本課程帶你走進「虛擬試驗」時代，結合 AI 與計算模型，在電腦上就能精準篩選化合物、預測毒性並縮短開發時程。掌握 in silico 技術，讓你在符合 3Rs 原則下，實現更高效、更聰明的藥物研發新可能。
本課程將帶領初學者系統化地掌握 AI 輔助開發與電腦毒性預測兩大核心。
章節一：AI 於新藥開發的應用與發展
聚焦新藥研發新動力，從標靶預測、分子設計到臨床前試驗，解析機器學習與生成式 AI 如何顛覆傳統流程。我們不只談理論，更強調 AI 如何落實 3R 原則，減少不必要的動物使用，提升數據準確度。
章節二：人工智慧與計算模型於化合物毒性分析之應用
則深耕實戰技術，解析 QSAR（定量構效關係）、交叉參照（Read-across）與結構警示等方法。你將學會如何運用已知數據預估未知毒性，在實驗初期就避開高風險分子。
透過產業案例分析，我們將複雜的計算法則轉化為實務應用，助你建立起從法規合規到風險管理的完整知識體系，掌握未來科研的黃金競爭力。
學分申報截止日：3/20、6/20、7/31、9/5、10/5、12/20。
請於各截止日 23:59 前完成問卷及測驗；逾期將無法認列當期學習積分。
截止後由開課單位統整資料提報，遇假日順延。
實際學習時數核發時間依 3R科學埕審查作業流程為準。
3R 科學埕學習時數｜替代科技 基礎 - 時數 2 小時
須完成報名、全課程觀看（100 %），並通過課後測驗（70 分）與填妥問卷。
※ 提醒：本課程與去年【AI 於新藥開發的應用與發展】和【人工智慧與計算模型於化合物毒性分析之應用】內容相同，重複修課不認列學分。
藥研與生技系所學生、毒理研究者及欲轉型 AI 研發的生科人才。
為維護講師智慧財產權，請勿翻拍、錄製或下載課程內容。
課程需完成報名並符合各積分認列規範，方可取得學分。
免費課程加入後將永久保留於我的學習，無法退選。
掌握 AI 於標靶預測與分子設計的研發應用。
學習機器學習與生成式 AI 落實 3R 減量原則。
解析 QSAR 與結構警示，從分子預測毒性風險。
運用交叉參照技術，在實驗初期篩選高風險化合物。
