Uute ravimite avastamine toob kaasa märkimisväärseid väljakutseid; David Pardoe, Evotechi arvutikeemik, märkis, et ainult umbes 500-st 7000 haruldasest haigusest on viimase sajandi jooksul arendatud ravivõimalusi. Selle protsessi pikk ja kulukas olemus on koht, kus tehisintellekt (AI) võib lahendusi pakkuda. AI suudab integreerida potentsiaalsete ravimimolekulide 3D-struktuurid ja aatomilised omadused, et uurida nende ühilduvust sihtproteiinidega, võimaldades potentsiaalselt suurendada ravimite tõhusust ja tuvastada uusi sihtmärke, arvestades samal ajal patsientide keerulist bioloogilist keskkonda. Kohaliku ja ülemaailmse bioloogilise andmestiku rohkus loob tugeva aluse AI rakendustele ravimite arendamises. Siiski jääb andmekvaliteet kriitiliseks probleemiks, mida sageli takistavad ebajärjekindlad eksperimentaalsed meetodid ja kalduvus avaldada ainult soodsaid tulemusi. Kuigi mõned usuvad, et andmemahu suurendamine lahendab need probleemid, rõhutavad paljud eksperdid, et akadeemia ja tööstuse koostöö on vajalik andmekvaliteedi parandamiseks AI mudelite jaoks. Peamised soovitused hõlmavad eksperimentide aruandluse ja metoodikate standardiseerimist, et vähendada erinevusi eri laborite andmete vahel.

Algatused nagu Inimrakukaart püüavad luua järjepidevaid andmekogumeid AI analüüsiks, samas kui Polaris projekt töötab välja suuniseid, et parandada andmete läbipaistvust ja kvaliteeti. Lisaks on märgatav kalduvus avaldada ainult edukaid tulemusi, mis moonutab AI mudeleid positiivsete tulemuste suunas. Selle probleemiga tegelemine algatustega, mis koguvad nii positiivseid kui ka negatiivseid tulemusi, on oluline, et saada täpsem arusaam ravimite tõhususest ja ohutusest. Projektid nagu "avoid-ome" algatus püüavad anda väärtuslikku teavet PFME tegurite kohta, mis on seotud ravimite arendamisega. Pealegi omavad farmaatsiaettevõtted sageli ulatuslikke andmeid, kuid on nende jagamisel tagasihoidlikud, piirates AI potentsiaalseid eeliseid. Koostööprojektid nagu Melloddy on näidanud, et föderatiivne õppimine võib parandada mudeli täpsust, kaitstes samas omandiõiguseid. Kokkuvõttes nõuab AI abil ravimite avastamise tõhustamine andmete standardiseerimise parandamist, negatiivsete tulemuste väärtuse tunnustamist ja andmete jagamisel koostöö suurenemist. Nendele väljakutsetele vastates on lootus oluliselt tõsta ravimite arendamise tõhusust ja efektiivsust.