正常来讲，要想上市一种新的药物，研究人员必须首先要测试成千上万的化合物来确定不同分子之间的作用关系，而这还只是最简单的第一步。在发现某种物质对疾病有效后，必须通过三期临床试验，才能得到监管机构的批准上市。
一种新药在上市之前很有可能需要经历1000人的试验，12至15年的周期，高达16亿美元的开支。毫无疑问，这大大延缓了新药的研发进度。
而现在似乎有了更好的办法。就在上周，研究人发表了关于人工智能的文章，详细介绍了一个可以帮助发现新药，且大大缩短上市所需流程和金钱的人工智能系统。
一个来自旧金山的创业公司atomwise开发的这个系统名外atomnet。这项技术主要目的是为了简化药品开发的初始阶段，即不同的分子之间如何作用。
这一初始过程要求科学家确定哪些分子可以结合，且结合的强弱程度。他们采取试错法和排除法来分析数以万计的天然和合成化合物。
atomnet可以通过深度学习来预测分子的行为以及不同分子结合的可能性。该软件通过识别图案类似al识别图像的方式来学习分子间相互作用。
还记得你在高中做的原子的3d模型吗? 你用管道清洁剂和泡沫球来代表质子，中子和电子之间的联结。atomnet 使用类似的数字3d分子模型，并结合构型数据来预测其生物活性。
正如atomwise首席运营官alexander levy所说：“你可以与药物和大型生物系统进行反应，你还可以把这个反应分解成越来越小的反应组。如果你学习了足够的分子作用模型，那你就可以做成非常准确且快速的预测”
仅使用一个“快速”太不直观。据报道，atomnet可以一天就排除掉一百多万种化合物，这可是过去科学家们用传统方法几个月的工作量！
atomnet自身实际上并不会发明新药物，甚至也没办法肯定说那两种分子结合就能产生有效的药物。但它可以预测一种化合物对某种疾病的有效性。然后研究人员可以利用atomnet的预测，将数千个带选项缩小到几十个甚至更小，并且可以将他们的测试重心放在可能取得积极成果的地方。
目前，atomnet已经通过为两种疾病（埃博拉和多发性硬化症）发现新药证明了自己的价值。多发性硬化症的药物已经被许可给应该英国一家制药公司，埃博拉药物已被提交给杂志同行评议，进行进一步分析。
atomnet毫无疑问是很有前景的技术，可以更快、更容易地发现新药物。但同样值得注意的是，未来医学的方向也朝着主动预测而不是被动治疗的方向发展。未来医学不仅是要发明药物来治愈病人，重点将转移到监测我们的健康，采取措施使我们不要生病。
去年，马克·扎克伯格与妻子普丽西拉·陈建立的基金会the chan zuckerberg initiative捐赠了30亿美元，希望能消灭人类一切疾病。这目标虽然听起来野心勃勃，有点夸张，但实在是振奋人心啊！
另外，xprize基金会为一个家庭自诊断和监测个人健康的设备捐款250万美元。这意味着主动预测型的医疗保健技术很可能不断发展并且日益普及。
这些并不意味着被动治疗型医疗保健不应该同时发展。50或100年后，人们仍然会生病，仍然需要吃药治病。atomnet只是人工智能在制药领域的第一个软件，我们可能很快就会看到更多的软件紧跟atomnet的脚步，将人工智能应用于更大的挑战。