AIDD 要可复现、可审计、可持续，离不开 MLOps——把数据/模型/实验的工程化管理做起来。
核心要素
- 数据与代码版本管理（含数据集快照）
- 实验追踪（参数、指标、产物）
- 模型注册与部署
- 部署后性能监控与再训练
对药物发现的意义
- 保证结果可复现、可审计（见 420）
- 支撑监管验证（见 419）
- 让模型能持续迭代而不退化
- 连接 DMTA 闭环的数据流（见 355）
关键要点
MLOps 是「让 AI 在药企里长期可靠运转」的地基；它把一次性脚本变成可复现、可监控、可审计的系统。
延伸资源
- 对照 355《DMTA 闭环》、225《工具工程化》、420《可信 AI》。