與體外實驗(試管)實驗相比，silico實驗室的(計算機測試)方法的速度更快。研究人員并沒有去尋找新的癌癥治療方法，而是使用一百萬種已知的有治療潛力的化合物，而在短短一個月時間里，研究人員就可以將候選名單縮小到100個。

　　美國國家癌癥研究所估計有十分之四的美國人可能會在某一時刻被診斷出癌癥。33%的癌癥患者壽命不會超過5年，這讓他們幾乎沒有時間去尋找有效的治療方法。新的抗癌藥物需要10年時間才能推向市場，這一推廣過程涉及動物試驗、人體試驗和監管審查——而其實驗成功概率僅有7%。那么，市場上食品和藥物管理局批準的藥品不足2000種，這是否令人驚訝?(不是2000種癌癥治療藥物，是2000種治療所有疾病的藥物)

　　一家名為Insilico Medicine的生物技術研究公司希望通過在人工智能(AI)的幫助下大幅削減研究所需的時間，從而徹底改善藥物研發現狀。在醫學雜志《Oncotarget》發表的一項研究中，一個由Insilico Medicine領導的團隊詳細介紹了他們的方法。從本質上講，其研究人員建立了兩個計算機網絡(被稱為生成式對抗網絡，簡稱GANs)。其中一項研究提出了可能具有抗癌特性的新分子;另一種則是否定哪些藥物抗癌無效。Polina Mamoshina是Insilico Medicine的一名研究科學家。她說，“最好是用藝術的類比來解釋，如果癌癥藥物是藝術作品，那么第一個網絡將是一個試圖對其進行模仿的藝術學生，而第二個網絡將是一名藝術專家。

　　回到GANS，第一個網絡一直試圖“欺騙”后者，讓后者接受新的分子作為合法藥物，這兩種方法都能更好地了解癌癥治療應該是什么樣子。一旦它們通過相互測試，這些網絡就可以用來檢測化合物，以檢測它們的抗癌潛力。通過這種方式，Insilico?Medicine研究團隊從一個公共數據庫中篩選了7200萬種化學物質。在GANS中選擇的這些化合物中已經有60項獲得癌癥治療藥物專利，這意味著網絡能夠準確地鑒定出這些藥物，而其選擇的其他化合物也很可能值得進一步研究。

　　與體外實驗(試管)實驗相比，silico實驗室的(計算機測試)方法的速度更快。研究人員并沒有去尋找新的癌癥治療方法，而是使用一百萬種已知的有治療潛力的化合物，而在短短一個月時間里，研究人員就可以將候選名單縮小到100個。

　　這種方法不僅可以更快的促進藥物開發，而且還能給研究帶來更多的經濟效益。每一種實驗失敗的藥物，都會造成勞動力和資源價值數百萬美元的損失。Journal of Health Economics的一項研究估計，每一種實驗失敗的藥物比每一種實驗成功的藥物成本增加了超過16億美元。有了更少、更精確的搜索范圍，研究人員可以節省數百萬，甚至數十億。

　　但并非所有人都對silico testing的應用抱有信心。Mamoshina承認，許多使用更傳統的生物和化學方法的癌癥研究人員不熟悉人工智能，這樣的實驗結果可能會不好取信于他們?！皩λ麄儊碚f，這是一個黑盒子，”她說。“這真的很難理解，這也是為什么他們會對此持懷疑態度。”

　　與其他尖端技術一樣，炒作也可能推動了Insilico Medicine的進步，但是也買下了隱患。Olexandr Isayev是北卡羅來那大學的助理教授，他的實驗室專注于開發人工輔助藥物發現的方法。他承認，對于一項尚未提供任何實質性成果的技術，人們剛開始可能會表現的過于興奮?！按蠖鄶蛋l表的論文，包括這篇論文，都是純粹的計算性的，”他說?！八?，一些預測可能是錯誤的。我真的很想看到“人工智能發現”的藥物分子的首次被實驗確認是成功的?！?/p>

　　該公司并沒有將這種技術以軟件即服務模式的形式進行授權，而是將研究范圍擴大到網絡已經能識別出的具有抗癌潛力的分子上。一旦這些化合物通過傳統的體外測試，它們就會被授權給制藥公司進行進一步的監管審查，如果一切順利的話，市場營銷也會得到批準。今年8月，該公司宣布，Insilico Medicine正與制藥業巨頭葛蘭素史克合作，開始實施一些新的研究技術。

　　Insilico Medicine對這種新方法的信念，反映在它決定對自己發現的藥物進行授權的決策中，而不是反映在發現藥物的工具。然而，對于該公司來說，要證明人工智能確實能夠剔除早期發現的藥物確實治療無效的猜測，他們將不得不回到實驗室進行檢測。