集与BenevolentAI领先的人工智能和机器学习能力相结合，我们希望能够提高我们的复杂疾病生物学的理解和更迅速地发现新的潜在的药物靶点。

AI瑞典汇集了产业界，学术界和公共部门的独特的伙伴关系，以加速通过协作和跨行业的共享应用人工智能的研究和创新。