如今，人工智能算法可以通过深度学习进行非常详尽的数据分析，从人脸识别到医学影响分析，人工智能算法的表现已经赶上甚至超越了人的表现。越来越多的高科技被各大药企应用于新药研发领域，他们希望借此探索提高新药研发效率、节省更多成本的路径。
Atomwise，一家位于旧金山的创业公司和Y Combinator公司，已经建立了一个名为AtomNet（pdf）的系统，该公司试图为潜在的埃博拉病毒和多发性硬化症等疾病生产药物。项目旨在运用超级计算机、AI和复杂的算法模拟制药过程，来预测新药品的效果，同时降低研发成本。Atomwise推出了两个显示AtomNet潜力的项目，多发性硬化症药物和埃博拉病毒。根据Atomwise，MS药物已被许可给未经公开的英国药理公司，埃博拉药物正在准备提交给同行评议的出版物。
Atomwise最近利用AI技术，在不到一天的时间内对现有的7000多种药物进行了分析测试，为寻找埃博拉病毒治疗方案做出了贡献。根据该公司的统计，如果利用传统方法，这项分析需要花费数月甚至数年才能完成。不过 Atomwise 公司的首席运营官 Alexander Levy 提到了 AtomNet 还需要进行测试，人工智能并不能解决所有医学发展的问题。除挖掘化合物研制新药外，美国Berg生物医药公司通过研究生物数据研发新型药物。“Berg 通过其开发的 Interrogative Biology 人工智能平台，研究人体健康组织，探究人体分子和细胞自身防御组织以及发病原理机制，利用人工智能和大数据来推算人体自身分子潜在的药物化合物。
由于不断试错的成本太高，越来越多的药物开发厂商开始转向计算机和人工智能，希望利用这种技术来缩小潜在药物分子的范围，从而节省后续测试的时间和金钱。为了识别那些有很大潜力可以作为药物靶标的蛋白质的编码基因，这些厂商把希望寄托了算法上。目前，一些新的算法模型增加了新层次的复杂性，用来缩小相关蛋白质、药物和临床数据的范围，以便更好地预测哪些基因最有可能让蛋白质和药物结合。研究人员估计，大约15%~20%的新药成本都耗费在探索阶段。通常情况下，这意味着高达几亿美元的支出，以及3~6年的工作。如今，有人希望通过AI将这一过程缩短至几个月，并大幅降低研发成本。
TwoXAR正在开发一种AI驱动的青光眼药物，Berg正在从事算法上的癌症治疗。Atomwise公司的项目独特之处在于,它从人生到死过程中把大量数据抽取出来。因为涉及大量昂贵和耗时的药物，该功能解决了制药行业的“生死”问题。Atomwise公司称其在新药发现、结合亲和力预测和毒性检测上得到了世界上最好的结果。在合作伙伴方面，Atomwise除了与Merck公司和Autodesk进行一些保密项目外，公司也持续与学术界和企业客户开展研究工作。
人工智能开发新药的企业逐渐增多，除了欧美药企，日本药企也积极面对新科技。我们相信，随着科研人员找到现有知识体系中的新模式，必将出现一波不可小觑的医药创新。（科技新发现 康斯坦丁/文）
