药物研发是漫长，昂贵和带有偶然性的过程。上千个化合物要历经一系列验证，到最后或许可能只有一个是有效药物。根据Tufts药物研发中心统计，每个新药研发成本大约25.58亿美元，周期大概十年，其中6-7年都是临床试验阶段，只有12%的药物可以通过临床验证。任何可以加速这一研发过程的技术对整个行业链都有巨大影响，人工智能与制药行业结合将加速药物开发进程，具有重大经济价值，关乎世界人民医疗健康。药物设计的复杂在于参数空间无比巨大，理论上可能生成10⁶⁰个不同分子。化学家要从这么大的分子库中寻找针对靶分子的小分子先导药物，目前高通量筛选技术每天可以筛选10⁶个分子，价格不菲。对找到的先导化合物再进行一系列药物化学测试，如药物靶分子结合常数，酶抑制效应，药物跨膜性质等，再对药物分子进行毒理测试，是否可以被人体吸收代谢。在经过实验室阶段测试后拿到政府许可进入临床试验，临床试验分三阶段，每个阶段需要大量志愿者并且有逐渐严苛的通过标准。人工智能可以辅助先导化合物设计，还可以帮助预测老鼠肝脏药物颗粒稳定性，预测自氧化性，药物在肠液中溶解度，药物熔点和在DMSO中溶解度，人皮肤穿透性，血脑屏障通过性，药物吸收，分布，代谢，分泌，降解，毒性（统称ADMET）。中国有庞大的药学相关数据库，通过人工智能深度研究中国特有医药信息资源，不仅有利于我国医药事业发展也将促进信息药学这种新兴学科的建立，培养适应新工业竞争时代的交叉型人才。

人工智能在制药领域应用从2017年呈现井喷式爆发，国际制药公司纷纷与人工智能公司合作开展新药设计，理化性质预测，药剂分析，疾病诊断靶标，药物组合使用等研究。世界上最大的制药公司如Merck，Novatis,Roche, Pfizer, Johnson & Johnsone都投入巨资研发人工智能辅助药物。Pfizer与IBM Watson用人工智能手段研究如何利用免疫系统对抗癌症，Watson阅读了2500万篇文献摘要，1百万篇完整论文和4百万专利文献，且时时更新，目的是找到治疗癌症的最佳组合药物，比寻找单一药物更有挑战。Genetech使用机器学习和模拟筛选平台来寻找和验证新药物靶点，寻找遗传病人特异诊断靶点，据此确定治疗方案。制药公司Sanofi投入三亿美元与苏格兰人工智能公司Exscientia合作寻找针对不同遗传疾病组合药物，同时也用人工智能设计生物特异小分子药物。英国AstraZeneca公司投入4.5亿美用人工智能寻找诊断神经疾病新分子标记，AstraZeneca用递归神经网络和强化学习来设计新药物分子，期待人工智能可以增加先导化合物设计多样性。

中国在人工智能药物开发领域已经开始起步，但远未成熟，还有非常大发展空间。华人学者范杰创办了AccutarBiotech公司，位于美国波士顿的一家人工智能制药公司，已获IDG资本1500万美元融资。四位从MIT回到深圳的学者创办了晶泰科技，通过人工智能研究药物分子结构特征预测ADMET性质。国内人工智能制药研究相比国外还处于落后阶段，人才规模和投入力度还远远落后于西方，可以预期人工智能制药在未来几年必有大发展。