比如，AI通過深度學習，構建神經網絡，吸收所有已知的單步有機化學反應，解構藥物里的分子，嘗試任何單一步驟中可以使用的化學反應，重復應用這些神經網絡來規(guī)劃多步驟有機化學反應的合成，直到得到中藥的藥理和毒理機制。簡單來說，就是將藥湯里的所有化學物質都分離出來，通過化學反應和臨床數據，找到那個真正有效的化學物質，并將其它化學物質進行一一的分析。

事實上，這類技術的雛形已經存在，只是還沒有應用于中藥研究。德國明斯特大學有機化學家和人工智能研究員MarwinSegler以及他的同事就開發(fā)了這樣一款AI工具，這款AI工具能夠預測在任何單一步驟中可以使用的化學反應，工具重復應用深度學習的神經網絡來規(guī)劃多步驟合成，解構所需的分子，直到它最終得到可用的啟動試劑。

法規(guī)監(jiān)管是最大問題

AI制藥仍處在一個孤島，除了數據來源、生物學發(fā)展以及市場競爭等要素會成為其發(fā)展過程中的挑戰(zhàn)，AI制藥最大的問題是，AI藥物是否會受到與人工藥物同樣的法規(guī)監(jiān)管。

目前，因為生物學的復雜性，還沒有直接的與AI制藥相關的產品被批準發(fā)行，AI在制藥行業(yè)主要起到的是協(xié)助作用，包括藥物挖掘、深度學習算法分析數據以及預測新藥有效性等，但這只是AI進軍制藥行業(yè)初步的結果。

在以后，AI將會更大范圍和更深層次地滲透醫(yī)藥領域。 譬如GSK與指導藥物研發(fā)的初創(chuàng)公司Exscientia在藥物研發(fā)達成戰(zhàn)略合作，Exscientia通過AI藥物研發(fā)平臺為GSK的10個疾病靶點開發(fā)創(chuàng)新小分子藥物，并且針對這些靶點藥物發(fā)現臨床候選藥物。

在這之前，我們應該考慮的是，我們也許在幾年后就可以拿出一個完全由AI自主研發(fā)的藥物出來，但是，我們的藥物監(jiān)管法規(guī)是否準許AI藥物的大范圍發(fā)行，AI藥物對醫(yī)藥行業(yè)的業(yè)態(tài)又會產生什么樣的影響？

我們要明確的是，法規(guī)監(jiān)管光看藥物的有效性是不夠的。藥物的有效性是一個比較特別的概念，在這里，“有效”具有辯證性、相對性和動態(tài)性，并沒有絕對的標準。在涉及生命的領域里，容錯率低，事實上的有效并不意味著法律上的安全。在未來，AI藥物可能會頗受人們爭議，和如今的轉基因作物面臨相同的處境。

醫(yī)藥行業(yè)一直以來都是國家重點監(jiān)管的行業(yè)之一，屬于典型的政策驅動行業(yè)。當AI藥物出現時，法律法規(guī)應當與時俱進，及時修改完善，甚至針對AI藥物形成一套其獨有的法規(guī)制度。