通讯作者: 王理, wangli@ntu.edu.cn

DOI：10.12201/bmr.202512.00054

A Review of the Application of Multimodal Fusion in Artificial Intelligence-Driven Pharmaceutical Industry

• 摘要：目的/意义 梳理多模态融合在人工智能（AI）制药核心环节的应用现状与技术路径，明确其在打破数据壁垒、缩短研发周期中的关键价值，为制药领域创新发展提供理论与实践参考。方法/过程 采用文献综述方法，检索中国知网、PubMed及Web of Science数据库相关文献，系统归纳多模态融合技术在AI制药领域的研究进展与应用实践。结果/结论 多模态融合技术依托跨模态信息协同优势，在AI制药的靶点识别、从头药物设计等核心环节成效显著，但仍面临模态对齐精度不足、模型解释性较弱等挑战，未来需向构建高效模型架构与实际应用场景深度融合方向发展。

  关键词： 人工智能; 多模态融合; 制药; 靶点识别; 从头药物设计

   

  Abstract: Purpose/Significance This study sorts out the application status and technical paths of multimodal fusion in the core links of artificial intelligence (AI) in the pharmaceutical industry, clarifies its key value in breaking data barriers and shortening the R&D cycle, and provides theoretical and practical references for the innovative development of the pharmaceutical field. Method/Process By using the literature review method, relevant literatures were retrieved from CNKI, PubMed and Web of Science. The research progress and application practice of multimodal fusion technology in the field of AI pharmaceuticals were systematically summarized. Result/Conclusion Relying on the advantage of cross-modal information synergy, multimodal fusion technology has achieved remarkable results in core links of AI-driven pharmaceutical industry such as target identification and de novo drug design. However, it still faces challenges including insufficient modal alignment accuracy and weak model interpretability. In the future, it is necessary to move towards the direction of constructing efficient model architectures and deep integration with practical application scenarios.

  Key words: artificial intelligence; multimodal fusion; pharmaceutical industry; target identification; de novo drug design

  提交时间：2025-12-18

  版权声明：作者本人独立拥有该论文的版权，预印本系统仅拥有论文的永久保存权利。任何人未经允许不得重复使用。
• html

• 图表

• 张华, 王霞. 多模态超声与人工智能对甲状腺乳头状癌中央区淋巴结转移诊断中的研究进展. 2025. doi: 10.12201/bmr.202509.00024

  李韬, 冯贺霞. 人工智能在医疗健康领域中的创新应用、风险挑战与治理对策. 2025. doi: 10.12201/bmr.202501.00067

  马傲, 葛小玲. 人工智能大模型在医疗健康领域应用的研究. 2024. doi: 10.12201/bmr.202408.00039

  王俊. 多模态影像融合技术在后颅窝肿瘤手术中的应用. 2024. doi: 10.12201/bmr.202407.00068

  董怡, 冉晔, 余中光. 我国医疗人工智能风险研究现状及风险识别. 2024. doi: 10.12201/bmr.202411.00081

  司唯, 徐婷, 林家玥, 曹文婷, 朱爱勇. 人工智能技术在老年认知症筛查中的应用现状. 2024. doi: 10.12201/bmr.202407.00048

  郑琰莉, 韩福海, 李舒玉, 苏文星. 人工智能大模型在医疗领域的应用现状与前景展望. 2023. doi: 10.12201/bmr.202312.00027

  张柄烩, 王珑. 人工智能在针灸腧穴定位与处方优化中的应用进展. 2025. doi: 10.12201/bmr.202508.00053

  董琨, 杨芬, 杨扬. 人工智能在全科医师培训中的应用与思考. 2023. doi: 10.12201/bmr.202305.00011

  颜文城, 李俊震, 陈玫, 卢艳红. 人工智能助力口腔医学：在牙体牙髓病学领域的应用. 2021. doi: 10.12201/bmr.202102.00003

• 序号	提交日期	编号	操作
  1	2025-09-30	10.12201/bmr.202512.00054V1	下载

• 公开评论  匿名评论  仅发给作者 提交评论