一家名为Insilico Medicine的生物技术研究公司希望通过在人工智能（AI）的帮助下大幅削减研究所需的时间，从而彻底改善药物研发现状。在医学杂志《Oncotarget》发表的一项研究中，一个由Insilico Medicine领导的团队详细介绍了他们的方法。从本质上讲，其研究人员建立了两个计算机网络（被称为生成式对抗网络，简称GANs）。其中一项研究提出了可能具有抗癌特性的新分子；另一种则是否定哪些药物抗癌无效。Polina Mamoshina是Insilico Medicine的一名研究科学家。她说，“最好是用艺术的类比来解释，如果癌症药物是艺术作品，那么第一个网络将是一个试图对其进行模仿的艺术学生，而第二个网络将是一名艺术专家。
回到GANS，第一个网络一直试图“欺骗”后者，让后者接受新的分子作为合法药物，这两种方法都能更好地了解癌症治疗应该是什么样子。一旦它们通过相互测试，这些网络就可以用来检测化合物，以检测它们的抗癌潜力。通过这种方式，Insilico?Medicine研究团队从一个公共数据库中筛选了7200万种化学物质。在GANS中选择的这些化合物中已经有60项获得癌症治疗药物专利，这意味着网络能够准确地鉴定出这些药物，而其选择的其他化合物也很可能值得进一步研究。
与体外实验（试管）实验相比，silico实验室的（计算机测试）方法的速度更快。研究人员并没有去寻找新的癌症治疗方法，而是使用一百万种已知的有治疗潜力的化合物，而在短短一个月时间里，研究人员就可以将候选名单缩小到100个。
这种方法不仅可以更快的促进药物开发，而且还能给研究带来更多的经济效益。每一种实验失败的药物，都会造成劳动力和资源价值数百万美元的损失。Journal of Health Economics的一项研究估计，每一种实验失败的药物比每一种实验成功的药物成本增加了超过16亿美元。有了更少、更精确的搜索范围，研究人员可以节省数百万，甚至数十亿。
但并非所有人都对silico testing的
应用抱有信心。Mamoshina承认，许多使用更传统的生物和化学方法的癌症研究人员不熟悉人工智能，这样的实验结果可能会不好取信于他们。“对他们来说，这是一个黑盒子，”她说。“这真的很难理解，这也是为什么他们会对此持怀疑态度。”
与其他尖端技术一样，炒作也可能推动了Insilico Medicine的进步，但是也买下了隐患。Olexandr Isayev是北卡罗来那大学的助理教授，他的实验室专注于开发人工辅助药物发现的方法。他承认，对于一项尚未提供任何实质性成果的技术，人们刚开始可能会表现的过于兴奋。“大多数发表的论文，包括这篇论文，都是纯粹的计算性的，”他说。“所以，一些预测可能是错误的。我真的很想看到“人工智能发现”的药物分子的首次被实验确认是成功的。”
该公司并没有将这种技术以软件即服务模式的形式进行授权，而是将研究范围扩大到网络已经能识别出的具有抗癌潜力的分子上。一旦这些化合物通过传统的体外测试，它们就会被授权给制药公司进行进一步的监管审查，如果一切顺利的话，市场营销也会得到批准。今年8月，该公司宣布，Insilico Medicine正与制药业巨头葛兰素史克合作，开始实施一些新的研究技术。
Insilico Medicine对这种新方法的信念，反映在它决定对自己发现的药物进行授权的决策中，而不是反映在发现药物的工具。然而，对于该公司来说，要证明人工智能确实能够剔除早期发现的药物确实治疗无效的猜测，他们将不得不回到实验室进行检测。
