如今，人工智能算法可以通過深度學習進行非常詳盡的數據分析，從人臉識別到醫學影響分析，人工智能算法的表現已經趕上甚至超越了人的表現。越來越多的高科技被各大藥企應用于新藥研發領域，他們希望借此探索提高新藥研發效率、節省更多成本的路徑。

Atomwise，一家位于舊金山的創業公司和Y Combinator公司，已經建立了一個名為AtomNet（pdf）的系統，該公司試圖為潛在的埃博拉病毒和多發性硬化癥等疾病生產藥物。項目旨在運用超級計算機、AI和復雜的算法模擬制藥過程，來預測新藥品的效果，同時降低研發成本。Atomwise推出了兩個顯示AtomNet潛力的項目，多發性硬化癥藥物和埃博拉病毒。根據Atomwise，MS藥物已被許可給未經公開的英國藥理公司，埃博拉藥物正在準備提交給同行評議的出版物。

Atomwise最近利用AI技術，在不到一天的時間內對現有的7000多種藥物進行了分析測試，為尋找埃博拉病毒治療方案做出了貢獻。根據該公司的統計，如果利用傳統方法，這項分析需要花費數月甚至數年才能完成。不過 Atomwise 公司的首席運營官 Alexander Levy 提到了 AtomNet 還需要進行測試，人工智能并不能解決所有醫學發展的問題。除挖掘化合物研制新藥外，美國Berg生物醫藥公司通過研究生物數據研發新型藥物。“Berg 通過其開發的 Interrogative Biology 人工智能平臺，研究人體健康組織，探究人體分子和細胞自身防御組織以及發病原理機制，利用人工智能和大數據來推算人體自身分子潛在的藥物化合物。

由于不斷試錯的成本太高，越來越多的藥物開發廠商開始轉向計算機和人工智能，希望利用這種技術來縮小潛在藥物分子的范圍，從而節省后續測試的時間和金錢。為了識別那些有很大潛力可以作為藥物靶標的蛋白質的編碼基因，這些廠商把希望寄托了算法上。目前，一些新的算法模型增加了新層次的復雜性，用來縮小相關蛋白質、藥物和臨床數據的范圍，以便更好地預測哪些基因最有可能讓蛋白質和藥物結合。研究人員估計，大約15%～20%的新藥成本都耗費在探索階段。通常情況下，這意味著高達幾億美元的支出，以及3～6年的工作。如今，有人希望通過AI將這一過程縮短至幾個月，并大幅降低研發成本。

TwoXAR正在開發一種AI驅動的青光眼藥物，Berg正在從事算法上的癌癥治療。Atomwise公司的項目獨特之處在于，它從人生到死過程中把大量數據抽取出來。因為涉及大量昂貴和耗時的藥物，該功能解決了制藥行業的“生死”問題。Atomwise公司稱其在新藥發現、結合親和力預測和毒性檢測上得到了世界上最好的結果。在合作伙伴方面，Atomwise除了與Merck公司和Autodesk進行一些保密項目外，公司也持續與學術界和企業客戶開展研究工作。

人工智能開發新藥的企業逐漸增多，除了歐美藥企，日本藥企也積極面對新科技。我們相信，隨著科研人員找到現有知識體系中的新模式，必將出現一波不可小覷的醫藥創新。