10月15日消息，美国国家癌症研究所估计有十分之四的美国人可能会在某一时刻被诊断出癌症。33%的癌症患者寿命不会超过5年，这让他们几乎没有时间去寻找有效的治疗方法。新的抗癌药物需要10年时间才能推向市场，这一推广过程涉及动物试验、人体试验和监管审查——而其实验成功概率仅有7%。那么，市场上食品和药物管理局批准的药品不足2000种，这是否令人惊讶？（不是2000种癌症治疗药物，是2000种治疗所有疾病的药物）
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
