18年5月17日，国家颁布了《关于加强药品审评审批信息保密管理的实施细则》，目的是维护药品注册申请人的合法权益。通过加强对审评、审批信息保密管理，也旨在提醒厂商需要主要重视保护和积累多方面维度的数据资源。结合目前AI正被逐渐广泛的使用于药物研发，而AI的三家马车分别是算法、算力和数据，无疑，注重数据的保护对AI在药物研发的发展起到助推作用。鉴于大型药企已开始重视并着手构建自身AI能力，国内外AI药物研发初创公司纷纷获得资本支持并取得突破，国家药监局在这个时期规范和加强药品审评审批信息保密管理，可能有为药物研发的AI时代做准备的考虑。
传统的传统计算机辅助药物筛选与设计的算法基于人们理解的原子或分子交互作用，其可以告诉人们所筛选或设计出的药物分子(LIGAND)和作用标的(RECEPTOR)可预测的药理活性，但无法提示新药分子在人体内实际的功效与安全性。简单来说就是主要从物质已知的物理特性或化学特性角度来推测、总计和归纳，但显然，对于未知的领域无从着手，风险不可控。
新的发展方向是尝试将基因信息(基因体)、RNA 表现信息(转录体)、蛋白质表现信息(蛋白质体)、电子医疗数据、临床文献都整合到一起，由于人工不可能处理这样庞大的数据量，就要使用大数据分析和机器学习的方法来建立整合更多维度数据的药物筛选与设计规则。一些AI药物研发系统是基于人们已知的个体差异、疾病致病机转、现有药物作用于人体的数据建立规则，因此可以期待新产出的药物分子在人体内的作用与功效具有一定的可预测性。简单来说就是，多角度，多维度，多知识体系结合的形式，根据大数据、以深度学习的形式，来不断推演，其风险相对小很多。
例如美国公司INSILICO MEDICINE使用生成对抗网络(GENERATIVE ADVERSARIAL NETWORK，GAN)来预测治疗效果最好的药物分子，这是一种比较新的深度学习算法。后续再按照新药研发流程做临床试验，就可以提高新药研发上市的成功率并降低平均成本。
综述，在这AI新势力在药类研发行业崛起的时代，数据资源的重要地位越发突出。国家出台管理细则，一是提醒各医药研发主体注意建立、积累和保护自有数据的同时；也鼓励各主体之间，加强数据合作，共同促进药物研发。
