PMLiVE 于 7 月 20 日报道，科学数据的爆炸性增长改变了科学家们在科学领域的研究方式，他们可以利用科学数据获得见解，从而能够形成和测试他们的假设。对于个体研究者，甚至是一个研究团队来说，要跟上瞬息万变的信息几乎是不可能的。
这在制药领域并无不同，但在过去的五十年里，该领域的科学发现过程几乎没有改变。然而，快速发展的计算能力和人工智能 (AI) 的发展给我们带来了一个真正的机会，可以改变我们识别和验证我们研究的方式。利用这项技术，我们可以很容易地获得关于假说的见解，并为患者开发出更有效的治疗流程和更好的治疗药物。
制药行业常常因为其低效的做法而受到审查。尽管有高通量筛选和生物标志物等先进技术可以利用，但将药物推向市场的成本仍然很高，成功率也很低。事实上，开发一种新药的总体成功率仍在 5% 左右，而每一款产品推向市场的成本已飙升至约 30 亿美元。
为了确保最合适的候选药物进入临床试验，研究人员需要获得更多的数据和见解。然而，当一般的学术研究人员每年只能获得 250 到 270 篇文章时，这仍然是困难的。在此背景下，全球有超过 5000 万的科学论文。这意味着可供使用数据与研究人员能够采纳的数据之间存在巨大的差距。
这一障碍对于致力于确认或反证其假设的科学家们来说是有问题的。这使得研究人员更加难以确保药物能够通过研发流程，并且研发周期延长且成本昂贵。这尤其对罕见疾病的研究造成冲击。金融成本和投资回报率仍然是制药公司决定研究的重要因素，因此，为了获取更高的回报，罕见病往往被放置在后面。
然而，人工智能正证明是解决这个问题的宝贵资源。在超级计算机的支持下，深度学习机制现在可以对海量的研究进行分析和研究，以形成「已知事实」。在这里，这项技术利用了数据集之间的关系，能建立可能没有过的联系。
人工智能还能帮助研究人员发现更多关于现有药物的信息，以及它们是否能在其他情况下更好地发挥作用。例如，一种用于心血管疾病的药物可能被发现对神经系统疾病有有益的作用。人工智能通过让研究人员获得这些见解，可以帮助弥合不同研究领域之间的鸿沟。
我们已经看到了人工智能如何能对药物发现产生积极影响的证据。事实上，这帮助我们 BenevolentBio 的科学家团队建立了一套针对肌萎缩侧索硬化症（ALS）候选药物的假说，ALS 是一种形式的运动神经元疾病。我们与 ALS 世界权威机构-谢菲尔德大学转化神经学谢菲尔德研究所一起，现在正在实验室中测试这些假设。
然而，人工智能的潜力并不仅仅停留在研发阶段。为研究人员提供更多的见解不仅可以增进他们的理解，而且也有助于改善临床试验阶段的各个方面。这些信息可以更好地预测某些病人对治疗的反应，并且更容易识别任何潜在的副作用。人工智能还能帮助临床医生更有效地识别安慰剂的模式，并在治疗时更有信心地行动。
毫无疑问，人工智能革命在医药行业已经开始。不过，随着我们继续挖掘行业中更多未开发的数据，我们将迎来一个根本性的转折点。
