热门留学专业推荐：医药研究在未来的主攻方向（医药人工智能）

相信长期关注我们频道的小伙伴中，有不少对于药物研发和生物化学方向的专业很感兴趣。并有志于在毕业后，进行医药方面的研究。所以今天，我们就一起来聊一聊，未来药物研发所需人才的主攻方向。

可能与大多数小伙伴们预期的不同，现在，医药研发团队最主要的知识结构，不再仅仅局限于生物和化学这些基础学科。而是与我们的时代前沿紧密相连，人工智能、数据分析、机器学习(深度学习)，甚至量子计算。没错，种种最前沿的计算机和分析学的相关技术，正在医药领域被广泛的应用着，而且有望成功引领下一波的技术变革热潮。

太玄了，究竟是怎么回事呢？我们一起看看下文就知道了：

在马萨诸塞州的埃尔蒙特——一种新药从最初发现到上市平均需要至少十年的时间，而临床试验甚至需要六到七年的时间才能获得批准。研究和开发一种成功药物的平均成本估计约为26亿美元。 

开发新的抗生素是一个缓慢、昂贵且容易失败的过程，可能会持续10多年，耗资数亿美元。在2014年至2019年间，仅开发和批准了14种新抗生素。

在一项针对21,000多种化合物的近186,000项临床试验的调查中，治疗传染病新药的成功概率为25.2%。由于存在10^30到10^60种类似药物的化学物质，很难在合理的时间范围内有效地寻找合适的化合物。面临的挑战是如何找到一种分子-它可以完全按照预期发挥作用，但不会伤害其他人体内的生物过程，更不能没有作用。

在过去十年中，新一代人工智能技术的显著进步，使得其在各种领域的应用中表现良好。基于对大量数据的复杂分析，深度学习成为机器学习这一数据分析技术的高级版本。多年来，人们一直使用该技术帮助组织识别数据模式、进行预测并自动执行某些决策。 

机器学习算法有助于实现发现药物过程的自动化、缩短确定药物成分的正确组合以及最佳候选药物所需的时间。经验数据集的公开可用性、模型开发和数据工程的进步以及免费和开源机器学习技术库的激增极大地促进了上述进程。 

最近，数据、模型和分析技术的有益融合引起了负责新药发现和开发的决策者的注意。2021年8月，国际数据公司 (IDC) 预测，未来12个月，生命科学行业的人工智能支出增长将达到65%。IDC 还发现，使用人工智能来加速in-silico药物的发现（即计算机辅助药物发现）是人工智能在生命科学中的主要用途。

今年早些时候，制药公司的高管表示，他们预计人工智能将成为2021年对其行业产生最大影响的新兴技术。最近的一项分析确定了，自2015年以来人工智能供应商与大型制药公司之间的近100家合作伙伴关系。药物发现过程正在这种新技术的推动下不断加速。