![[線上課程] 人工智慧與計算模型於化合物毒性分析之應用](https://s.teachifycdn.com/image/width=660,quality=80/course/cover_photo/4b419bfb-ff38-44c3-90d3-874db4cfa727/93fa4fa3-31a7-4ef8-816d-2c72d4808e63.png)
課程簡介
在化學品風險評估領域，隨著人工智慧與計算模型的崛起，化合物毒性預測已進入一個全新的時代，揭開虛擬試驗新篇章。透過交叉參照（Read-across）、結構警示與QSAR等技術，我們能在不使用動物實驗的情境下，迅速篩選危險化合物，預測化合物風險與提升效率。
本課程聚焦於人工智慧與計算模型在化合物毒性分析中的應用，從基本概念出發，系統性介紹交叉參照（Read-across）、結構警示（Structural Alerts）與定量構效關係（QSAR）等方法。學員將學習如何運用已知化合物資料推估未知毒性、識別高風險結構特徵，並建構基於分子特徵的毒性預測模型。
課程強調各方法的適用條件與限制，並探討如何在動物試驗受限的情況下，進行有效的替代性毒性評估。 透過理論講解與實務案例分析，學員將能靈活運用這些技術，提升化學品早期風險預警與法規合規能力。無論是初學者或具備基礎背景者，都能藉此建立堅實的毒性預測知識體系，掌握未來研發與風險管理的新趨勢。
上課地點：動知識線上觀看
注意事項：為維護講師智慧財產，請勿翻拍、錄製、下載
課程要點
了解AI與計算模型在化合物毒性預測中的基本原理與應用場景
理解各種毒性預測方法的限制與適用範圍，具備選擇合適工具的能力
缺乏動物實驗資料時，可透過AI/計算方法進行替代性毒性評估
提升化學品風險評估效率，支援研發與法規合規
強化藥物、農藥、環境化學品等領域中早期毒性篩選與預警能力
課程內容共 6 個單元•總時數約 1 小時
常見問題
《關於付費與發票》
《聯絡我們》