一家名為Insilico Medicine的生物技巧研討公司愿望經由過程在人工智能（AI）的贊助下年夜幅增添研討所需的時光，從而完全改良藥物研發明狀。在醫學雜志《Oncotarget》揭橥的一項研討中，一個由Insilico Medicine引導的團隊具體引見了他們的辦法。從實質上講，其研討人員樹立了兩個盤算機收集（被稱為生成式反抗收集，簡稱GANs）。個中一項研討提出了能夠具有抗癌特征的新份子；另外一種則能否定哪些藥物抗癌有效。Polina Mamoshina是Insilico Medicine的一位研討迷信家。她說，“最好是用藝術的類比來說明，假如癌癥藥物是藝術作品，那末第一個收集將是一個試圖對其停止模擬的藝術先生，而第二個收集將是一位藝術專家。
回到GANS，第一個收集一向試圖“誘騙”后者，讓后者接收新的份子作為正當藥物，這兩種辦法都能更好地懂得癌癥醫治應當是甚么模樣。一旦它們經由過程互相測試，這些收集便可以用來檢測化合物，以檢測它們的抗癌潛力。經由過程這類方法，Insilico?Medicine研討團隊從一個公共數據庫中挑選了7200萬種化學物資。在GANS當選擇的這些化合物中曾經有60項取得癌癥醫治藥物專利，這意味著收集可以或許精確地判定出這些藥物，而其選擇的其他化合物也極可能值得進一步研討。
與體外試驗（試管）試驗比擬，silico試驗室的（盤算機測試）辦法的速度更快。研討人員并沒有去尋覓新的癌癥醫治辦法，而是應用一百萬種已知的有醫治潛力的化合物，而在短短一個月時光里，研討人員便可以將候選名單減少到100個。
這類辦法不只可以更快的增進藥物開辟，并且還能給研討帶來更多的經濟效益。每種試驗掉敗的藥物，都邑形成休息力和資本價值數百萬美元的喪失。Journal of Health Economics的一項研討估量，每種試驗掉敗的藥物比每種試驗勝利的藥物本錢增長了跨越16億美元。有了更少、更準確的搜刮規模，研討人員可以節儉數百萬，乃至數十億。
但并不是一切人都對silico testing的運用抱有信念。Mamoshina認可，很多應用更傳統的生物和化學辦法的癌癥研討人員不熟習人工智能，如許的試驗成果能夠會欠好守信于他們。“對他們來講，這是一個黑盒子，”她說。“這真的很難懂得，這也是為何他們會對此持疑惑立場。”
與其他尖端技巧一樣，炒作也能夠推進了Insilico Medicine的提高，然則也買下了隱患。Olexandr Isayev是北卡羅來那年夜學的助理傳授，他的試驗室專注于開辟人工幫助藥物發明的辦法。他認可，關于一項還沒有供給任何本質性結果的技巧，人們剛開端能夠會表示的過于高興。“年夜多半揭橥的論文，包含這篇論文，都是純潔的盤算性的，”他說。“所以，一些猜測能夠是毛病的。我真的很想看到“人工智能發明”的藥物份子的初次被試驗確認是勝利的。”
該公司并未將這類技巧以軟件即辦事形式的情勢停止受權，而是將研討規模擴展到收集曾經能辨認出的具有抗癌潛力的份子上。一旦這些化合物經由過程傳統的體外測試，它們就會被受權給制藥公司停止進一步的監管審查，假如一切順遂的話，市場營銷也會獲得同意。本年8月，該公司宣告，Insilico Medicine正與制藥業巨子葛蘭素史克協作，開端實行一些新的研討技巧。
Insilico Medicine對這類新辦法的信心，反應在它決議對本身發明的藥物停止受權的決議計劃中，而不是反應在發明藥物的對象。但是，關于該公司來講，要證實人工智能確切可以或許剔除晚期發明的藥物確切醫治有效的猜想，他們將不能不回到試驗室停止檢測。
