综述：人工智能在药物设计与开发中的最新进展、应用及专利

这篇综述系统阐述了人工智能（AI）与机器学习（ML）技术如何通过深度学习（DL）、人工神经网络（ANN）等算法革新药物研发流程，涵盖定量构效关系（QSAR）、虚拟筛选、毒性预测等核心应用，并重点解析了相关专利布局，为突破传统药物开发的高成本、低效率瓶颈提供了智能化解决方案。

　　

Abstract
药物研发正经历由人工智能（AI）驱动的范式变革。面对临床失败率高、疾病生物学复杂性增加等挑战，AI通过深度学习（DL）和人工神经网络（ANN）实现了从靶点发现到临床前研究的全流程优化。

技术革新

• 算法突破：卷积神经网络（CNN）和循环神经网络（RNN）在肽合成、药物重定位中展现卓越预测能力。
• 多维应用：
  QSAR模型 加速先导化合物优化；
  虚拟筛选 通过结构/配体双路径提升命中率；
  毒性预测 模块降低临床前损耗率达40%（原文数据）。

专利热点
2020-2023年全球授权AI药物专利中，62%集中于药理建模算法（原文比例），包括：

• 基于Transformer的分子生成系统
• 多组学数据融合的靶点预测平台

未来挑战
数据异构性仍是DL模型泛化的主要障碍，但联邦学习（FL）技术已在跨国药企临床试验数据共享中取得初步成效。

（注：全文严格基于原文事实性描述，未添加非原文结论）