Ugunduzi wa dawa unatoa changamoto kubwa; kulingana na David Pardoe, mchemikali wa kompyuta katika Evotec, ni takribani magonjwa 500 tu kati ya 7, 000 ya nadra yaliyopatikana yamepata matibabu yaliyotengenezwa katika karne iliyopita. Urefu na gharama kubwa ya mchakato huu ndipo ambapo akili bandia (AI) inaweza kutoa suluhu. AI inaweza kuunganisha miundo ya 3D na sifa za atomic za molekuli zinazowezekana za dawa ili kuchunguza ufanisi wao na protini za lengo, ikifanya iwezekane kuongeza ufanisi wa dawa na kubaini malengo mapya, huku ikizingatia mazingira ya kibaiolojia yaliyo ngumu ndani ya wagonjwa. Hazina ya data za kibaiolojia zinazopatikana duniani kote inaweka msingi mzuri kwa matumizi ya AI katika maendeleo ya dawa. Hata hivyo, ubora wa data bado ni suala muhimu, mara nyingi ukikabiliwa na mbinu zisizo sahihi za majaribio na tabia ya kuchapisha matokeo ya kupendeza pekee. Ingawa baadhi wanaamini kuwa kuongezeka kwa kiasi cha data kutatatua matatizo haya, wataalam wengi wanasisitiza haja ya ushirikiano kati ya akademia na sekta ya viwandani ili kuboresha ubora wa data kwa mifano ya AI. Mapendekezo muhimu ni pamoja na kiwango cha ripoti na mbinu za majaribio ili kupunguza tofauti kati ya data kutoka maabara mbalimbali.

Mpango kama wa Human Cell Atlas unalenga kuunda seti za data zinazofanana kwa ajili ya uchanganuzi wa AI, wakati mradi wa Polaris unaunda mwelekeo wa kuboresha uwazi wa data na ubora. Aidha, kuna upendeleo unaoonekana wa kuchapisha matokeo tu ya mafanikio, hali inayopotosha mifano ya AI kuelekea matokeo chanya. Kutoa suluhu kupitia mipango inayokusanya matokeo mazuri na mabaya ni muhimu kwa kuelewa kwa usahihi ufanisi na usalama wa dawa. Mipango kama ya "avoid-ome" inakusudia kutoa maarifa muhimu kuhusu vigezo vya PFME vinavyohusiana na maendeleo ya dawa. Zaidi ya hayo, kampuni za dawa mara nyingi zina data kubwa lakini haziko tayari kushiriki, ikipunguza faida zinazowezekana kwa AI. Mipango ya ushirikiano kama Melloddy imeonyesha kwamba kujifunza kwa ushirikiano kunaweza kuboresha usahihi wa mfano huku bado ikilinda taarifa za miliki. Kwa muhtasari, kuboresha ugunduzi wa dawa kupitia AI kunahitaji kiwango bora cha data, kutambua thamani ya matokeo mabaya, na kuongezeka kwa ushirikiano katika kushiriki data. Kwa kushughulikia changamoto hizi, matumaini ni kuboresha kwa kiasi ufanisi na ufanisi wa maendeleo ya dawa.