Objavovanie liekov so sebou nesie značné výzvy; podľa Davida Pardoea, počítačového chemika z Evotecu, má len približne 500 z 7 000 zriedkavých ochorení vyvinuté možnosti liečby v poslednom storočí. Dĺžka a nákladnosť tohto procesu sú miestom, kde môže umelá inteligencia (UI) ponúknuť riešenia. UI môže integrovať 3D štruktúry a atomárne vlastnosti potenciálnych liekových molekúl na preskúmanie ich kompatibility s cieľovými proteínmi, čo môže potenciálne zlepšiť účinnosť liekov a identifikovať nové ciele, pričom zohľadňuje zložité biologické prostredie pacientov. Bohaté biologické údaje generované po celom svete vytvárajú silný základ pre aplikácie UI v oblasti vývoja liekov. Avšak kvalita údajov zostáva kritickou otázkou, ktorá je často ovplyvnená nekonzistentnými experimentálnymi metódami a tendenciou publikovať iba priaznivé výsledky. Zatiaľ čo niektorí veria, že zvýšenie objemu dát tieto problémy vyrieši, mnohí odborníci zdôrazňujú potrebu spolupráce medzi akademickým a priemyselným sektorom na zlepšenie kvality údajov pre modely UI. Hlavné odporúčania zahŕňajú štandardizáciu reportovania a metodológií pre experimenty na zníženie rozdielov medzi údajmi z rôznych laboratórií.

Iniciatívy ako Human Cell Atlas si kladú za cieľ vytvoriť konzistentné dátové súpravy pre analýzu UI, zatiaľ čo projekt Polaris vyvíja pokyny na zlepšenie transparentnosti a kvality údajov. Okrem toho existuje výrazná predsudok voči publikovaniu iba úspešných výsledkov, čo skresľuje modely UI smerom k pozitívnym výsledkom. Riešenie tejto otázky prostredníctvom iniciatív, ktoré zhromažďujú pozitívne aj negatívne výsledky, je nevyhnutné pre presnejšie porozumenie účinnosti a bezpečnosti liekov. Projekty ako iniciatíva „avoid-ome“ si kladú za cieľ poskytnúť cenné poznatky o faktoroch PFME relevantných pre vývoj liekov. Navyše, farmaceutické spoločnosti často držia rozsiahle údaje, ale sú neochotné ich zdieľať, čo obmedzuje potenciálne výhody pre UI. Spolupráce ako Melloddy preukázali, že federované učenie môže zlepšiť presnosť modelu, pričom stále chráni vlastné informácie. Na záver, zlepšenie objavovania liekov prostredníctvom UI si bude vyžadovať zlepšenú štandardizáciu údajov, uznanie hodnoty negatívnych výsledkov a zvýšenú spoluprácu v zdieľaní údajov. Riešením týchto výziev je cieľom zvýšiť efektívnosť a účinnosť vývoja liekov.