Існує багато різних типів штучного інтелекту (ШІ), але найпоширенішим є машинне навчання (МН). 

При машинному навчанні додаються вхідні дані, потім застосовується складна функція, яка пов'язує їх зі спостереженням. 

Щоб винайти ліки, дослідники традиційно проводять великий скринінг бібліотек молекул, щоб виявити одну з них, яка може стати лікарським засобом. 

Потім вони проходять численні раунди випробувань, щоб перетворити молекулу на перспективну сполуку.

Останні дані показують, що вартість виведення нового лікарського засобу на ринок зараз в середньому становить 2,6 млрд доларів США.

Крім того, навіть якщо новий лікарський засіб-кандидат демонструє потенціал у лабораторних дослідженнях, він все одно може виявитися невдалим у клінічних випробуваннях. 

Менше 10% препаратів-кандидатів потрапляють на ринок після першої фази випробувань.

За даними компанії Bekryl, що займається дослідженням ринку, до 2028 року штучний інтелект може забезпечити економію понад 70 мільярдів доларів США у процесі розробки ліків.

Величезні розміри бібліотек, які використовуються для пошуку нових кандидатів на лікарські препарати, означають, що окремим дослідникам практично неможливо переглянути все самостійно - і саме тут на допомогу приходять штучний інтелект і машинне навчання.

ШІ та МН дозволяють дослідникам витягувати приховану інформацію з величезних масивів даних.

Переваги від цього численні:

• Прогнозування властивостей потенційної сполуки означає, що для синтезу обираються лише сполуки з бажаними властивостями - економія часу та грошей за рахунок запобігання роботі над сполуками, які навряд чи будуть ефективними. 
• Генерування ідей для абсолютно нових сполук, коли "винайдена" молекула, за прогнозами, матиме всі бажані властивості, необхідні для успіху - що може значно прискорити відкриття нових ефективних ліків.
• Позбавлення потреби в повторюваних завданнях, таких як аналіз тисяч гістологічних зображень, що заощадить сотні людино-годин у лабораторії.

Це лише кілька прикладів з початкових етапів розробки лікарського засобу.

ШІ в життєвому циклі фармацевтичних продуктів

Участь ШІ у розробці фармацевтичного продукту від лавки до ліжка пацієнта можна уявити, враховуючи, що він може допомогти:

• раціональному дизайну ліків
• у прийнятті рішень
• визначити правильну терапію для пацієнта, включаючи персоналізовані ліки
• керувати отриманими клінічними даними та використовувати їх для подальшої розробки ліків. 

Тож, ШІ та МН відіграватиме важливу роль у розробці ліків, у зв’язку з чим FDA планує розробити і прийняти гнучку регуляторну базу, засновану на оцінці ризиків, яка сприятиме інноваціям і захищатиме безпеку пацієнтів.