Prioris.ai

Prioris.ai 是一家加拿大生命科学咨询与数据分析公司，总部位于安大略省渥太华。公司专注于概率预测建模——通常被称为贝叶斯机器学习、概率编程或基于模型的机器学习——并将这些方法应用于药物发现、临床前安全性和临床开发中的各类问题。Prioris.ai 并不提供通用软件平台，而是将自身定位为定制化建模合作伙伴，为生命科学行业的客户构建定制化、可解释的预测模型。 公司的服务组合涵盖五大领域。第一，预测建模，用于安全药理学、毒理学、化合物排序与优先级划分以及试验优化。第二，贝叶斯统计，用于临床和临床前实验的统计推断。第三，实验设计（DoE），以最大化实验获得的信息、避免混杂因素并产生可推广的结果。第四，分析工作流自动化，以节省时间、减少错误并提高可重复性。第五，法规写作，专注于临床法规写作和申报。 Prioris.ai 的技术理念以概率预测建模为核心。公司认为，这种方法能够以有原则的方式处理不确定性——数据、参数和模型中的不确定性会在所有预测中被传播和报告，从而避免过度自信的输出。它还允许将外部信息（如科学知识、数据库、实验和专家判断）纳入模型结构。由于模型是基于背景科学知识构建的，因此具有可解释性，而非黑箱。最后，该方法专为小数据设计，这在生命科学研究中很常见，因为大样本量往往难以获得。 公司工作的一个旗舰案例是其药物性肝损伤（DILI）预测模型。Prioris.ai 表示，这是首个完全贝叶斯的 DILI 预测模型，已发表在《Chemical Research in Toxicology》上，并提供了预印本。该模型据称自 2017 年底以来一直投入生产，并曾入围阿斯利康科学奖（AstraZeneca Science Award）。随论文发布的补充材料包含 R/Stan 和 Python/PyMC3 代码，反映了公司对开放概率编程工具的使用。 Prioris.ai 是一家私营公司，为生命科学领域的客户（包括制药和生物技术组织）提供服务。其将统计严谨性、领域科学知识和法规意识相结合，定位于数据科学与药物开发的交叉点。公司的公开形象以其网站为中心，网站概述了服务、方法和代表性工作。

Prioris.ai 是一家总部位于安大略省渥太华的加拿大公司，活跃于生命科学分析与咨询领域。关于该公司的公开信息相对有限，但其网站和 Wikidata 条目确认其是一家位于加拿大渥太华、专注于生命科学行业预测建模的公司。 公司有据可查的最重要里程碑是开发了一个完全贝叶斯的药物性肝损伤（DILI）预测模型。据 Prioris.ai 称，这是首个完全贝叶斯的 DILI 预测模型，已发表在《Chemical Research in Toxicology》期刊上，并在线提供了预印本。公司表示，该模型自 2017 年底以来一直投入生产，这表明 Prioris.ai 在当时已经活跃并交付应用建模工作。该模型还曾入围阿斯利康科学奖（AstraZeneca Science Award），表明其在制药行业内获得了认可。 DILI 论文的补充材料包含 R/Stan 和 Python/PyMC3 代码，反映了公司的技术栈及其对可重复、开放概率编程的承诺。这与公司所述的方法论一致：概率预测建模能够传播不确定性、纳入外部科学知识、保持可解释性，并适用于小数据集。 随着时间的推移，Prioris.ai 已将服务范围从单一模型扩展到更广泛的领域。其网站列出了五个服务领域：预测建模（安全药理学、毒理学、化合物排序/优先级划分、试验优化）、用于临床和临床前实验的贝叶斯统计、实验设计、分析工作流自动化，以及临床申报的法规写作。这种广度表明公司已从专业建模项目发展为服务于药物开发多个阶段的更全面咨询机构。 该公司作为私营实体运营，似乎未在公开股票交易所上市。其客户群被认为属于生命科学行业，包括需要定制化统计和建模专业知识的制药和生物技术组织。根据现有证据，Prioris.ai 仍然活跃，其网站是了解其服务和代表性工作的主要公开信息来源。

• 2017

  完全贝叶斯的 DILI 预测模型据称投入生产

• DILI 预测模型发表在《Chemical Research in Toxicology》（提供预印本）

• DILI 模型入围阿斯利康科学奖

面向生命科学行业的定制化、可解释、概率化（贝叶斯）预测建模合作伙伴，强调不确定性量化、小数据能力和法规级严谨性。

• 完全贝叶斯 DILI 预测模型

  首个完全贝叶斯的药物性肝损伤预测模型，发表在《Chemical Research in Toxicology》，自 2017 年底投入生产，曾入围阿斯利康科学奖。补充材料包含 R/Stan 和 Python/PyMC3 代码。

• 预测建模服务

  安全药理学、毒理学、化合物排序/优先级划分以及试验优化。

• 贝叶斯统计服务

  主要从贝叶斯角度为临床和临床前实验提供统计推断。

• 实验设计（DoE）

  最大化实验获得的信息、避免混杂因素并获得可推广的结果。

• 分析工作流自动化

  节省时间、减少错误、提高可重复性。

• 法规写作

  专注于临床法规写作和申报。

1. 1Prioris.ai Inc. When predictions matterprioris.ai
2. 2Prioris.ai (Canada) - Wikidatawikidata.org